杂谈,能够议论古往今来，也是沟通日子感悟，亦或经历共享，专业精深，艺术人文，体育人生，读书考虑

　　数字化转型这个热潮席卷了整个制作业，可是，一般各个专家们讲的数字化转型，细心揣摩起来，好像都仅仅以终端出产企业的工厂为目标，便是在工厂的全体集成方面进行数字化的，这也使得机器制作商对数字化比较困惑，因为，这个数字化好像跟自己并没有联系，但或许跟自己制作机器的这个车间有关。可是，关于配备制作企业来说，这个数字化好像与它们的中心事务联系并没有那么直接，当然，进步工厂水平是需求的，但它们好像更为关怀自己的产品——机器，怎样推动数字化。

　　发生这个的布景确实在于“转型”的需求，关于我国曩昔数十年的制作业而言，首要是一个出产产品的问题，比方买来成型类设备，出产出零部件然后进行拼装；第二种是引入成套产线如LCD出产线，进行出产，这儿存在几个转型需求：

　　1.关于成套产线来说，引入时首要为了某种产品，可是，跟着年代的改动，这些产品现已过期了，例如，当年的英豪笔、中华铅笔、电视机、空调这类，因为，当工艺改动了，本来的产线现已不担任了，而咱们仅仅买来了出产特定产品的，因而，这使得咱们在改动的商场中无法习惯改动而遭受筛选的危险。

　　图1 一条引入的触摸屏出产线.关于非成套的工厂，假如咱们把离散制作分为“成型工艺”设备出产零部件，然后后道进行拼装，那么，这样的产线的问题就在于，需求将本来手艺、许多消耗人工的产线改为接连的主动拼装线。这个转型的意图在于经过数字化运营办理进步功率。

　　3.关于原有的粗放型办理，现在跟着竞赛的加重，锱铢必较，因而，需求经过数字化对其进行透明化、可视化，以取得改进的方向，向运营办理要功率。

　　在这几种转型中，第一种状况便是要把本来成套引入产线改为能够自习惯新出产的柔性形式，并对其进行改造；第二种状况则是对后道进行机器人、运送技能的连线（出产物流）来进步功率；第三种则意味着经过数字化来改动全体公司的办理水平。

　　1.卡脖子一般都卡在了哪里？细心剖析问题，咱们觉得是芯片被卡脖子了，可是，再细心解析问题是制作芯片的设备和资料被卡脖子了，因为假如这些把握在咱们手里，那就没有办法卡芯片这个终究产品的脖子了，因而，所谓的卡脖子——都是在制作设备方面，而不是终究哪个详细的产品。

　　就像半导体职业，假如你有设备，那么就能够出产，这个时分，咱们说经过数字化来进步功率，保证良品率是有含义的。可是，现在设备就不在咱们手里，假如不卖给咱们设备和资料，那就无法出产。而只要把握了设备，才干在这个基础上进行数字化集成。

　　2.工艺问题能不能绕开？假如处理问题都在外围，那么，就不是真实的处理问题，而仅仅延缓了；或许看上去处理了问题，而实质问题被持续延迟，就像患者被确诊过错，然后给出了过错的医治计划相同。配备的工艺才是要害，这些问题不处理，仍是只能许多进口设备、收购资料，终究产品的高额赢利仍然在他人手里。出产能够，可是，赚的钱都不是你的——这并没有改动数十年来的格式！因而，工艺技能有必要把握在自己手里。这条路不能绕开，有必要要走。

　　3.为什么把握设备工艺才干线）因为数据在设备上，而假如人家不给你敞开，你也拿不到数据，怎样数字化转型？许多搞数字化的都谈到这个论题。评论的一个维度是，这些设备是进口的，他们并未敞开所需的数据；而缺少必要的数据，那么你的收集、剖析和使用就会残缺不全。第二个维度是，由IT厂商主导数字化，或许缺少由原有的设备操控体系供给商来进行的便当，究竟直接拜访内存里的数据，或许对IT厂商仍是缺少条件的。

　　（2）优化的成果也要设备履行，可是设备却没有履行才干怎样办？进行数字化，在制作现场遇到的许多问题便是下行数据下发的问题，这相同是一个遍及的问题。在印刷厂，数字化体系如ERP/MES都不能被有用的下发，那就无法完结自主履行，这个问题怎样处理？这样的数字化转型含义又在哪里？在许多范畴，IT和OT事实上都是两张皮，并不能真实做到“自主决议计划并自主履行”。在外表上看，好像完结了数字化，但实质上并未真实交融。

