日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

1  制造業(yè)轉型的商業(yè)目標分析

在施振榮早年間提到的“微笑曲線”中，制造被理解為整個價值鏈中價值含量較低的一環(huán)，如圖1所示。因此，很多美國企業(yè)都將制造外包給了亞洲地區(qū)的代工廠，保留了價值更高的環(huán)節(jié)，如設計、營銷、服務等。這個由“代工”發(fā)展起來的制造環(huán)節(jié)的確利潤較為薄弱。然而，當中國本土企業(yè)開始從代工轉向自主設計與制造，以及提升自身產(chǎn)品技術的全周期能力的時候，制造便不再可有可無，而是實現(xiàn)其價值能力的關鍵一環(huán)。

圖1 微笑曲線

其實，如果仔細去分析一個產(chǎn)品，無論是一部手機、一輛汽車，甚至一個汽車輪胎，基礎原材料通常來自于流程工業(yè)，例如塑料顆粒、紙張、油墨、添加劑、催化劑、金屬材料等，而這些材料進入離散制造場景，先需要經(jīng)過材料的成型工藝，  再進行組裝，因此，全流程的制造包含了流程工藝、成型工藝、組裝工藝三部分。

“制造”不值錢是較為片面的認識，可能過去對制造的理解更多在“組裝”這個環(huán)節(jié)，但是，離散制造的“成型”環(huán)節(jié)卻是真正高價值的。為何我們一談到光刻機、高精度機床等裝備，就遇到至今難以攻克的問題，導致我們的產(chǎn)業(yè)鏈只能給“制造”？因為大家忽視了一個很重要的環(huán)節(jié)，即后道組裝的零配件來自于前道的“成型工藝裝備”，成型工藝裝備往往需要面對大量材料在不同的工藝條件（溫度、壓力、速度、加速度等）下的成型問題，這需要大量的測試驗證與時間積累。我們的制造業(yè)直接買進口的成型設備，然后生產(chǎn)出零配件組裝。而組裝往往是“非標”的，依賴于人工。今天制造業(yè)所謂的代替人，其實還是在這個環(huán)節(jié)解決問題，并非在“成型”這項核心工藝上掌握制造的本質。

因此，制造業(yè)的轉型，從商業(yè)的視角來說，應該是要把制造最值錢部分，把握在自己的手里，也即“工藝成型”部分。

2  邊緣計算—讓制造商掌握Know-How

很多企業(yè)的數(shù)字化轉型，都聚焦在數(shù)字化上，其實，制造業(yè)的本質仍然是材料及其成型工藝，真正應該做的是借助于數(shù)字化技術來提升制造業(yè)工藝水平，而不是為了數(shù)字化而數(shù)字化，忘記了制造的本質，其創(chuàng)新都來自于材料與工藝的變革。數(shù)字化是為制造穩(wěn)定可靠、降低成本提供幫助的工具與手段。

2.1   全局質量與效率提升

在現(xiàn)實的制造中，如光伏、鋰電領域，中國的制造商其實正在崛起，這是一個快速成長，而又多個賽道并進的行業(yè)，誰能制造出更高良率、更低成本，以獲得均量化度電成本（Levelized Cost of Energy，LCOE）的更小值，才能贏得市場。制造工藝與技術的進步，將有效提升制造業(yè)的競爭力，今天，制造的能力已經(jīng)成為了這幾個領域中國企業(yè)的主戰(zhàn)場。

邊緣計算架構成為如何為制造業(yè)帶來大閉環(huán)下質量提升、效率提升的關鍵。以電池制造為例，通過大量的物理與數(shù)據(jù)建模，必須對電池影響質量的因素進行分析，以獲得質量改進的方向，并向自動化系統(tǒng)提出調整的最佳工藝參數(shù)，這樣，就可以在更小的批量范圍內優(yōu)化質量，以滿足電池行業(yè)ppm乃至ppb級的質量要求，0.1%的良率提升、1%的產(chǎn)能利用率優(yōu)化，  對于產(chǎn)能巨大的電池制造業(yè)來說，都意味著競爭力的提升。

