未來制造，總是走在價值軌道的前面......

隨著智能制造時代的到來，5G、工業(yè)互聯(lián)網(wǎng)等新興技術(shù)的興起，自動化市場及客戶需求正處于一個加速更新迭代的變革時代。對與工業(yè)世界來說，唯一不變的就是不確定性、易變性。

在消費者的個性化需求與生產(chǎn)制造商工藝流程、工業(yè)配方、設(shè)備狀態(tài)、接口規(guī)范等個性化需求能力日益提高的狀況下，設(shè)備制造商必須具備靈活、不斷適應(yīng)新變化的生產(chǎn)能力，并且能夠快速針對不同的產(chǎn)品進行生產(chǎn)的切換，這是當前自動化廠商要面對的挑戰(zhàn)。同時，這些變化也在推動制造業(yè)呈現(xiàn)一個跨學科融合創(chuàng)新的趨勢，包括工藝控制、數(shù)字孿生，機器視覺、機器安全、機器人、建模仿真、云計算、通信互聯(lián)、機器學習等。未來，個性化需求和跨學科融合創(chuàng)新將成為推動制造業(yè)不斷發(fā)展的重要引擎，設(shè)備的發(fā)展也將越來越智能化。 

系統(tǒng)設(shè)計模式的變革——建模仿真的應(yīng)用 

我今天分享的主題 “走在價值的軌道上-產(chǎn)線設(shè)計新模式”可以分成這幾個方面。一，系統(tǒng)設(shè)計的變革；二，制造模式的變革；三，數(shù)學方法應(yīng)用于工業(yè)，還有一個制造業(yè)應(yīng)用和人才培養(yǎng)的問題。

首先是系統(tǒng)設(shè)計。系統(tǒng)設(shè)計模式的變革基于建模的開發(fā)、軟件復(fù)用及集成技術(shù)三個方面。建模仿真技術(shù)在歐美的發(fā)展已有長久歷史，包括CNE、CM軟件、CC-Link都會使用建模仿真。而建模仿真最大的好處在于原創(chuàng)性設(shè)計與降低研發(fā)成本。 

制造業(yè)工程中，要生產(chǎn)一個原創(chuàng)性的產(chǎn)品，就一定會用到建模仿真軟件。一個產(chǎn)品從概念設(shè)計到需求定義再到軟硬件設(shè)計的測試和驗證，最后到測試驗證系列化、批量化生產(chǎn)的過程中，是最燒錢且最需要耐心的一個階段，也是國內(nèi)自動化企業(yè)研發(fā)最不喜歡的一個設(shè)計階段。因為無論任何行業(yè)，任何工程都會在大量的現(xiàn)實可能性中，尋找最優(yōu)途徑以達到最經(jīng)濟的方式，這是所有投資者的共性需求，這也是制造業(yè)創(chuàng)新設(shè)計一直面對的核心問題，然而這個核心就需要大量的測試與驗證。

假設(shè)一條生產(chǎn)線生產(chǎn)一個產(chǎn)品會有一百個工具，而每個工具的影響因素有材料、人、流程、機器、包括周圍環(huán)境，這些因素會增加生產(chǎn)過程中的不確定性，增加測試驗證難度。若使用建模仿真技術(shù)，就能夠讓我們的機器設(shè)計過程處于一個虛擬的環(huán)境，針對變化而完成，無需做大量的物理測試與驗證，能夠大量節(jié)省現(xiàn)實的測試驗證的成本，為創(chuàng)新者提供巨大的驗證幫助。

在軟件復(fù)用角度來看，我認為工業(yè)軟件就是每個人在每個行業(yè)里面積累的知識，然后凝聚形成一個可復(fù)有的模塊，不管是硬件還是軟件，這種可復(fù)用的技術(shù)，可以提高開發(fā)效率，減少重復(fù)工作。若未來制造中，建模的應(yīng)用可以支持硬件仿真、機器仿真再到機器生產(chǎn)過程仿真；在硬件仿真層面能夠達到軟件測試、功能測試、再遷移到真實機器；在機器仿真層面，包括運動學、物理學、動力學、力、扭矩、速度的測試驗證；最后到生產(chǎn)過程中的避免碰撞、物料流、動畫的仿真演示，在這樣的一個虛擬環(huán)境里面，去測試生產(chǎn)的可行性，將是自動化行業(yè)系統(tǒng)設(shè)計模式一個巨大的突破。

