自動化早已不是那個自動化了？
http://www.debgrams.com 2019-03-07 09:12 來源：說東道西 宋華振
工業互聯網如此熱潮洶涌，也引發了關于它究竟姓“工”還是姓“網”的問題，不過，在我看來，這個問題的糾纏多少各自還是有些“自我中心”意識的，雖然之前我也的確觀察到IT界對工業的缺乏了解而有些自以為是的，然而，不得不承認，ICT技術的確有非常大的潛力為制造業創造了一些空間，其實，如果我們都站在用戶的角度看問題—我們必須說，工業互聯網都是必須服務于客戶價值的，判斷和選擇實際上由用戶體驗來決定，而另一方面，侃侃而談并非務實之道，解決問題才是王道，大概是因為OT端的人一直在現場忙設備調試運行，沒時間寫PPT。
斷代式的發展對于自動化的誤解
當然，作為一個自動化人，對于當前的形勢也有一些意見，因為一個非常普遍的現象，人們都以“斷代史”的方式把制造業的發展過程順序羅列為機械化、自動化、數字化、智能化，當然了，各種羅列不盡相同卻顯然分明的把自動化給列為一個過程，似乎智能化是一個更高的過程，而自動化只是一個低級的過程，顯然，真實的工業并非如此，因為現場沒有一個純粹的自動化，而沒有機械、數字化、智能化，也不會只有智能化的時代，而自動化沒有了的過程，在邏輯上這也站不住腳，因為，機械、自動化控制、信息系統、智能應用這往往是一個垂直的層面考量的問題，而非歷史順序的過程，因此，不適合以“斷代史”的方式來定義自動化在其中的角色與位置，而且，這種斷代定義也并不符合事實中自動化技術與智能化技術相互之間的融合滲透，也不能反映見天自動化公司基本上都已經是一個綜合體的事實。
自動化并非是一個制造業中的斷代史，在未來，它一直處于變化中，一直在尋找數字技術、智能技術，各種技術融合來解決生產問題，難道，自動化行業這個名字該換換了？
自動化遠非過去的自動化
事實上，人們總是會把自動化理解為PLC、伺服驅動、HMI、電機，而事實上，自動化的角色不斷的在延伸，自動化行業接近現場，不斷的要去為現場解決問題，這使得自動化中的問題變得更為全面，整體，而非局部的產品概念。
比較顯著的幾個特征，已經成為自動化發展的說明：
自動化是一個軟件行業嗎？
越來越多的自動化企業意識到軟件的重要性，你會發現在自動化行業里存在著無處不在的軟件，包括幾個方面：
（1）.基礎的RTOS，無論是RTOS（VxWorks、QNX、μC/OS-II等）還是基于RT-Linux,Windows Embedded，至少，缺乏操作系統的純硬件邏輯PLC目前已經比較少了，因為，需要在這個基礎上運行各種開發環境、程序調度，包括多線程任務處理，不同任務等級。
（2）.軟件工程的重要性，傳統基于邏輯的程序一個程序員一個循環可以，但是，今天，我們要寫復雜的算法，像PLCopen PartIV中機器人、CNC與定位同步控制，專業庫如濾波、基礎軸與CNC、液壓等，再高級到行業級的應用算法，都是軟件。
（3）.開放的軟件接口：像SIEMENS、B&R、RA這些都有針對MATLAB/Simulink的建模仿真接口，可以機電軟一體化設計，包括數字孿生技術的推進，這些都是軟件。
（4）.數字化平臺的構架：ABBAbility，SIEMENS Mindshpere這些自動化廠商已經延伸到了邊緣側、私有云端以及后臺的應用開發、智能算法的集成階段。
如果你從上面這些軟件的角度再去看自動化，你會把自動化理解為一個只是賣PLC、電機驅動的行業嗎？
數字化也是自動化一直在推進的
當然，很多人把數字化理解為CAD、CAE、CAPP這些軟件稱為數字化，不過，這是設計數字化部分，而另一個部分是現場運營數字化，工業數字化中最直觀的就是現場總線，本身就是為了把現場的信號數字化，首先為了便于傳輸（降低干擾），而且也是為了后面的計算處理更為直接，從最初的Modbus、CAN、Profibus、DeviceNet，CANopen，再發展到Profinet、POWERLINK、EtherCAT、Ethernet/IP、CC-Link IE，再到今天的OPC UA over TSN技術，各家自動化廠商一直在推進數字化的進程。
