丁研 | 自动化的演化路径

自动化是上世纪六七十年代开始推广，并持续发展至今的技术与产业体系。在实践过程中，业界的参与者也在不断的对自动化的特点进行总结，并从不同视角出发，给出各自的解读。在最终用户层面，自动化是一套可以使机器与生产系统自行运转、且可以人为干预执行过程的生产工具；在工程师眼中，自动化是一类可感知物理环境变化，并完成决策与任务执行的嵌入式系统，以及一套开发嵌入式程序的开发工具；在智能制造体系中，自动化是工业物联网、数字孪生、两化融合的基础支撑技术，同时也是德国工业4.0顶层设计体系的重要组成部分。

虽然在特征、应用场景等方面已经达成了广泛的共识，但至今为止，业界依然无法对自动化的功能范围和技术构成，给出明确的界定。造成这一现象的原因，并不在于这项技术中有多么高深的理论，而是因为自动化技术本身，便是一套不断在演化的体系。

从功能角度讲，如今的自动化已经由执行简单重复任务的控制终端，演变为网络化、智能化的数字系统，而柔性产线、协作机器人、增材制造、过程优化等系统的出现，则成为先进自动化技术的典型代表。同时，自动化技术的使用范围，早也不局限于工厂内的生产环节，在能源（发电、配电、开采）、交通（轨道信号系统）、物流（物流自动化、港口装备）、建筑（工程机械、楼宇自动化）、医疗（医疗设备）等领域广泛应用，甚至餐饮的厨房自动化、服务机器人等也有了新的阵地。

从技术角度看，自动化也始终不断在融入新的技术。在感知层面，自动化系统的能力已由传感器、仪器仪表的集成，扩展到对机器视觉、3D激光成像、标识（二维码/RFID）等新型感知终端的整合；在网络层面，自动化的通讯功能也由早期的现场总线、工业以太网、工业无线，延伸到了如今的工业互联网(TCP/HTTP/TSN/5G)；在软件层面，自动化则从控制程序的载体，演化为具备边缘计算、数字孪生等能力的现代软件系统。新技术的发展为自动化的进步创造了外部条件，而市场需求的变化，以及来自工程应用的反馈，则是促使自动化不断迭代升级的原动力。可以说，“自动化是一项因用而生的技术”。

本文将重点从“用”的角度出发，阐述自动化（软件工程）技术与产业的发展历程。

控制电路 - 控制系统的早期形态

图1 控制电路的开发流程

在上世纪50，60年代，为了实现汽车的大规模生产，汽车厂商开始在流水线上引入控制系统。但与那个年代的收音机、计算器类似，控制系统的功能主要是靠电子电路来实现的。

电路工程师是电子电路的主要设计与开发者，而他们的日常工作主要是：

·在设计阶段，根据功能需求，画出相应的电路图纸；在图纸中，会包括各个型号的电路元件，以及它们的布局与连线关系；
·在开发阶段，工程师负责根据图纸，将一个个元器件安装到电路板上，并把它们连接在一起；经过上述流程，便形成了一个叫“控制逻辑”的功能单元；
·在验证阶段，工程师需要通过电表的读数，对各个电路模块的输入输出进行逐一测试，从而确保功能与需求的一致性；
·当出现问题时，就需要对电路进行重新设计与开发，并重复上述的步骤；

从如今的技术发展水平去看，控制电路开发模式的缺点是十分明显的，一旦元器件布局被固化，功能便无法再进行修改。这就好像是在用毛笔字写长篇小说，不但费力，而且一旦出错，就不得不换张纸重新写。


控制电路不但开发效率低下，而且也会随着功能的增加而变得异常复杂。这不但造成了工程师痛苦指数的上升，而且也使众多工业企业在高昂的开发成本面前，望而却步；正因为此，那个年代对控制系统的使用，主要还是局限在大型工业企业（如通用、波音、美孚）的有限生产环节。

为了使控制系统让更多人“用得起”，以“软件定义”为主导思想的可编程控制器(Programmable Logic Controller)也随之产生，而“软硬分离”则是达成这一目标非常重要的一步：

