国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

1  制造業轉型的商業目標分析

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，如圖1所示。因此，很多美國企業都將制造外包給了亞洲地區的代工廠，保留了價值更高的環節，如設計、營銷、服務等。這個由“代工”發展起來的制造環節的確利潤較為薄弱。然而，當中國本土企業開始從代工轉向自主設計與制造，以及提升自身產品技術的全周期能力的時候，制造便不再可有可無，而是實現其價值能力的關鍵一環。

圖1 微笑曲線

其實，如果仔細去分析一個產品，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，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”這個環節，但是，離散制造的“成型”環節卻是真正高價值的。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，導致我們的產業鏈只能給“制造”？因為大家忽視了一個很重要的環節，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。我們的制造業直接買進口的成型設備，然后生產出零配件組裝。而組裝往往是“非標”的，依賴于人工。今天制造業所謂的代替人，其實還是在這個環節解決問題，并非在“成型”這項核心工藝上掌握制造的本質。

因此，制造業的轉型，從商業的視角來說，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

很多企業的數字化轉型，都聚焦在數字化上，其實，制造業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字化技術來提升制造業工藝水平，而不是為了數字化而數字化，忘記了制造的本質，其創新都來自于材料與工藝的變革。數字化是為制造穩定可靠、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，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，將有效提升制造業的競爭力，今天，制造的能力已經成為了這幾個領域中國企業的主戰場。

邊緣計算架構成為如何為制造業帶來大閉環下質量提升、效率提升的關鍵。以電池制造為例，通過大量的物理與數據建模，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，并向自動化系統提出調整的最佳工藝參數，這樣，就可以在更小的批量范圍內優化質量，以滿足電池行業ppm乃至ppb級的質量要求，0.1%的良率提升、1%的產能利用率優化，  對于產能巨大的電池制造業來說，都意味著競爭力的提升。

圖2是產線集成中的邊緣計算架構，通?；谝曈X采樣的極片與隔膜材料對齊、材料表面毛刺等缺陷，邊緣側的系統將通過學習掌握這些信息，利用實時數據可對其進行趨勢性、相關性的分析，找出引發故障原因并做出對應調整，從而實現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，這樣才能兌現來自商業端的競爭力。

針對鋰電的生產，多設備協同，以及不同的設備來自不同的廠商，需解決以下問題：

（1）在多廠商數據上行傳輸中的數據建模問題?？梢酝ㄟ^OPC UA的規范，以及行業信息模型，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、編碼系統等簡化工程訪問和數據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據傳輸實時性，依靠TSN來提供任務支持，TSN簡化了原有網絡的多樣性，避免多種網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性生產的離散制造（如鋰電、光伏、燃料電池、半導體行業等）具有普遍意義。

圖2 產線集成中的邊緣計算架構

2.2   將隱性知識轉為顯性知識

傳統離散制造業，在大規模生產時，會有參數試教的問題，這依賴于人工對參數的調試，或稱為“試湊法”。在大規模制造的時候，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，就可持續每天生產10余小時，周期達1個月乃至更長，因此，其對于參數的自適應，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、數十倍甚至百倍地放大，例如：對于10000個產品訂單來說，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。

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

在輪胎的生產中，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，也依賴于經驗，而經驗就是隱性知識，這種隱性知識在各個行業都存在，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工業的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，機器狀態或生產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，并反饋給制造系統持續改善。

關于邊緣計算的商業價值有很多討論，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

邊緣架構實現涉及到大量的工程集成，包括設備之間的互聯、機器與產線到管理系統之間的雙向交互，或者從邊緣到云端之間的信息集成問題?，F在邊緣計算成為工業互聯網實現的關鍵一環。但是，對于制造業而言，如果技術實現缺乏經濟性，則很難推進，而對于邊緣計算的商業化推進，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，從一個行業推廣到其它行業，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”、“通信規約”，實際上，這都是對其商業價值的低估。離散制造的集成必然涉及網絡連接、數據訪問，以及設備與設備、設備與系統間的協同問題。如果沒有一個簡單的模型交互數據，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，構建了一個統一交互信息的規則與框架，然后，在這個接口的銜接下，對任務的編程變得簡單，因為，復雜系統只需遵循簡單規則，即協作的機器之間只需要“邏輯”上的簡單規則，通過TSN的周期性數據采集與傳輸，就可以解決一個大系統的智能運行問題。

OPC UA使得數字化設計類、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類軟件與現場運行時（Runtime）的交互，可以實現數字化測試驗證，以及數字孿生體持續改善提供基礎實現架構。如圖4所示。

圖4 OPC UA可以為各個集成實現信息建模與連接

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

3.2   數字孿生與持續改善

復雜系統的復雜在于變化，對于傳統大規模生產來說，機理建模構建一個閉環就可以保持運營，只要讓這個閉環系統穩定、可靠，就能不斷地通過規模來降低成本。但是，對于一個個性化生產系統，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。

數字孿生系統通過一個數字系統來映射，并通過“知”和“行”的反復對比，通過數據建模方式，動態地觀察運行系統的規律，形成新的知識，對這個運行系統影響質量、成本、效率的相關性進行分析，并不斷去收斂。

因此，數字孿生通過一個可持續改進的運行機制把復雜、不確定的問題收斂穩定下來，也是讓復雜的、不確定的問題變為簡單的、可復制的。圖5是整個邊緣計算架構的功能概要，即數字連接與集成、邊緣計算架構支撐數據服務與應用開發，而數字孿生與數據驅動建模實現持續的改善。

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，以及降低工程實現的成本。

4  工業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。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這些任務。

貝加萊的控制器除了嵌入式實時操作系統的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，當我們需要增強數據能力、圖形處理、邊緣算法、AI應用的時候，PC架構就會發揮其作用，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勢在于，PC處理的結果馬上可以讓PLC執行。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據的訓練而言，其實也可以基于OPCUA Pub/Sub機制與云端架構連接，  將數據發送給云端處理，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濟地實現。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與管理系統交互，反饋現場情況并接受指令，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，現任貝加萊工業自動化（中國）有限公司技術傳播經理，主要從事工業通信技術、行業解決方案推廣。兼任SAC/TC124/SC4委員、SAC/TC159/WG18委員、邊緣計算產業聯盟專家委員會專家、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2025的智能化轉型》、《美國制造創新網絡研究院解讀》等書籍。

摘自《自動化博覽》2022年2月刊