這個數字化的進程與現場工業應用緊密相關，最初，只是為了解決信號控制問題，傳輸干擾抑制、接線復雜性、遠程采集與控制問題，后來隨著機器的自動化程度提高，對于運動控制、機器人等應用的需求，提出了實時以太網技術—這是對較為通用的低成本網絡的需求，而借助于IT技術實現，再往后發展，隨著與管理系統的交互、機器的互聯的需求而產生了對“信息”的需求，以及互操作的需求，因此產生了OPC UA，以及TSN為協同實時、非實時數據統一傳輸的問題。
OPC UA的價值遠非是一個互操作的規范，它是數字化中關于信息模型、安全性、傳輸、預處理、行業都集成的規范與標準。
有些人反映為什么我們的資產管理，包括編碼尚未能夠統一，怎么進行車間管理，我告訴他AutoID是OPC UA一個伴隨協議，可以解決這個問題，垂直行業信息模型—PackML、Euromap可以解決，VDMA還開發了機器人與視覺的協同信息模型，包括工業4.0的管理殼也基于OPC UA來實現，最近和OPC UA基金會的朋友聊過這個話題，其實在MES推進中最大的問題在于缺乏OPC UA這樣的統一規范，因此，MES項目往往會很大的工程投入，用戶代價高昂而實施者卻也因為工程投入大而盈利極低，大家都很艱苦，如果采用OPC UA就會大幅降低工程成本，數字化，也需要好的方法和工具啊！
數字化-難道不是自動化人一直在做的事情嗎？
智能技術-很多年前就在做了
這件事也很有意思，不要今天看到火熱的AI場景，我們就認為AI將要如何的重要，其實，工業里的智能算法早就在進行，包括邊緣層的策略分析、路徑優化，運籌與系統工程的發展也是數十年時間了，包括在PLC里實現機器學習這完全是可行的，因為今天的PLC早已不是當年的硬件邏輯指令的控制器了，包括像貝加萊基于RTOS+Windows的PLC（可采用C/C++開發）或APROL平臺（可采用Python編程）都可以，因此，不能再按照傳統的眼光去看待自動化。
而就控制論本身，在數十年前就已經有各種關于智能化的模型、方法與實踐，關鍵在于“經濟性”，就像去年和幾個朋友談到某公司把十多年前許強博士關于驅動的智能算法拿出來用，因為以前這樣的算法執行所需的處理芯片成本非常高，而今天FPGA成本已經很低了，因此，具有經濟性了，同樣，在過去針對具有復雜動態工況下的多回路PID耦合解耦計算，需要非常較強的處理能力，而傳統上，普通的控制器和PC都沒有這樣的算力，而構建一個高速動態計算網絡對于很多工業場景而言又是代價高昂的，而今天ICT技術使得服務器、高實時響應網絡、軟件算法的測試驗證都具有了經濟性，才能使得原本自動化領域的很多智能化算法能夠被真正投入產業應用，這種應用可以有兩種模式，一種是自動化系統借助于AI芯片、軟件將算法集成到本地，或者大時間顆粒的大量數據放在云端進行計算，這都取決于哪個更為經濟適用，而非誰的技術更牛。
因此，任何的創新都是基于經濟性為先導的，技術早就存在了，甚至我們今天討論的所有這些問題他們都會有二三十年以上的歷史淵源了，只是，隨著經濟性越來越強，這些問題才能被真正投入應用而已。
我們一切都服務于制造業用戶的價值創造
因此，OT和IT在工業互聯網時代姓什么并不重要，一方面，相互要各自發揮自己的擅長的，并以開放的心態相互融合，在規范和標準的接口構建上下功夫，相互融合，共同解決問題，但是，自動化也的確并非傳統我們理解的就是PLC，伺服驅動與電機的產品，它早已與數字化、智能化邊界模糊，正在成為制造業升級的核心力量。成為工業互聯網的OICT融合中的落地執行者。
編輯精選
