隨著智能制造時代的來臨,IT與OT的融合發展已成大勢所趨,控制系統作為智能制造的基礎層、自動化控制層的核心,不可避免地面臨著新的挑戰。智能制造是以數據為核心,實現全局數據的完整、互聯互通才能更好地協調整個生產過程。控制系統則是擔任了整體智能制造架構之中硬能力的核心環節,需要具有更強大的數據采集、存儲、計算以及分析能力,更好地支撐上層智能化軟件的發展。正如北京國電智深控制技術有限公司黨委書記黃煥袍指出:“在物聯網和5G技術快速發展中,工業可感知的數據規模呈爆發式增長,這主要由于先進檢測技術、傳感器技術的快速發展推動。大量數據中蘊含了工業現場的設備及系統特征,如何將各類物聯感知數據可靠接入智能DCS,同時無縫整合各類第三方系統如PLC等的數據,實現廣義工業過程信息的泛在感知,形成后續流程的數據基礎,成為智能DCS的基礎能力需求。”
工業生產數據中蘊藏了大量信息。DCS的智能化發展使得用戶在數據的分析與處理能力以及智能化應用方面的需求在迅速提升,因此DCS供應商紛紛有針對性地加強這方面的技術投入。
今年艾默生推出了多款滿足此類需求的新技術,如AMS設備邊緣計算監測系統,是基于DeltaV電子布線技術而開發的機械設備狀態監測系統。它內置了許多典型機械設備故障的預測邏輯,計算每個潛在故障的單個健康值以及資產級別的健康值,通過創新技術解決特定問題,對動平衡、對中、電機故障等多種常見故障進行確定性分析;又例如基于機器學習的過程數據分析軟件KNET,將大量多元化信息技術(IT)和運營技術(OT)數據轉化為實用知識,可以實時檢測過程和資產的異常情況,幫助運營人員專注于關鍵問題,推動實時決策,最大程度地提高資產可用性和安全性。
羅克韋爾自動化和PTC合作,采用其萬物互聯與增強現實技術,結合羅克韋爾自動化在OT領域的強大能力,打造出全新的智能制造革新套件FactoryTalk InnovationSuite,可將DCS系統獲取的工廠有關的生產、設備、自動化系統、人員操作等各種實時數據或者是歷史數據,經過高級的自動化診斷和分析,將海量原始數據轉化為具有實際價值或前瞻意義的信息,提高企業裝置性能并減少停機影響。再結合人工智能技術可將分析過程化繁為簡,讓用戶能夠提前應對各種問題,避免嚴重故障的發生。
DCS走向智能化,開放性和網絡化不斷增強,隨著而來的是數據信息的安全問題,涉及數據采集、存儲、計算以及分析的各個環節。近年來,工業控制系統信息安全事故頻發,造成生產中斷甚至危及人員生命,已引起廣泛的關注。杭州優穩自動化系統有限公司董事長王文海認為工控系統安全不是工控系統與信息安全的簡單疊加,需要與內生安全主動防御技術深度融合、基因重構和伴生演進。優穩公司與浙江大學工業自動化國家工程研究中心聯合攻關,基于安全增強、動態重構、工程模型檢測,構建自主可控融合增強的內生安全防御體系;結合可編程電子控制模塊、安全協議棧與控制核心網絡、編程開發與運行操作軟件環境,進行內生安全設計;保障工控系統在“有毒帶菌”環境下的運行安全。
毫無疑問,智能時代的來臨對于工業控制系統提出了諸多新的挑戰,同時也給控制系統制造商帶來新的機遇。雖然構成自動化系統的技術和設備已經發生了天翻地覆的變化,但系統的核心目的并未改變,圍繞著數據的采集、存儲、計算以及分析,最終目標仍然是提高產品的性能質量、滿足多方面個性化需求、提高生產效率、生產過程的節能環保及安全保證等各個方面,利用新技術、新設備持續不斷地進行優化與改進提升。
摘自《自動化博覽》2020年10月刊