 图片来源 ：CEChina 在智能制造新时代，对装备制造业企业而言，高质量发展已成为转型建设不可逆转的重要趋势。而产业想要迈向高端，势必需要借助先进的智能化技术，打造抢占市场先机的“引擎”。 面对客户和市场对小批次、个性化产品日益高涨的需求，企业需要具备哪些能力？如何将物理建模和数据建模进行完美融合？智能技术又能如何帮助制造业实现质的飞跃呢？ 请看贝加莱工业自动化（中国）有限公司技术传播经理宋华振，在2022（第十一届）全球自动化和制造主题峰会上的演讲，他在会上分享了许多机器智能算法构建的成功案例，极具启发性。  宋华振演讲内容梗概  高质量发展：品质、成本和交付是核心 高质量发展是中国制造业发展到一定阶段，一定会面临的关键转型期，它主要体现在以下几个方面： 低端的大规模制造要向高端、个性的创新产品设计转型； 过去的代工生产，让制造业处于价值链洼地，未来企业需要从制造延伸到设计、服务的整个产业链； 过去因为赚快钱，导致专业知识的积累和沉淀少，工业软件缺乏产业协同和终端用户的测试验证，工业软件面临卡脖子问题，未来企业会更重视长久和可持续的发展模式... 其实说到“智能”，市面上常见的人工智能并不是唯一的解决方案。简单来说，“智能”是人们希望机器能够帮助或代替人工作，让机器像人一样思考，即懂得使用归纳法、演绎法和类比推理。这就需要通过把人的知识和经验，通过建模的方式形成知识，再经过测试验证，形成软件复用。 其中，知识是显性的，可以用演绎法去推理，而经验这种隐性知识，需要用归纳法，用数据驱动的建模寻找规律。而类比推理也一样，是把知识从一个领域迁移到另一个领域。因此，智能的本质包含了物理建模、数据驱动建模等方式，并不局限于人工智能。 在历史上，其实自动化所处的机电工程领域，也是属于人工智能的三大学派之一，叫行为主义学派。在迈向高质量发展过程中，企业期望通过掌握核心技术，灵活应变市场变化，形成差异化的竞争力。这就要求企业从过去的仿制方式，转向正向设计，实现自主创新。  放眼制造业，不管是智能制造，还是过去的大规模制造时代，如果不能生产出高品质的产品，谈智能没有意义。而所谓的智能制造、敏捷制造、先进制造，包括工业互联网的概念的兴起，也都是要去解决生产中的质量、成本和交付能力的问题。当然，为满足消费者对个性化产品的需求，智能制造还会更强调柔性化生产，这也是一个新维度。 多年来，围绕提升质量、成本和交付能力的目标，企业会用现场总线、实时以太网等，提升生产效率、产品品质，降低工程成本。比如机电控制领域，企业想要快速切换产品，就可以设置伺服参数，还有用数字孪生持续进行质量迭代和参数优化，以及边缘侧对工厂进行排产调度等，而这一切都需要建模。  从装备的角度来看，企业会面临6大浪费，其中就包括设备故障、设备怠速临停、开机浪费等，而所有这些问题，都可以通过自动化、信息化和智能化的方法和工具分别解决，最终提升生产线终端设备的OEE。  回看过去，机器最开始是单机生产，随后伺服得到了广泛使用，比如印刷行业通过无轴传动技术代替了原有的机械传动，塑料行业通过全电动注塑机代替液压的传统电动机等。现如今，随着产品复杂性的提高，以及新材料和生产工艺的变化加速，企业需要更高的集成性，以及生产全局的优化和调度能力。 机器智能算法的构建案例 以凹版印刷行业为例，包装产品的颜色是由不同颜色叠加出来的，也叫套色。在纸张或者薄膜张力特性变化，以及油墨、机器温度不同、速度/加速度都在变化的情况下，如何让印刷的颜色套准精度到0.1mm以下，对企业来说是个难题。  因此我们可以通过解耦的方式，把印刷的所有干扰相关性因素，解耦到例如伺服电机的相位调整上，以提升印刷质量。当然，这还会牵扯到色标检测、张力控制以及传动控制的整体解决方案。  智能温控技术 再看温度控制，不同于流程工业，在注塑机或光伏PVD设备中的温度控制，既要高精度又要高速，因此要求也更高。我们需要考虑通过卡尔曼滤波，让系统的调节不要太敏感，避免经常调节导致系统温度变化和超调，还要考虑如何跟踪曲线，以及多温区互相干扰下的能耗问题。 