丁研 | 自动化的演化路径（下）

说到工业革命，舆论给出的解释通常是“由某项技术的发明而引起的工业变革”。与此相比，德国的版本更倾向于“因某些生产工具的普及，所形成的生产方式/分工体系变革”这一解释。

从实践角度讲，“生产工具普及”的说法更具说服力。以控制系统为例，该项技术早在工业3.0阶段之前（上世纪70年代以前），便已经被发明与使用；然而，由于受限于控制电路的开发效率，所以直到PLC的普及之后，控制系统才真正在工业中得到大规模推广。

与上述逻辑相同，只有智能制造中的技术被大范围使用时，工业4.0时代才算真正的来临。然而，由于涉及到各类工业软件的集成应用，以及由此带来的高昂成本，智能制造的普及也绝非易事。

图1 工业4.0参考架构(来源：工业4.0官网)

集成难、集成贵的问题绝非一两家企业能够解决的问题，因此需要行业内的主要参与者坐在一起，并就标准与路线达成共识，而这也是工业4.0参考架构(RAMI 4.0)这一顶层行动纲领产生的大背景。

工业4.0参考架构由德国电工电子于信息技术标准委员会(DKE)主持与拟定，其内容可以由一个三维立方体进行概括；生命周期价值链和系统层级两个维度是对智能制造（或物理信息系统）应用场景的总结，其中生命周期价值链维度阐述了从产品研发、生产工艺研发、再到实际生产与产品的一整套流程；而系统层级则覆盖了从产品、感知、装备，到车间、工厂、企业各层级的数字化功能。

RAMI 4.0的前两个维度涵盖到了众多的环节，如果这些工业要素都处于彼此孤立的状态，智能制造的潜力将难以发挥；为此，RAMI 4.0将（标准）共性技术引入到“立方体”的第三个维度，并希望借此提高各工业要素的集成效率。同时，当把（第三维度中的）各项标准/技术组合为一个整体时，便又出现了一个新的概念-数字孪生。 

图2 资产管理壳（来源：Detail of Asset Administration Shell）

如果从之前提到的语言角度出发，系统构成碎片化，实质上是数字模型“语言不统一”所带来的问题（可以理解为“方言”），而“通用语言”的推广，则有利于将各类模型统一到一个彼此相容的“数字虚拟空间”内。

实现数字化“语言”的一统，无论是从顶层设计层面，还是在想法落地阶段，都是一项庞大的系统工程。

首先，设计者需要将数字模型的通用特性进行系统梳理，其中涉及到数字模型的编排方式、信息组织结构、运行与通讯的机制、技术支撑体系等一系列问题；

其次，参与统一数字空间构建的各方，需要将本行业既有的知识、行业Know-How，“翻译”为标准的数字模型规范；

最后，技术开发者需要根据模型规范，开发相应的模型功能，并集成模型背后既有的技术（如算法、数据结构、通讯协议等）。

为了实现上述目标，工业4.0工作组于2015年开始着手准备，并于2018年推出了俗称德国版数字孪生的资产管理壳(Asset Administration Shell - AAS)标准体系；由于被视为支撑、构建工业4.0“数字空间”的统一标准，因此资产管理壳也被称为工业4.0语言(I4.0 Language)。

图3 自动化系统的碎片化问题(来源：部分图片来源自西门子)

无论是工业数字化早期的可编程控制器，还是工业物联网、两化融合，自动化一直在伴随着技术的发展而进步。未来，随着柔性加工、柔性运输、自适应产线、增材制造、智能机器人等智能制造场景的普及，自动化也将在工业体系中继续发挥至关重要的的作用。

标准/技术的碎片化、工程/开发的高成本，是自动化发展中不得不突破的瓶颈。而造成这一现象的背后原因同样也在于统一模型“语言”的缺失。

通讯协议不统一（发音不统一）：自动化系统在运行过程中，会不断的与其它系统（如MES/CAX/自动化系统）分享设备、产线、工艺相关的数据，同时自动化系统也会不断的接收其它系统发来的操作指令；当通信协议不统一时，会给集成商、软件开发人员带来一系列的附加成本。

信息结构不统一（语法不统一）：自动化系统会通过数据字典对自身的信息构成进行描述，同时数据字典还可以作为工程模板，用于工程知识的沉淀与复用；各厂商数据字典格式的不同，会造成相同设备（如机器人、机床、阀门等设备）的数据格式千差万别，并导致工程效率的下降。

工程&技术语言的不统一：在现代自动化系统中，很多技术都是跨专业的。涉及到大量跨专业、跨领域的应用。例如CAM和控制工艺的组合，可以实现数控机床、3D打印等应用场景；CAD、成像技术和机器人控制功能的融合，则可实现形状质检功能；而标识技术与控制功能的组合，则可实现柔性加工、柔性运输的场景；由于各专业模型背后隐含了一系列彼此不兼容的技术与标准，因此也使跨专业的融合应用，成为发展未来自动化的主要难点。