图2 早期PLC的硬件架构

·在硬件层面，可编程控制器采用了与现代计算机相似的通用硬件架构，其构成主要由处理器、内存/存储、通讯模块、输入输出等硬件模块构成。同时，为了适应工业现场的物理环境，控制器还在能耗、耐高(低)温、防震、IO模块(用于集成传感器)等方面进行特殊的设计与定制；

图3 PLC程序的开发流程

·在软件层面，工程师可通过自动化厂商提供的开发环境，完成控制程序的开发与测试；当程序出现错误时，用户只需将更新后的程序重新下载到硬件上，便可轻易地实现软件功能的更改。同时，为了方便与其它软件（如人机界面、MES）的集成，控制程序还提供了通讯的接口，并用于过程数据的分发与控制指令的接收；而且，当需要集成更加丰富的软件功能时，还可以在控制器上安装嵌入式操作系统（又称实时操作系统）。

可编程控制器的推广，使当时的工业发展产生了巨大的改变：

·通过“软硬分离”，可编程控制器成功取代了传统控制系统的开发、验证与修改流程，并大幅提升了工程师的开发效率；
·全新的开发流程，进一步细化了控制系统开发的分工体系，并诞生出专注于硬件、软件与工具、以及生产工艺等细分工作的工程师种类；
·开发模式与分工体系的改变，同时也孕育了自动化这一产业；而在此过程中崛起的企业（如西门子、通用、霍尼韦尔、三菱等），也在通过对技术的不断改良，使产业不断的走向成熟；
·自动化产业在发展过程中，培养了大批的工程师，而这些工程师又将自动化带到了工业最终用户的各个生产环节，并最终实现了社会整体生产效率的提升。

控制系统编程语言 - 面向工程的语言

图4 控制程序开发者/开发环境/执行环境

自动化系统的开发，实际上是工程师将“设想”提供给机器，而后由机器进行“理解”，并按照人的意图执行的过程。由于涉及到人与机器的交流，因此也将工程师编写的代码（或模型）称为编程（或建模）语言。

编程（建模）语言不但要考虑到“机器是否能读懂”这一技术问题，更重要的是照顾到人，这一“设想”提供者，的语言表达习惯。因此，自可编程控制器出现以来，它的编程方式便一直在参照人类的语言表达习惯。

图5 通用型语言与领域型语言

在设计自动化编程语言之初，研究者发现，人类语言体系中存在着截然不同的两种表达方式，它们分别是通用型语言和领域型语言：

·通用型语言（General Purpose）是人类日常生活中最频繁使用的表达方式，这一类语言主要由一套语法规则，以及一系列词汇、语句、段落所构成；而语言的使用者，通常也是采用从左到右，从上到下的顺序，表述头脑中的概念；
·通用语言虽然适用面广泛，但在数学、物理、化学、工程学等特定领域的运用中，却暴露出较大的局限性；由于需要阐述更系统化、精确化、抽象化的概念，因此人类便发明了一系列的符号与图形，用于表述某一专用领域的概念与知识，而这种表达方式则被称为领域型语言(Domain Specific)。

图6 通用编程语言与领域建模语言

与人类语言类似，计算机编程语言也存在通用型(General purpose)和领域型(Domain specific)两类语言体系；这其中，通用编程语言是目前IT行业，最为普及的编程手段（如C/C++、JAVA、Python）；然而，在面对某些特定领域时，通用型编程语言同样也面临着“表达效率”方面的瓶颈；这时，领域型编程语言（又称建模语言）的特殊作用也就随之显现。

以第一代PLC中推出的梯形图(Ladder logic diagram)图形建模语言为例，由于沿袭了早期的控制电路设计方式（电路画线、元器件符号），因此PLC一经推出，便受到了广大控制系统工程师群体的好评。

随后，以欧系厂商为主的自动化厂商，又在梯形图的基础上，推出了功能块(Function block diagram)及顺序功能图（Sequential function chart）两种图形化建模语言；功能块建模方式为自动化系统引入了模块化、封装、复用等现代化的软件开发理念，而顺序功能图，则帮助工程师，将复杂的工序，分解为一步步相对简单的任务单元，从而极大的降低了复杂工艺的开发难度。