贝加莱在注塑机行业，可以利用软件让机器变得更灵活，在提升产品品质的同时，更节省材料和能源，为客户塑造更强的市场竞争力。  全电动注塑机控制系统 此外，在烫金行业，因为烫金机和被加热对象中间隔着蜂窝板，温度传导不确定，环境变化也会有影响。过去，很多装备制造商在出厂前，会做温度和对应的工艺表和测试，到现场再根据师傅的经验调整，如果经验不足，也会造成很大的浪费。而通过自适应的温度控制算法，能让系统在速度变化、烫金面积大小变化等情况下，依然能很好地适应生产。  烫金智能温控算法 其实无论是印刷还是注塑，开机调校都会产生浪费，对于大规模生产来说，这部分浪费的占比很小，但针对智能制造时代的小批量、多品种生产，着会导致不良品率幅度提升，因此智能算法是个很好的利器。  其实控制跟计算是两件事，控制是基于信号的周期性任务，而计算是基于信息的优化调度的策略问题。企业通过视觉检测、采样数据，对系统进行分析，并通过AI算法寻找缺陷和路径规划规律的同时，把学习到的东西让控制器执行，就可实现计算和控制的融合。 贝加莱的工业PC，可以运行Windows和实时操作系统。其中实时操作系统可以解决实时控制、运动控制和通讯任务，而Windows或Linux，可以解决边缘计算算法、人工智能算法等问题。 exOS-统一IT与OT 此外，我们用exOS还能充分利用Linux的资源，用Python、Java、JavaScript等编程去写一些 AI算法。这些算法可以通过exOS，导入到实时控制任务里，让IT/OT系统也实现融合。 机电控制领域实现AI应用的优势 自动化公司做AI有许多优势。首先是离数据源近，此外通讯层面像贝加莱支持OPC UA、TSN等，以及EUROMAP这种行业的信息模型。其实，物理建模和数据建模都有各有优势：物理建模的算力要求和成本都低，但是积累了人类社会过去几百甚至上千年的知识；而数据驱动方法的算力要求高，优点是不需要有先验知识，可以去寻找发现新的规律，因此二者结合很有必要，所谓“灰箱建模”就是这个意思。 灰箱建模 贝加莱也倾向于将人工智能数据驱动建模的方式，和基于物理建模方式结合起来。我们的自动化系统工程师，拥有非常好的工艺建模能力，包括温度闭环、压力闭环等，工程师团队还包括在MPC/APC、CNC插补以及各行业领域的专家，包括机械/算法/数据科学/网络工程师等。最后在本地执行方面，贝加莱也可以做到实时任务执行，这些都是我们做人工智能的优势。 不容忽视的软件力量 过去，贝加莱一直和客户在软件方面保持着紧密合作。近年来，大家也终于意识到了工业软件的重要性。未来，只有通过工业软件与机械电气工艺的融合，对工程师的软件能力、软件工程，以及基于模型的开发进行更多训练，才能让装备制造业有更多的引领式的颠覆式创新。当然，衡量的标准依然是质量、成本和交付。 贝加莱为客户开发机器也是基于软件系统的。我们在实时操作系统可以用高级语言编程，包括面向所有对象和所有任务的开发平台Automation Studio，基于实时任务和各种接口，可以和Matlab Simulink或者Microsoft软件进行协同仿真，以及exOS可以把计算和控制融合起来。 另外，在贝加莱的mapp库里，拥有针对不同机器，所有的基础任务、运动控制以及算法，各种各样的专业库、行业库（如风电、印刷、包装、塑料、半导体和制药行业等）。 不仅如此，贝加莱设计了非常精美、易用、直观的人机界面，对机器较多的行业，如制药、锂电等，客户对机器画面设计美观和标准化，学习成本低等都有更高的要求。客户想要要交互哪些信息、接受哪些任务，都可以通过贝加莱的人机界面很好地体现出来。 装备智能化开发体系-贝加莱Automation Studio 结语 总结来说，未来在软件的帮助下，机器将变得更灵活、更高效，能更好地应对各种变化。面对日新月异的市场变化，想要实现高质量发展，企业也需要有可持续性的长周期研发计划，来提升自身的核心竞争力。 |
|
|