　　归纳上面所述，定论便是要真实完结数字化转型，有必要在工艺设备上下功夫，就像大飞机，必定不能否定把各个零部件拼装起来这个“工程”自身的难度——因为，集成的进程自身便是一种工程立异。可是，发动机、航电、液压体系这些要害零部件仍是他人的。零部件如发动机，它自身也是一个集成进程，因而，设备自身的工程集成也是技能含量很高的作业。

　　配备这个职业长时间被咱们忽视，郭教师（编者注：指上海优也信息科技有限公司首席科学家郭朝晖）之前在一次在线会议及他的文章中都说到十分重要的观念，高科技终究是要完结高质量的产品，并非什么芯片便是高科技——假如这个芯片仅仅90nm制程，在现在也算不上高科技。或许高铁、船只便是高端制作业——高端不高端不是由职业决议的，而是在这个职业里的横向比较来点评的。就像你不能说伺服电机便是高端的，而是依据其动态呼应才干、稳定性目标凹凸才干称之为是否高端，因为异步电机、步进电机也有做的十分高端的。

　　这儿有必要说到工业软件的问题，CAD/CAE这些软件都很贵吗？这是个认知问题，记住好几年前，我和L教师谈到建模仿真的重要性，以及咱们在许多项目中经过这种建模仿真怎样下降研制本钱。L教师问了我一个拷问魂灵的问题“你说，建模仿真这么好，为什么国内许多都不大用呢？”——我倒也在那一会儿想了解了，建模仿真软件首要处理在测验验证环节的本钱问题。因为物理的测验验证价值十分高，像风动测验、资料的测验等。那一会儿想了解了，因为咱们的配备是仿制那些现已被欧美厂商验证过的机械与操控体系。因而，就会呈现无需测验验证的问题，这时，CAD/CAE/仿真软件的价值就发挥不出来，而仅仅是用于绘图，那么，你必定会觉得这个软件很贵重。可是，假如你真实自主立异研制配备，这些软件就会许多节约本钱，乃至或许那个软件的本钱无非是几回资料测验的本钱。

　　数字化规划软件，首要是经过常识复用，其实便是把已有的职业常识封装起来，下降了咱们的开发本钱。因而，它的中心作用是为了下降本钱，所以，在逻辑上，它不会是一个昂扬的本钱，因为，假如你自己去做这个软件，本钱大约比你买要高许多倍。你共享的是前人许多的经历、常识——假如你知道常识的价值，你才会了解软件的价值。

　　在许多职业，机器自身的参数都是经过经历来取得的，后来发现国外为什么要花价值去做这些建模作业？因为，这是一个长时间可用的问题。因为国内的出产规划往往比较大，经过规划效应来下降本钱，这使得即便一次测验能够长时间出产，那么在测验进程中的糟蹋就会忽略不计。有一次和绷簧机的用户谈到为什么不建模仿真做机器，他说这个需求在国内并不大，因为国内有许多工业集群，他们就只出产某些固定的产品——低压开关里的绷簧，或许仅出产圆珠笔里的绷簧，机器并不需求各种产品改动，一次调校就会出产好久，乃至一年都是这个产品。

　　可是，欧美国家这样做，是因为商场小，客户需求千变万化，因而，他们有必要进行适配性工艺建模，以让机器能够出产差异很大的产品，因而，从需求和实际行动两个视角来看，数字化规划软件——这个最近几年都在热议的工业软件论题，其背面逻辑便是咱们的制作业需求转型，经过供给更为个性化的产品来赢得商场。经过立异需求意识到，立异是价值很高的，而这个立异，怎样下降本钱，需求经过数字化的方法来完结——关于这个问题，有太多的人讲，但背面的逻辑要整理清楚。

　　数字化转型的含义在于，数字化才干最大的优势是“灵活性”，即，企业的战略永久在于处理企业怎样在VUCA的环境下胜出，经过数字化来完结信息的高效，决议计划的高效以快速应对改动，那么，这个制作工厂也要有才干去履行企业的战略——怎样在改动中出产客户需求的高质量产品？