圖2是產(chǎn)線集成中的邊緣計算架構，通常基于視覺采樣的極片與隔膜材料對齊、材料表面毛刺等缺陷，邊緣側的系統(tǒng)將通過學習掌握這些信息，利用實時數(shù)據(jù)可對其進行趨勢性、相關性的分析，找出引發(fā)故障原因并做出對應調整，從而實現(xiàn)最小的品質迭代周期，并實時對不良品予以剔除，確保品質的穩(wěn)定與可靠。

這一架構使得制造商本身也能掌握影響品質、生產(chǎn)效率、計劃等問題的Know-How，并形成可復制的知識，在其內部不同的制造工廠復用。這樣，制造商就會突破原來僅來料加工這種缺乏自主工藝知識掌控的局面，從而在制造端獲得競爭力，這樣才能兌現(xiàn)來自商業(yè)端的競爭力。

針對鋰電的生產(chǎn)，多設備協(xié)同，以及不同的設備來自不同的廠商，需解決以下問題：

（1）在多廠商數(shù)據(jù)上行傳輸中的數(shù)據(jù)建模問題。可以通過OPC UA的規(guī)范，以及行業(yè)信息模型，包括PackML（包裝類）、EUROMAP（塑料成型類）、Utimat（機床類）、機器人連接、視覺連接、編碼系統(tǒng)等簡化工程訪問和數(shù)據(jù)訪問接口編程方面的工作量。

（2）視覺缺陷檢測到后道，快速反饋給前道的調整。需要高速上行和下行數(shù)據(jù)傳輸實時性，依靠TSN來提供任務支持，TSN簡化了原有網(wǎng)絡的多樣性，避免多種網(wǎng)絡需要多種設備轉換模塊。

目前這個邊緣架構需求在各種具有連續(xù)性生產(chǎn)的離散制造（如鋰電、光伏、燃料電池、半導體行業(yè)等）具有普遍意義。

圖2 產(chǎn)線集成中的邊緣計算架構

2.2   將隱性知識轉為顯性知識

傳統(tǒng)離散制造業(yè)，在大規(guī)模生產(chǎn)時，會有參數(shù)試教的問題，這依賴于人工對參數(shù)的調試，或稱為“試湊法”。在大規(guī)模制造的時候，初始的試湊帶來的成本損耗，相對于其長久的制造過程來說，可以忽略不計，例如：為空氣開關提供的彈簧或為床墊提供的彈簧，往往機器一次調校后，就可持續(xù)每天生產(chǎn)10余小時，周期達1個月乃至更長，因此，其對于參數(shù)的自適應，本身的需求就顯得不那么迫切。

而個性化定制將會使試湊的成本成倍、數(shù)十倍甚至百倍地放大，例如：對于10000個產(chǎn)品訂單來說，開機浪費10個可以接受，  而1000個訂單仍舊有10個開機浪費就難以承受，因為不良品率放大了10倍，如果訂單再小，那么不良品率就更大。

離散制造業(yè)發(fā)展趨勢即個性化，因此參數(shù)的自適應與匹配很重要，而通過構建的邊緣架構來優(yōu)化參數(shù)，調度的效率就成為了企業(yè)競爭的關鍵。

在輪胎的生產(chǎn)中，內部的加工是否滿足質量要求，通常需要大量的檢測，  X光檢測提供的圖像由人工進行判斷，這樣的方式耗費體力，也依賴于經(jīng)驗，而經(jīng)驗就是隱性知識，這種隱性知識在各個行業(yè)都存在，例如半導體的缺陷識別、塑料制品等。圖3是基于深度學習的輪胎缺陷檢測應用，貝加萊的PC基于邊緣計算架構來實現(xiàn)工業(yè)的AI視覺缺陷檢測與分析。