由于提供了一系列贴近专业知识结构的开发方式，自动化产业吸引了大批懂工艺、懂机械、懂电气的技术人才。与此同时，当某项技术的受众达到一定规模时，涉及到一致性、工程规范、教育等一系列因素的标准化工作，也开始显现出重要的作用；IEC 61131自动化编程规范，便是在这一时期由国际电工委员会IEC组织牵头制定，并由PLCOpen组织自发地负责后续的标准推广工作。


设备数量更多、通讯距离更远、传输质量更好，是网络技术发展的主线逻辑。以IT网络为例，当只有两台面对面摆放的机器时(电脑或打印机)，一根网线便可建立彼此的通讯；当需要连接几台设备时，一台集线器就可以实现主机间的联通；而到了企业网这一规模后，一套由路由器和网管系统所组成的网络系统，则成为了标配。

与IT网络相似，工控系统的网络发展同样遵循这一规律，不过构成这一网络的主体， 则由PC机、服务器，变为了控制器、感知终端、工控机、触摸屏等设备。

图7 早期PLC网络架构

在自动化发展早期，PLC主要用于单台设备的简单控制，因此所采用的通讯方式也相对简单：

·PLC主要采用（控制器/IO模块）一体化的硬件架构，而控制器与现场设备的通讯功能，也主要是靠物理接线的方式实现；在系统运行时，传感器会将物理信号(电压/电流)传输给PLC的IO模块，随后IO模块会将电信号转换为CPU识别的数字信号，并交给控制程序进行处理；控制程序完成计算后，会将控制指令发送给IO，再由IO负责把数字指令转换为物理信号，反馈给现场的设备；
·PLC与人机界面(显示屏)的通讯主要采用串口，人机界面通过串口，周期的向PLC发送数据请求；在接收到请求后，PLC会将现场的过程数据返回给人机界面进行显示（人机界面向PLC发送控制指令，也是类似的道理）；同时，串口还可作为PLC编程环境的程序下载通道，当开发环境发出下载指令时，PLC的管理程序会负责接收编译好的PLC程序文件。
·串口除了可以与软件进行通讯外，还可以作为与仪器仪表、RTU等设备进行通讯的媒介，不过此种方式无论在性能与可靠性上，都无法跟工业总线相提并论，因此适用场景也十分的有限（例如路灯、楼宇的控制）。
图8 基于工业总线/以太网的网络架构

随着应用场景的增多，控制器与现场设备的通讯需求也发生了改变，因此自动化厂商开始引入基于数字化网络的通讯技术。

在现场设备通讯方面，由于受限于早期的(控制器/IO)一体化架构，控制系统在与数量更多，距离更远的设备进行通讯时，开始暴露出明显的瓶颈。因此，各自动化厂商纷纷推出了自己的现场总线/工业以太网技术：

·在网络结构方面，现场总线/工业以太网将控制系统，分解为由主站控制器及从站IO所组成的分布式架构；当需要增加设备/传感器的数量时，控制系统可通过在网络中增加IO模块的方式，实现系统的“扩容”；同时，由于采用了数字化网络技术，也使通讯距离、布线方式等方面得到极大的改善；
·在通讯质量方面，网络的各项指标并未因为控制器/IO模块的分离而被打折扣；在确定性方面，控制网络通过调度策略、时钟同步等机制的引入，确保网络报文准时、快速的到达；在可靠性方面，控制网络则通过冗余、防电磁干扰等方式，确保通讯处于长期可用的状态。

在IT网络通讯方面，由于需要与生产管理软件、第三方控制系统以及工业研发软件进行网络协同，因此控制器也引入了以太网通讯方面的技术。

硬件层面的问题解决后，还需要解决软件层面的开发问题。为了避免工程人员在项目交付阶段，陷入到具体琐碎的编码环节，自动化厂商将网络通讯，抽象为软件开发环境中模型，从而使工程人员通过简单的参数化/图形化配置，快速的搭建出一组控制系统的通讯功能。

自动化融入工业软件体系 - 虚拟调试与两化融合

图9  与仿真相结合的控制系统开发流程

工业研发类软件为使用者提供一套虚拟化的环境，用于对产品和生产工艺的特性与机理进行设计/分析/仿真/验证，由于减少了在实体样机上的投入，因此使企业的研发效率得到显著提升。