　　建模便是把各种或许性进行建模，构成一个内部的算法，在输入各种变量（资料特性、标准等）然后主动为其核算出在逻辑使命、运动操控使命方面的调理，以担任新的出产改动。

　　物理建模是供给显性常识，可是，机器出产中，影响质量、本钱的还包含许多隐性常识，需求经过学习方法来完结规则的发掘—这样能够进一步发掘机器的潜能。而事实上，从哲学含义上来说，国际的实质对错线性的，或许咱们发现的国际规则仅仅是九牛一毛，这也是AI开展的原因。根据演绎法不怎样发明新的常识，而归纳法能够，这便是数据驱动建模的力气。可是，咱们现在的更多问题或许是还没有把更为经济、更为好用的物理建模搞清楚，就要用AI来处理问题。这样就很简单被物理建模打败——因为它真的更经济。感觉现在的工业竞赛，还没有到那种需求拼天分的阶段。

　　机器在数字化工厂将作为一个要害的数据源以及使命终端履行者，因而，它有必要与数字化体系具有交互才干，包含网络与通信。为了进步功率，需求对信息进行建模以进步设备被集成到产线中的工程便当性，例如OPC UA的各个职业信息模型，就供给了信息快速收集、配备的才干。

　　当配备进入工厂后，配备具有了衔接才干，且具有自上而下使命解析履行才干，这个时分，还有一个层面的问题，需求经过数字化来完结，即，调度与协同问题。

　　（1）边际层架构的数字化使用：人们都把使命聚集在了MES/ERP上，可是，新形势下的工厂，要进步功率，仍有许多使命是和工艺相关的，例如，辨认产品问题的快速质量迭代，边际架构在于设置一个大局量，这个问题无法在单一设备处理，除非这个产线由单一源头供货商供给，但相同也要构建这个核算架构。

　　设备的有些问题能够本地处理，但有些问题却要和他人协作。在协作层，相同需求数字化才干来对出产调度使命进行快速编列。这个能够经过OPC UA的信息协同和使命编列完结，例如能够经过边际层的使命编列软件。这个软件具有必定的实时性，例如对缺点剖析，并对引发缺点的多个机器剖析推理，以明确是哪个机器需求调整。这样，就会呈现信息被快速获取，实时核算（不必定是微秒级）的问题。

　　其实，OPC UA中心是处理协作中的数据拜拜访题，像一个手机工厂，包含了注塑、钣金、电子、包装、机器人、物流、视觉各种衔接需求，而传统笔直职业的信息模型如Automation ML、PackML、EUROMAP、MTConnect、AutoID等都需求用一致结构来完结，不然，就会遇到许多的工程编程的接口衔接问题。

　　在大局调度这一层，相对来说，智能化比在机器层面更有价值，因为，机器学习关于不确定性、含糊型问题，数据量大，且不影响实时操控方面的使命仍是比较合适的。实时使命，有时分不太答应渐渐的数据堆集进程，因为价值高，且不安全等要素需求考虑。

　　就现在的局势来说，工业主动化范畴来做数字化转型，其优势明显，最重要在于，物理模型、数据源、范畴常识是优势。至于挑选AI东西，关于配备制作商而言，AI是东西，对AI供给商，AI才是产品。因而，问题就变成了需求什么样的东西，很早前从前写过“主动化是处理问题的职业”，先要知道问题，然后挑选东西罢了。

　　以贝加莱（编者注：作者地点公司）为例，工业上完结机器的智能使用，其实仍是很便利的，只在原有的闭环操控上添加观测器，对整个进程的数据进行监测，并经过本钱函数去束缚其进程收敛到最优。

　　（1）Hypervisor技能的PC，Hypervisor是一种切割CPU多核处理器的技能，例如现在的i7处理器为多核处理器，能够让其间一个核运转Windows/Linux程序，做图画处理、或许运转学习程序、数据库，自身具有256GB的CFast卡来供给历史数据存储，别的几个核做RTOS的使命，包含数据收集，和指令下发到现场履行。

　　（2）关于长周期练习数据，或更大的容量需求，则能够经过OPC UA或MQTT送到边际核算或云端进行练习，再下发到操控核算机来进行履行，经过文件读取或OPC UA。

　　（3）AI的模型与操控的模型在内部交融，完结核算与操控协同，因为操控体系自身有许多的现场数据收集，以及软件中心发生的数据，这些都能够在内存里被直接读取，数据源最近。而PID调理进程直接进行调理。

　　数字化要从配备底层做起，在外围打转总是得不偿失，不能处理中心工艺技能这个长时间存在的问题。可是，数字化对处理这个问题会有很大协助，注重数字化，可是，不要为外表的富贵所引诱，拿项目、树标杆、造势。

上一篇：奇安信Gartner《数字化转型需求内生的安全结构》：打好根底是条件 下一篇：《“十四五”文明开展规划》正式发布 加速数字化布局 重塑文明工业开展形式