圖3 基于深度學習的輪胎缺陷檢測

在通過X光機獲得輪胎的成像信息后，  學習系統(tǒng)將代替人工對缺陷進行分析，在鋼絲圈的纏繞過程中，機器狀態(tài)或生產(chǎn)中的異常帶來非常多的缺陷問題，例如鋼絲圈的纏繞層次偏差、異物、不均勻的排列、疊加、突出、翹起、異常彎曲干擾其他鋼絲、氣泡等；而輪胎內部的簾子線、鋼絲圈、橡膠材料的特性，  使得其X光成像會有各向異性的紋理，而這些紋理又會對圖像的判斷形成干擾，造成系統(tǒng)誤判。

而基于深度學習的方法可以利用濾波算法對這些不同缺陷的相關要素進行特征提取，從這些復雜的圖像中尋找到缺陷點，對缺陷點進行聚類，標定其尺寸規(guī)格，從而最終對輪胎的質量、等級做出評判，決定是否歸為廢品，并反饋給制造系統(tǒng)持續(xù)改善。

關于邊緣計算的商業(yè)價值有很多討論，本文僅通過簡單案例從其對離散制造品質的提升來分析。

3  邊緣計算工程實施成本

邊緣架構實現(xiàn)涉及到大量的工程集成，包括設備之間的互聯(lián)、機器與產(chǎn)線到管理系統(tǒng)之間的雙向交互，或者從邊緣到云端之間的信息集成問題。現(xiàn)在邊緣計算成為工業(yè)互聯(lián)網(wǎng)實現(xiàn)的關鍵一環(huán)。但是，對于制造業(yè)而言，如果技術實現(xiàn)缺乏經(jīng)濟性，則很難推進，而對于邊緣計算的商業(yè)化推進，必須從“可復制性”的視角來考慮，即如何讓整個架構能夠獲得易用性可被快速復制，從一個行業(yè)推廣到其它行業(yè)，而不是被割裂在每個垂直的應用領域。

3.1   OPC UA用于簡化連接問題

很多人將OPC  UA理解為“技術”、“通信規(guī)約”，實際上，這都是對其商業(yè)價值的低估。離散制造的集成必然涉及網(wǎng)絡連接、數(shù)據(jù)訪問，以及設備與設備、設備與系統(tǒng)間的協(xié)同問題。如果沒有一個簡單的模型交互數(shù)據(jù)，那么，這幾乎無法完成，或者需要大量的工程才能解決。而OPC UA就扮演了這個角色，在機器間，構建了一個統(tǒng)一交互信息的規(guī)則與框架，然后，在這個接口的銜接下，對任務的編程變得簡單，因為，復雜系統(tǒng)只需遵循簡單規(guī)則，即協(xié)作的機器之間只需要“邏輯”上的簡單規(guī)則，通過TSN的周期性數(shù)據(jù)采集與傳輸，就可以解決一個大系統(tǒng)的智能運行問題。

OPC UA使得數(shù)字化設計類、建模仿真類軟件如MATLAB/Simulink與貝加萊的Automation Studio或西門子的Portal這類運行端軟件之間形成協(xié)作，OPC UA可以擴展至更多的范圍，包括MapleSim、CATIA等CAD/CAE、EDA類軟件與現(xiàn)場運行時（Runtime）的交互，可以實現(xiàn)數(shù)字化測試驗證，以及數(shù)字孿生體持續(xù)改善提供基礎實現(xiàn)架構。如圖4所示。

圖4 OPC UA可以為各個集成實現(xiàn)信息建模與連接

回到一個機器的控制任務循環(huán)，再去思考比機器更大的工廠循環(huán)，就明白在工廠的連接及運行中OPC UA over TSN的作用了。

3.2   數(shù)字孿生與持續(xù)改善

復雜系統(tǒng)的復雜在于變化，對于傳統(tǒng)大規(guī)模生產(chǎn)來說，機理建模構建一個閉環(huán)就可以保持運營，只要讓這個閉環(huán)系統(tǒng)穩(wěn)定、可靠，就能不斷地通過規(guī)模來降低成本。但是，對于一個個性化生產(chǎn)系統(tǒng)，它的復雜在于“變化”，無法用一個確定的策略來對待，這時就需要一個“框架”來把這個不確定性收斂起來，降低不確定性。

