制造业产业链的挑战传递

人们都说自动化行业正在变成一个软件产业，这一点不为过，与20年前的工业控制产业而言，今天纳入到智能制造架构的工业软件正在变得更为强大，扩展到更多的方向，因此，我们从产业需求，以及实际的应用场景分析来描述“为何工业软件能够传递巨大的制造业提升价值“。产业链条的传递

消费者的需求变化会给制造商带来生产的灵活性需求，而另一个方面，这种个性化相较于传统的大规模标准化生产也需要更高的质量迭代过程、更快的生产柔性切换，以及更为精准的成本评估，这使得对于机器和系统集成提出了更为模块化、快速测试与验证、连接的需求。

来到自动化，需要更为智能架构与可扩展性来实现以应对这种变化的挑战，而另一方面，标准化才能降低成本，因此，为了平衡，自动化将焦点放在了如何更为采用“软“的方法来提升系统的灵活应变能力。

需求从消费者->制造商->OEM/SI->自动化厂商，而换个视角反过来就是自动化的价值如何传递到消费端的变化的响应能力上。

个性化的挑战一直在发生，这也驱动着自动化产业不断的去构建系统、融合跨界技术来实现对各种挑战的应对能力。

工业软件价值体系

图2-工业软件价值体系

在这里，我们仅以工业生产运营环节的软件构架来阐述，工业软件价值体系的几个部分

1、集成开发平台：这一概念为了实现“集成“，由于被集成对象随着机器与工厂系统变得复杂，包括传统的PLC逻辑控制，传动控制，以至于今天的CNC、机器人、视觉的集成，另一个方面，为了降低学习成本，将系统配置、编程、测试、运维也集成在统一平台架构上，这都是为了降低工程中的成本，避免在各个不同的软件间的切换。

平台当然也包括了RTOS用于实时任务以及Windows,Linux这样的架构来解决HMI，开放软件集成的问题。

2、软件工程能力：对于平台必须能够提供软件复用的模块封装，以及基于组件的开发（Component-Based Development），这样的好处同样是为了降低工程量，因为，个性化的机器，以及随着业务的扩展，更多的领域复用相同的软件能够降低大量的代码开发与测试验证时间，就像贝加莱的张力控制算法，可以针对纸张、薄膜、纱线、金属板材等各种场景开环、闭环、摆棍多种形式的场景。

3、行业工业Know-How：这是今天无论是哪家自动化、IT或者机器制造商赢得市场的关键，每个领域都有其独特的“领域工程“，无论是金属板材成型还是化工的多系统耦合解耦，都是需要经过反复验证各种场景下的成熟软件，这些使得每个企业构成了其差异化以及核心的竞争力，以软件形式存在的核心算法与工艺往往具有非常高的客户长期忠诚度。

4、开放的软件集成能力：显然，没有一家公司可以为制造业全流程提供所有的软件，但是，基于一个开放的接口，控制系统、IT、数字化设计软件之间就可以达成一致，例如MATLAB/Simulink、Pro-engineering、CATIA与工业控制软件即建立接口，包括类似于EPLAN这样的软件也同样可以发挥电柜制造的角色，当然，Web服务器的集成也使得基于IE、Chrome等客户端可以访问机器与产线。

5、标准化软件的支持：对于机器的集中控制以及分布式架构而言，PLCopen组织的IEC61131-3，以及IEC61499等都是适合于标准化开发的，学习了统一的思路即可实现高效的开发。

6、机器智能：事实上，传统机理模型在一些非线性、无模型领域无法发挥效果，但基于人工智能、机器学习的算法则从数据驱动角度解决了传统的模型复杂性、需要专业人员支撑的应用。

从以上几点，我们能够看到，工业除了传统的PLC、PC控制器、HMI、运动控制、柔性输送系统、视觉这些硬件外，而真正让他们发挥变化、响应能力、竞争力塑造的，却是软件，无论是机器的柔性还是产线的柔性，都是可以基于软件来实现。

