智能行業(yè)將數(shù)據(jù)放在首位

隨著智能工業(yè)的出現(xiàn)，工業(yè)世界正在迅速變化。今天的生產(chǎn)機器和搬運設(shè)備已經(jīng)成為高度集成的機電一體化系統(tǒng)，其中大部分是嵌入式軟件。這一事實需要多個領(lǐng)域，包括軟件工程、IT、機械工程和電氣工程，同時協(xié)同工作，并發(fā)展設(shè)計、測試和驗證機器軟件的方式，以達到預(yù)期的功能和質(zhì)量水平。

數(shù)據(jù)擴散——提取有價值的見解

智能產(chǎn)業(yè)的一個主要驅(qū)動力是不斷增長的數(shù)據(jù)量。視覺傳感器、電力和液壓驅(qū)動器、生產(chǎn)機器和發(fā)電廠都在生產(chǎn)操作期間收集越來越多的測量數(shù)據(jù)。這些數(shù)據(jù)包含可以通過開發(fā)預(yù)測模型和算法轉(zhuǎn)化為商業(yè)價值的信息。例如，機器學習技術(shù)可用于根據(jù)歷史傳感器數(shù)據(jù)訓(xùn)練模型，以便該模型可用于預(yù)測未來的設(shè)備故障并防止生產(chǎn)停機。

構(gòu)建這樣的模型需要大量的歷史數(shù)據(jù)。許多企業(yè)多年來一直在收集這些數(shù)據(jù)，為他們應(yīng)用預(yù)測建模技術(shù)提供了一個良好的開端。對他們來說，重點更多的是把數(shù)據(jù)預(yù)處理成適合機器學習的格式，并應(yīng)用幾種機器學習方法來找到最好的方法。在最近的一個示例中，機器傳感器數(shù)據(jù)集與質(zhì)量控制數(shù)據(jù)集合并，以便可以從原始傳感器數(shù)據(jù)預(yù)測質(zhì)量狀態(tài)。這使制造商能夠在流程的早期識別出不良批次，從而為每臺機器每月節(jié)省數(shù)萬美元。

在實現(xiàn)這樣一個系統(tǒng)時，一個大的設(shè)計問題是，模型應(yīng)該在哪里實現(xiàn)？它是否應(yīng)該在機器本身上運行，以便可以在連接的 PLC 或工業(yè) PC 上實時做出決策？還是應(yīng)該在業(yè)務(wù) IT 系統(tǒng)（可能是異地服務(wù)器，或在云中）中，計算能力隨時可用且模型可以輕松更新？每種方法都有其優(yōu)點和缺點，答案取決于幾個因素。

將分析與業(yè)務(wù) IT 系統(tǒng)集成

業(yè)務(wù) IT 系統(tǒng)通常是預(yù)測模型首先考慮的位置。模型維護很容易：如果發(fā)現(xiàn)了更好的模型，那么在業(yè)務(wù) IT 系統(tǒng)中更新模型比在嵌入式系統(tǒng)中更新模型要容易得多。隨著更多數(shù)據(jù)的可用，這允許對模型進行持續(xù)研究和改進。一些服務(wù)器軟件允許“熱交換”，以便立即使用新模型，而無需對機器上運行的客戶端軟件進行任何更改。

將模型放置在業(yè)務(wù) IT 系統(tǒng)中的另一個優(yōu)勢是可以將大量可用數(shù)據(jù)源集成在一起以形成模型。例如，可以整合來自供應(yīng)鏈或其他工廠運營的其他數(shù)據(jù)源，以制定更高級別的決策，從而節(jié)省大量成本。

最后一個好處是業(yè)務(wù) IT 系統(tǒng)通常是報告和儀表板所在的位置，因此在這種環(huán)境中擁有預(yù)測模型可以輕松地將它們合并到現(xiàn)有的報告工具中。

將預(yù)測模型與此類系統(tǒng)集成需要與各種編程語言和 API 集成的工具。業(yè)務(wù)系統(tǒng)通常以編程語言實現(xiàn)，例如 java、.net、C++ 和 Visual Basic。使用了其他常見的數(shù)據(jù)傳輸方法，例如 RESTful API 和 JSON。生成的預(yù)測模型能夠集成到這些環(huán)境中非常重要，這樣可以避免重新編碼模型的成本高昂且效率低下的過程。

將分析部署到嵌入式系統(tǒng)

隨著智能工業(yè)的發(fā)展，軟件組件提供了機器或生產(chǎn)工廠整個附加值的重要組成部分。在 PLC、工業(yè) PC 或 FPGA 上運行的嵌入式軟件涉及閉環(huán)控制功能，可確保產(chǎn)品質(zhì)量以及預(yù)測性維護算法，從而在無需服務(wù)干預(yù)的情況下延長正常運行時間。此外，用于（在許多情況下甚至是安全關(guān)鍵）狀態(tài)機處理和優(yōu)化運動軌跡的自動生成的監(jiān)控邏輯都在嵌入式軟件中實現(xiàn)。