數(shù)字孿生系統(tǒng)通過一個數(shù)字系統(tǒng)來映射，并通過“知”和“行”的反復對比，通過數(shù)據(jù)建模方式，動態(tài)地觀察運行系統(tǒng)的規(guī)律，形成新的知識，對這個運行系統(tǒng)影響質量、成本、效率的相關性進行分析，并不斷去收斂。

因此，數(shù)字孿生通過一個可持續(xù)改進的運行機制把復雜、不確定的問題收斂穩(wěn)定下來，也是讓復雜的、不確定的問題變?yōu)楹唵蔚摹⒖蓮椭频摹D5是整個邊緣計算架構的功能概要，即數(shù)字連接與集成、邊緣計算架構支撐數(shù)據(jù)服務與應用開發(fā)，而數(shù)字孿生與數(shù)據(jù)驅動建模實現(xiàn)持續(xù)的改善。

圖5 整個邊緣計算架構

因此，邊緣計算最終目的是改善用戶的品質，以及降低工程實現(xiàn)的成本。

4  工業(yè)自動化視角的邊緣計算架構

自動化廠商有更好的架構來支撐邊緣計算的實現(xiàn)。相對而言，邊緣計算更多是軟件層面的應用，而原有的開放架構的PLC、PC本身就可以以嵌入式或開放架構來實現(xiàn)這些任務。

貝加萊的控制器除了嵌入式實時操作系統(tǒng)的PLC，也有PC架構的控制器，但是，貝加萊的PC架構采用的并非是Windows+實時擴展的架構，而是多核處理器中的資源分配，  例如Intel Core i、Intel Apollo Lake這樣的處理器，多核處理器分別運行Windows/Linux、RTOS，因為RTOS核不會受到Windows系統(tǒng)宕機的影響，這個架構比當前Windows+RTE的方式具有更強的性能和更高的可靠性。如圖6所示。

圖6 貝加萊作為自動化廠商的計算架構

今天，PC控制還是PLC控制完全由應用的需求來決定，對于簡單的機器控制，則PLC勝任。但是，當我們需要增強數(shù)據(jù)能力、圖形處理、邊緣算法、AI應用的時候，PC架構就會發(fā)揮其作用，因為在這個架構里PC本身就有一些本地訓練和本地推理的能力，對于一些要求不高的AI應用，PC即可處理，而貝加萊這個架構的優(yōu)勢在于，PC處理的結果馬上可以讓PLC執(zhí)行。如果我們需要更強的本地推理，可以采用華為、Intel、Halo等PCIe接口的AI加速器來增強其性能。此外，對于長周期大容量數(shù)據(jù)的訓練而言，其實也可以基于OPCUA Pub/Sub機制與云端架構連接，  將數(shù)據(jù)發(fā)送給云端處理，將訓練模型部署于本地PC然后進行本地推理。

這種架構通常可以為機械制造商提供工藝的集成設計，將原有控制與計算集成整體更經(jīng)濟地實現(xiàn)。架構本身具有豐富的總線連接底層設備能力，各種信號實時采集與處理，原有的控制任務閉環(huán)模型清晰，可以直接觀測這些運行過程，通過OPC UA與管理系統(tǒng)交互，反饋現(xiàn)場情況并接受指令，形成機器邊緣計算與控制的集成。 

作者簡介：

宋華振  （1975-），男，陜西咸陽人，碩士，現(xiàn)任貝加萊工業(yè)自動化（中國）有限公司技術傳播經(jīng)理，主要從事工業(yè)通信技術、行業(yè)解決方案推廣。兼任SAC/TC124/SC4委員、SAC/TC159/WG18委員、邊緣計算產(chǎn)業(yè)聯(lián)盟專家委員會專家、自動化學會集成自動化分委會委員，曾參與出版《面向中國制造業(yè)2025的智能化轉型》、《美國制造創(chuàng)新網(wǎng)絡研究院解讀》等書籍。

摘自《自動化博覽》2022年2月刊