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)展設計、測試和驗證機器軟件的方式，以達到預期的功能和質(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)訓練模型，以便該模型可用于預測未來的設備故障并防止生產(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)，為他們應用預測建模技術(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)預處理成適合機器學習的格式，并應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，一個大的設計問題是，模型應該在哪里實現(xiàn)？它是否應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？還是應該在業(yè)務 IT 系統(tǒng)（可能是異地服務器，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 IT 系統(tǒng)集成

業(yè)務 IT 系統(tǒng)通常是預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 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 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 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)量以及預測性維護算法，從而在無需服務干預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)預測模型有幾個優(yōu)點。一方面，響應時間更快，因為數(shù)據(jù)不需要通過網(wǎng)絡來回傳輸，而且它們是確定性的，在實時系統(tǒng)上運行。這在使用預測模型的結(jié)果來計算機器采取的下一步行動的控制應用中尤為重要。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掌鞲械讲皇娣Ｖ苯釉谇度胧较到y(tǒng)上實施預測模型消除了這種擔憂。

在設備上實施預測模型的概念是增加生產(chǎn)機器上代碼庫的大小和復雜性的更大趨勢的一部分。這對受過經(jīng)典培訓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)造的復雜工作流程和工具鏈方面保持經(jīng)驗。在軟件設計方面，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)預測模型，

使用基于模型的設計

提供復雜的傳感器網(wǎng)絡是實現(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)導者，設備制造商需要在這些新的設計方法和技術(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計工具，可以提高這種方法的設計效率和系統(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，可以盡早糾正設計缺陷，從而大大縮短設計周期。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期的方式運行，可能包含錯誤，因此可能導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，但創(chuàng)新的機器制造商已經(jīng)開始向客戶提供預測性維護服務合同，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)向服務收入，這承諾在其生產(chǎn)設備 20 年或更長時間的整個生命周期內(nèi)持續(xù)開展業(yè)務。

智能工業(yè)包括日益復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對這種復雜性。公司將不得不重新考慮他們的商業(yè)模式，并更多地關(guān)注基于服務的收入，例如預測性維護合同。目前，設法將重點轉(zhuǎn)向跨學科設計思維（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