在嵌入式系統(tǒng)中實現(xiàn)預(yù)測模型有幾個優(yōu)點。一方面，響應(yīng)時間更快，因為數(shù)據(jù)不需要通過網(wǎng)絡(luò)來回傳輸，而且它們是確定性的，在實時系統(tǒng)上運行。這在使用預(yù)測模型的結(jié)果來計算機器采取的下一步行動的控制應(yīng)用中尤為重要。另一個好處是所有（或大部分）處理都發(fā)生在設(shè)備上的隱私。機器操作員對來自他們機器的數(shù)據(jù)很敏感，并且可能對將數(shù)據(jù)傳輸?shù)皆频漠惖胤?wù)器感到不舒服。直接在嵌入式系統(tǒng)上實施預(yù)測模型消除了這種擔憂。

在設(shè)備上實施預(yù)測模型的概念是增加生產(chǎn)機器上代碼庫的大小和復(fù)雜性的更大趨勢的一部分。這對受過經(jīng)典培訓(xùn)的機器制造商提出了軟件開發(fā)挑戰(zhàn)。許多機器制造商都專注于機械制造，需要在機械構(gòu)造的復(fù)雜工作流程和工具鏈方面保持經(jīng)驗。在軟件設(shè)計方面，機器制造商依賴于傳統(tǒng)的硬件編程和測試方法，但通常不了解航空航天和汽車行業(yè)的工程同行廣泛使用的建模、仿真、自動測試和代碼生成工具。 這些工具組合成一個工具鏈，用于分析歷史機器數(shù)據(jù)，使用機器學習方法開發(fā)預(yù)測模型，

使用基于模型的設(shè)計

提供復(fù)雜的傳感器網(wǎng)絡(luò)是實現(xiàn)智能行業(yè)所承諾的效率、成本以及競爭優(yōu)勢的基本先決條件之一。為了成為其市場的創(chuàng)新領(lǐng)導(dǎo)者，設(shè)備制造商需要在這些新的設(shè)計方法和技術(shù)方面迅速發(fā)展技能和專業(yè)知識。

通過使用基于模型的設(shè)計工具，可以提高這種方法的設(shè)計效率和系統(tǒng)可靠性。這些工具有助于自動化組件的模塊化開發(fā)、硬件獨立測試和自動代碼生成，只需按一下按鈕即可實現(xiàn)特定硬件平臺的算法。

模型可以從預(yù)定義的構(gòu)建塊和持續(xù)驗證中進行直觀和清晰的構(gòu)建。使用這種方法，可以盡早糾正設(shè)計缺陷，從而大大縮短設(shè)計周期。接下來，需要實施算法，這對于使用傳統(tǒng)方法可能具有相當大的挑戰(zhàn)性。從歷史上看，算法通常必須由 IEC 61131-3、C/C++、VHDL 或 Verilog 方面的專家開發(fā)。這種做法不僅耗時，而且隨著機器中使用的算法的復(fù)雜性不斷增加，也容易出錯。已經(jīng)通過模擬驗證的手動實現(xiàn)的功能可能不會按照預(yù)期的方式運行，可能包含錯誤，因此可能導(dǎo)致錯過最后期限和僅在現(xiàn)場注意到的問題。

相比之下，實時功能是使用自動代碼生成直接從仿真模型生成的。這避免了上述錯誤來源。測試的算法直接翻譯成實時代碼。這樣做不僅可以節(jié)省時間，還可以在小型開發(fā)團隊中創(chuàng)建創(chuàng)新解決方案。具有自動代碼生成功能的基于模型的設(shè)計使工程師能夠充分利用他們在施工方面的專業(yè)知識來構(gòu)建機器或工廠，而無需擔心編程語言細節(jié)。

實現(xiàn)智能工業(yè)的競賽

跟上并成為全球智能產(chǎn)業(yè)的領(lǐng)導(dǎo)者，需要企業(yè)提供越來越高效和成本效益的產(chǎn)品，同時對智能產(chǎn)業(yè)和工業(yè)物聯(lián)網(wǎng)帶來的新商機保持開放的心態(tài)。這些機會的核心是機器數(shù)據(jù)的收集和可用性。

雖然過去機器銷售是他們的主要業(yè)務(wù)，但創(chuàng)新的機器制造商已經(jīng)開始向客戶提供預(yù)測性維護服務(wù)合同，以減少生產(chǎn)線停機。該行業(yè)越來越多的參與者將重點轉(zhuǎn)向服務(wù)收入，這承諾在其生產(chǎn)設(shè)備 20 年或更長時間的整個生命周期內(nèi)持續(xù)開展業(yè)務(wù)。

智能工業(yè)包括日益復(fù)雜的軟件和不斷增加的數(shù)據(jù)量。從長遠來看，不斷發(fā)展的趨勢將挑戰(zhàn)工程師精通使用新方法和工具以應(yīng)對這種復(fù)雜性。公司將不得不重新考慮他們的商業(yè)模式，并更多地關(guān)注基于服務(wù)的收入，例如預(yù)測性維護合同。目前，設(shè)法將重點轉(zhuǎn)向跨學科設(shè)計思維（而不是生產(chǎn)思維）的工業(yè)公司將從轉(zhuǎn)型中脫穎而出，成為各自領(lǐng)域的領(lǐng)導(dǎo)者，并為其市場提供新的商業(yè)模式。那些不這樣做的人可能無法通過這種轉(zhuǎn)變，并有被拋在后面的風險。

審核編輯：郭婷