再就是MATLAB和SIMULINK聯(lián)合使用技術(shù)，可對各種可能性進行驗證。例如，做電機驅(qū)動器的選型，大家跟隨大眾化選型往往會選大，選擇留余量；而且在控制性能方面，無法確定電機、負載和所需加速性能是不是最匹配；再加上一些潛在的需求變化。這些不能單純的靠工程師的想象和經(jīng)驗，通過仿真軟件去測試這個過程來證明匹配度，這也是一種科學的態(tài)度。

例如，針對機械的系統(tǒng)建模，采用MapleSim快速實現(xiàn)數(shù)字孿生，在機器設(shè)計上提供一些開放的接口，生成的代碼可以直接運行在PLC，PLC能夠支持硬件測試；同時，還能對各種特性需求進行仿真；包括仿真電機安裝傳送的過程，可以生成一個FMU，通過這個平臺進行編譯以后，可以下載到PLC；還可跟軟件結(jié)合來測試，與驅(qū)動器的整合匹配應(yīng)用，最終確定選型。值得一提的是，未來我們還可利用AR、VR技術(shù)，在已有模型中進行建模仿真測試。

未來制造模式的變革——柔性電驅(qū)產(chǎn)線

講完機器，我們深入到產(chǎn)線，未來制造模式中的柔性電驅(qū)產(chǎn)線。傳統(tǒng)產(chǎn)線通過皮帶傳送、鏈條傳送的方式輸送產(chǎn)品，還有一些電子產(chǎn)品采用分布式，這些傳送方式面臨著很多問題，如機械磨損、站間位置不能變動、需中間緩沖、產(chǎn)品換型周期長、機械磨損、機械復(fù)雜、生產(chǎn)節(jié)拍長等。而柔性電驅(qū)產(chǎn)線具有抑制波動、工藝切換、平穩(wěn)高速、建模仿真、調(diào)整的任意組合、占地面積小、低維護等優(yōu)勢。舉個簡單的例子，一條生產(chǎn)線中，一個機器人把一個產(chǎn)品從輸送帶送到加工臺，機器人要拿下來再往前輸送，再需要一個機器人送到另外一個加工臺上，再拿下來再往前送…這個非常繁瑣的上下料過程，若使用柔性電子輸送系統(tǒng)，則可省略非常多的加工過程，因為它的每一個動子都可以自動調(diào)整，具備很高的靈活性。

在工業(yè)生產(chǎn)制造中，一條可以變軌的生產(chǎn)線，可以從一個軌道轉(zhuǎn)移到另一個軌道，我們把它叫分流和匯流。如，產(chǎn)品的靈活包裝，從多個軌道到一個軌道叫做匯流；另外主機速度過快狀態(tài)，需要分離，或不良品在線檢測以后，可以通過軌道分離送到回收站，業(yè)內(nèi)叫分流。這些可以通過數(shù)字孿生技術(shù)去實現(xiàn)。數(shù)字孿生基于建模仿真，但不是建模仿真。數(shù)字孿生包含設(shè)計、制造、運營、維護整個過程，不是一個單元；而且數(shù)字孿生一定要有數(shù)字從物理世界到虛擬世界，和虛擬世界到物理世界的動態(tài)交互，不能說一個靜態(tài)仿真就叫數(shù)字孿生。另外數(shù)字孿生跟建模仿真的區(qū)別在于，建模仿真的關(guān)注點在于保真度，如何真實的還原物理對象，能夠跟它的精度高度的匹配，這是它的一個要點。

貝加萊的建模系統(tǒng)可以通過數(shù)字孿生技術(shù)把機械系統(tǒng)的參數(shù)跟控制系統(tǒng)的算法融合起來，若機械系統(tǒng)進行調(diào)整，對應(yīng)整個系統(tǒng)都會調(diào)整，就比如上述的數(shù)字化系統(tǒng)如果變化，可同步下載到物理系統(tǒng)，而且物理系統(tǒng)所有的運營狀態(tài)都可以通過實時網(wǎng)絡(luò)傳輸?shù)綌?shù)字化系統(tǒng)，在三維軟件里可以看到運動的過程，具有很高的實時性。這個仿真的好處就在于你無需首先購買一條產(chǎn)線，可以讓客戶在產(chǎn)線實現(xiàn)前做建模仿真測試驗證，證明在這種加工狀態(tài)下，加速度和節(jié)拍剛好能夠滿足你的要求。因為在這個過程中，這個動子影響因素易變性較大，動子越多，加速性能會受到影響；如果負載太大，也會受到加速度的影響。