显然，自动化已经是一个软件行业了！

建模仿真

建模仿真主要基于对物理对象模型的建模，并与控制系统建立联系，控制系统将针对逻辑、运动过程、工艺进行仿真，以获得最佳参数，并通过自动代码生成下载到控制器，然后测试验证系统控制模型的效果。

图3-基于建模仿真的机器开发过程

图3,所示的建模仿真机器开发过程，事实上，基于建模仿真主要是为了解决以下几个问题：

（1）难以进行物理验证或验证成本非常高的应用场景；

（2）具有较多的参数调整的需求；

（3）为了开发可复用的软件模块；

建模仿真在原创性的设计中最有必要，因为，长期开发需要通过模型积累更多的机器与产线适用性，并虚拟环境中测试参数的最优匹配。

工业通信

实际上，尽管传统的现场总线是一个硬件的连接问题，但是，今天的智能制造时代，对于信息的需求更为侧重于软件应用，无论是为了实现边缘计算的应用，还是为了智能的机器开发，都需要信息的传递，而软件的开发需要大量的接口，而OPC UA实际上就提供了针对这些软件连接的标准接口。

图4-OPC UA的工业通信连接架构

OPC UA实现从底层传感到垂直的ERP/MES、云端的连接，并在机器-机器间实现信息传递的接口，它看上去是一个通信问题，也同时是一个软件的工程量降低的规范与标准支撑。

软件模块化—降低工程成本

制造业无论是机器制造商，还是工厂制造商，对于软件有几个特别的需求：

（1）可复用的模块，能够降低开发工作量；

（2）行业Know-How的封装，以提高核心技术的保护；

（3）标准化的模块设计降低软件的测试验证风险；

（4）高内聚、低耦合的模块提高系统的灵活性。

贝加莱的mapp技术即基于这些需求而设计，通过多个层次的软件模块开发，实现机器到工厂的任务集成—大部分时间需要的是“配置“，而非”编程“。

图5-mapp的模块化应用开发

图5是mapp的架构，包括了mappControl，如张力、温度、液压等基础的专业库，行业库包括了机器人、注塑机、立式包装、集装相关吊装的防摇、印刷套色等功能算法库，再包括了针对机器的配方、报警、文件操作、趋势等基本的功能呈现，还有为智慧工厂提供的OEE计算、能源、维护模块。

机器，是配置出来的，而不需要那么多编程！

机器学习怎么玩？

实际上，虽然人工智能非常的流行，但就工业而言，这并非是新鲜事，传统上的自适应控制、模糊控制本身也属于学习类的方法，只是算力不足，因此，在工业场景里并未能大规模应用。

今天的控制器，其实已经完全可以实现这些问题的解决，贝加莱就为机器学习提供了多种解决方案。

（1）基于PLC的机器学习，其实对于很多机器学习而言，直接来自于控制的参数和一个学习算法完全可以运行在一个控制器上，贝加莱的PLC一直运行一个定性分时多任务的操作系统，这使得它具有高级语言的算法设计能力，基于C/C++开发一个学习算法监测控制过程的参数，这本身就是可行的。

（2）PC架构的APC/Panel PC则有采用新的HyperVisor技术，它可以支持Windows/Linux和RTOS在多核CPU中运行，在PC上可以插入AI加速器，这个加速器可以直接由Windows/Linux来运行应用软件，并通过虚拟网络与RTOS的实时控制任务进行交互，这样的架构更为适合于工业应用场景，因为，数据可以被无缝的连接。

（3）工厂与流程：APROL属于工厂与过程自动化的平台架构，它内嵌Python解释器，第三方开发的机器学习算法与模型可以直接运行，最为有利的在于，它也与APROL本身的历史数据库、实时数据库进行数据交互。

图6-贝加莱机器学习的解决方案架构

从图6的架构我们可以看到，工业软件本身融合了自身的优势，即，有控制对象与模型，有实时数据，也有可支持算法运行的PC服务器环境，支持各种灵活架构及软件的能力。

因此，工业软件已经能够涵盖从控制到学习、平台到标准化、专业的行业的完全方案架构能力。