当在控制程序开发流程中引入CAE/CAM时，自动化系统的开发/验证效率也会得到显著提升。

在工艺设计阶段，设计部门的工程师可通过软件，对装备与产线模型的外观、布局、物理特性进行直观的设计；配置完成后，使用者可激活软件的仿真功能，并使程序中的模型“运转”起来；在仿真的过程中，用户可透过装备的运行情况，对现场的运行效果进行直观的了解。

而在工艺验证阶段，工程师可将开发完成的自动化程序，与仿真软件中的“虚拟”设备进行结合（由仿真设备为自动化软件提供数据），并通过对虚拟生产系统的调试（又称虚拟调试），预先验证控制工艺的可行性。

部分CAE/CAM软件会自带工艺与算法的开发功能，例如机床设计软件中，用于描述刀具运行轨迹的G-Code，还有科学计算软件中，用于热力学、空气动力学求解的机理模型；当在CAE/CAM完成开发后，这些模型可被导入到自动化系统，并与现场的实际设备、工艺结合使用。

工业研发软件已经成为自动化软件开发的加速器，而随着两者关系的进一步结合，更多的创新场景也将随之产生。而这也是为何，依靠自动化起家的一些企业（如西门子），会在过去十几年间，对工业研发软件展开疯狂并购的主要原因。

图10 自动化与生产管理系统的协同关系

与此同时，制造执行系统(MES)的使用，使生产过程中的资源组织、调度与管理水平得到了显著提升；而作为生产资源重要组成部分的装备与产线，自然也被纳入到生产管理的业务范畴。随着生产管理功能的不断完善，MES与自动化系统间的协同关系也变得更为紧密。

这意味着，工业现场的设备故障信息可与设备管理系统、人力管理系统进行组合，形成设备维修与保养的工作流程；而设备能力信息可为排产系统提供信息，而排产系统产生的工作计划，也会被同步到给自动化系统，并转化为具体的设备执行指令。

自动化进一步放开手脚，在仓储自动化系统的产品库存信息，可帮助库存管理系统，判断物料是否需要补充；在质检过程中产生的质量信息，自动化设备可为质量管理系统的质量报告，提供数据基础；而能耗信息的采集，可帮助能源管理系统提供数据支持。

这意味着自动化与软件系统，已经紧密地结合在一起。

数字孪生：需要一种编排语言

图11 数字模型语言

说到数字孪生，目前尚未产生一套统一的定义，但从应用的角度讲，可以将数字孪生理解为，一种虚实映射的方法，一门编排数字空间的语言，以及一项融合多专业工程与应用的技术手段。

虚实映射是将（包括人的知识在内的）物理世界的事物，映射到虚拟空间，并进行分析决策，而后反馈回物理世界的过程。事实上，早在计算机出现之前，“虚拟空间”的应用便已经存在。以军事沙盘为例，指挥官会将士兵、装备、地图等实体模型布置在沙盘上，用于展示军力的部署情况；同时，沙盘上也会摆放各种形状的纸片模型，用于代表参谋们的分析过程，以及军官下达指令。

在以上的示例中，无论是实体模型（士兵、装备等），还是逻辑模型（纸片），都可以被平等地布置在相同的“虚拟空间”中，并实现相互的融合。

随着计算机技术的普及，“数字化虚拟空间”开始逐步发展成型，而模型这一作为虚实映射的工具，也变身成为数字世界中的数字化模型(即数字孪生)；当把数字模型“摆放”到计算机这一信息空间更大、计算能力更强、网络化程度更高的“数字化沙盘”上时，物理信息系统这一虚实融合的“数字虚拟空间”也就随之产生。

虽然被迁移到了数字空间，但模型的基本用法并未发生本质改变。

模型的第一类用法被称为仿真（或模拟），即通过现有的状态，推演出下一阶段即将发生的事情；因此，无论是在沙盘上的战况推演，或是工业研发软件中，对装备行为的模拟，都属于仿真的范畴。

模型的第二类用法被称为控制，即根据现场的情况做出分析，并将决策反馈给执行单位的过程；因此，可以将指挥官在沙盘上进行分析，并进行指令下达的过程，理解为一种控制；而自动化系统对装备、产线、生产单位的工况感知，以及指令的下达，同样也是一种控制。