为了使自己的产品更开放、兼容与可持续，自动化行业需要探索出一套融合且统一的“通用语言”体系；在这一共同目标的驱动下，原本属于不同阵营的自动化厂商开始坐在一起，并形成了一系列意在解决“语言”问题（又称互操作性）的标准（如OPC UA、IEC61131-补充内容、IEC 61499、AutomationML等）。

图4 OPC基金会合作伙伴(来源：OPC基金会)

OPC UA（OPC统一架构）是过去十多年间，非常值得关注的语义互操作标准之一。

首先，OPC UA提供了一套基础的信息模型规则（基础语法），供各细分行业（在基础模型之上）设计面向自己行业（如装备、通讯、控制、CAD等）的行规模型（行业语言及Know-How）。

其次，OPC UA提供的通讯能力，可以将工业通讯协议(Modbus等)、通讯网络(TSN,5G)，转换为标准的OPC UA通讯接口（语言发音）。

最后，当不同的模型被“翻译”为OPC UA这一“公共语言”时，原本彼此割裂的网络、数据、知识，便融入到了OPC UA的（分布式）数字空间中，而由此构成的系统，也随之具备了跨系统、跨网络、跨专业的能力。

由于上述原因，OPC UA在过去十年间，逐渐发展为涵盖装备行业Know-How(行业设备模型)、数字孪生(对CAX软件的集成能力)、工业物联网（标识技术、M2M）以及新兴ICT技术(边缘计算/5G/TSN)的标准化家族体系。同时，工业4.0在制定资产管理壳（AAS）标准时，OPC UA也被顺理成章的吸纳到工业4.0的体系之中。

图5 工业4.0 2030愿景(来源：工业4.0官网)

随着工业4.0的逐渐落地，德国也于近期推出了下一个十年规划-“2030愿景”，并将“互操作性、自主性、可持续性”作为下一阶段所要达成的目标。虽然看似笼统，但如果对工业4.0参与者的动向有所了解，便会发现上述愿景实际上是一套正在实施的行动计划。

自主性：在工业软件方面，以西门子、达索为代表的巨头则在不遗余力的自研或收购相关的公司和技术；同时，德语圈的几个国家，也在就芯片（尤其是用于嵌入式系统的芯片）供应链安全方面寻求自主化；在关键软硬件供应得到保障后，数字化基础设施的建设也开始被提上日程，这便是欧洲的Gaia-X数字化基础设施计划。

互操作性：德国与欧洲正在通过资产管理壳（数字孪生）这一“公共语言”构建协同、兼容、一统的“数字模型虚拟空间”；而人工智能技术的使用，则可以对“数字空间”中的“语言”进行进一步“洞察”，并使隐性的规律显性化（如设备故障，开发者建模习惯等）。

可持续性涉及到如何通过教育培训，使社会各方参与到“数字空间”的构建中，并借此实现可续的经济发展模式（生产灵活性、循环经济、环保）。
图6 系统复杂度与交付成本（仅为示意图）

通过一系列的努力，“数字模型空间”也将随之建成，而一个国家也将进入到以数字模型为驱动的知识型社会；届时，人不但可以通过易用的工具，将知识、设想注入给机器，并使机器更好的服务于人，而且得益于标准化以及配套的教育体系，整个社会对“数字模型空间”的使用成本，也将得到极大的降低。

与上面形成鲜明对比的是，一些热衷炒作的市场参与者（如部分美国工业互联网联盟成员），由于缺乏对工业数字化发展规律的必要认知与敬畏，承接了大量超出自身能力的工程任务，并陷入到项目交付的泥潭中，难以自拔。然而，当从泥潭中抽身之后，再回过头看看自己的原有产品，则由于缺少必要的关注与维护，仍处于原地踏步的状态。


与其他从事工业软件的同行一样，自动化也是通过几十年的打磨，并通过用户不断的使用与反馈，发展出的产业。

自动化要得到广泛的应用，需要针对各细分行业提供不同的工艺方案；而在交付阶段，则需要投入大量的人力物力，对工业现场的系统进行安装、配置与调试。

为了使一线的工程师（电气、机械、工艺）能够开发自动化系统；需要根据他们的知识结构，量身定制系统开发的语言，并提供简单、易用的开发工具。

而为了顺应未来的趋势，需要主动的参与到行业的顶层设计工作中，甚至于主导标准的制定与推广工作。自动化是一项涉及到多方面内容的系统工程，而要形成这样一套产业，并且为中国智能制造更好地服务，这将是一个深入且漫长艰苦的过程。