模型的其它用法还包括管理（如进行资源的规划与调配如生产管理系统）以及洞察等。同时，将上述几类模型结合使用使用时，还可以构造出更复杂的应用场景。   

模型不但是一种虚实映射的方法，而且由于背后所隐含的符号学含义，模型还被视为是一门语言。而当从语言的视角看待模型时，它便成为了一种编排虚拟空间的工具，以及作为沟通交流的媒介。

还是以沙盘为例，指挥官在会议上对各种不同含义模型（士兵，装备，计划）的摆放，实际上就是对沙盘这一“虚拟空间”的编排过程；而当沙盘被布置好，并就沙盘上的模型展开讨论时，模型就成为了各方进行交流的中间媒介。

数字孪生是存在于"数字化虚拟空间"中的模型，因此我们可以将其理解为一门人与机器、机器与机器的交流语言。在工程设计阶段，人会根据自己的设想，将模型编排到数字空间中；之后，计算机会接收工程师创建的工程，并在“理解”模型的含义后，开始完成一系列处理任务；而在计算机运行的过程，各软件还会以数字模型的内容为基础，“思考”下一步需完成的任务，并就各模块间的协同展开“协商”。 

随着工业软件的普及，“数字化虚拟空间”中产生了大量的数字模型；而当把各类模型组织在一起时，跨学科、跨领域的智能制造场景也就随之产生。然而由于各类模型背后技术与标准的问题，也给系统的集成带来了巨大的挑战。

到本世纪初，自动化技术的应用已经趋于成熟，因此工业企业开始考虑，如何将分散的工业要素（研发、管理、设备）进行整合，从而使企业的效率得到进一步的提升；这便是智能制造概念提出的主要背景。

图12 自动化周边环境的变化

除了需求侧的变化外，新产品与新技术的出现，也使智能制造概念的落地成为可能：

·工业研发类软件(CAX/EDA)的普及，使产品设计、工艺设计的效率得到显著提高；
·生产管理系统(MES)的引入开始帮助经营者对生产资源进行全局的分析、计划与调度；
·诸如激光扫描成像、机器视觉、标识（如条形码）等感知技术，开始在质检、生产追溯等领域得以应用；
·计算机性能的提升，以及软件设计思想的改进，也开始在工业中体现价值。

随着技术与市场的外部环境已经发生变化，作为在生产系统中承上启下的环节，自动化系统也在发生改变。

随着工业互联网的发展，融合新型感知与IT技术，与制度化有了更深的融合。在感知层面，自动化系统对诸多新型感知技术进行了集成。

这涉及到了标识技术: 通过集成条形码/RFID等标识技术，对产品的类别、位置等信息进行感知；当此类技术与自动化结合时，则可实现仓储自动化(根据产品位置，执行搬运或入库任务)、柔性加工（根据产品型号，变换加工参数）、柔性运输（根据产品型号，决定运输路线）等场景。而在成像/图像技术方面，可以利用机器视觉、激光成像等感知技术可用于检测物体的形状、尺寸、位置等物理特征；视觉系统在与自动化结合后，可实现残次品筛查与过滤、机器人货物分拣等功能；而激光成像技术与自动化的组合，则可实现形状检测（如用机器人扫描整车），车辆碰撞检测（如叉车倒车制动）等功能。

在IT技术层面，自动化系统对新型计算机与网络技术进行了集成。首先是计算技术，通过更强的算力，以及高级算法的引入，实现设备的工况诊断（如震动频率、噪声、转速异常等）；其次是网络技术: 通过以太网，实现设备的横向协同（如机械臂为机床上料，装备故障导致运输线停止），以及与IT系统的纵向整合（与MES，CAX软件的集成）。

由于涉及到一系列新技术的集成，因此西方自动化厂商(欧系为主)也在本世纪初，开始对下一代自动化技术的预研工作；而我们目前在市场所见到的高端控制系统（如PC控制器、产线控制器、边缘计算控制器），也都是那一时期所产出的研发成果。

无论是研发、生产或是运营，智能制造给企业带来的想象空间都是巨大的。然后，当从规划转为落地阶段时，企业会发现各种“碎片化”的技术/产品/标准，就像是彼此无法咬合的齿轮，很难被整合在一起。因此在智能制造发展初期，也出现了大量规划“诗和远方”，实施“眼前苟且”的项目。