這些產(chǎn)線仿真過程貝加萊系統(tǒng)基本都可以實現(xiàn)，在現(xiàn)場實施中也并沒有想象那么麻煩。真正的困難不在這里，而在于我們必須對工藝有自己的想法，有自己的認識，如何才能將一些產(chǎn)線做的更靈活高效，需要機電工程師們共同探討，因為這里有非常多的竅門。另外，對于針對具體客戶而設(shè)計的建模仿真系統(tǒng)貝加萊有嚴格的保密性。例如，貝加萊對一個汽車連接器的客戶產(chǎn)線改造，從以前的生產(chǎn)節(jié)拍1.2秒提高到0.6秒，極大提高了生產(chǎn)效率。若別的客戶想了解，貝加萊絕不會將其當作案例到處宣講，因為這個系統(tǒng)對于用戶來說，就是它的核心競爭力。目前，貝加萊的建模仿真設(shè)計方案已得到眾多用戶的評估，對于生產(chǎn)線的設(shè)計改造認可度非常高，我相信這個系統(tǒng)在未來應(yīng)用中會有非常大的增長趨勢。

另外，在整個自動生產(chǎn)線構(gòu)成中，當然離不開機器視覺，貝加萊今年推出的機器視覺與市場上主流機器視覺只有一個不同點，即同步性。貝加萊機器視覺系統(tǒng)集成各種功能跟控制器、驅(qū)動器使用同一個網(wǎng)絡(luò)，在100微秒時間里可以實現(xiàn)同步傳輸，大大彌補了過去幾個組件之間匹配所需要的時間。往往有些客戶為了去補償這個時間影響，去尋找更高性能的控制器，其實只要實現(xiàn)這個同步性，就能提高整體性的性能。過去大家認為自動化跟視覺是兩個世界，直到現(xiàn)在大家把視覺依然都叫分離的視覺，很難想到這種集成的機器視覺。其實，在這個過程中我們可以感受到，創(chuàng)新與未來制造，總是走在價值軌道的前面。

數(shù)學方法用于解決工業(yè)問題

數(shù)學方法用于解決工業(yè)問題具有很好的效果，其中包括機器學習、數(shù)據(jù)擬合、模型預(yù)測控制。目前，許多產(chǎn)線里需要用到大量AI控制器，即機器學習，其主要作用是參數(shù)尋優(yōu)、預(yù)測性維護。但我認為機器學習最大的難點不在學習，而是在于知識的積累和經(jīng)驗，我們應(yīng)如何去設(shè)定一個有效的特定值去認識這些生產(chǎn)之間的關(guān)系。在我看來，人才是一個產(chǎn)品影響因素的關(guān)鍵，我們每個人對這個產(chǎn)線的認識，對這個機器的認識，對這個生產(chǎn)的認識才是關(guān)鍵，而不是機器學習、AI，況且，當前的人工智能智商最多還只相當于一個6歲孩子。

機器學習其實就是在不斷積累匯聚優(yōu)化人們過去在控制系統(tǒng)里遇見的問題。就比如這個世界是非線性的，但是在控制系統(tǒng)的研究過程中，人們所做的優(yōu)化策略等同于擬合一個線性化的控制過程。但在實際生產(chǎn)中依然有大量非線性的地方，而且可能永無止盡。因此我們要在控制過程尋找它的最優(yōu)參數(shù)，在現(xiàn)有控制器做一些機器學習，達到質(zhì)量最優(yōu)，成本最小，能耗最小的一個學習過程，并不需要新增專用的AI控制器。

見上圖，左方的電子功能曲線由多個數(shù)字構(gòu)成，通過一個成本函數(shù)約束，在這幾個參數(shù)中尋找最優(yōu)，是線性的機器算法處置；如果是非線性，就用其他的算法，如標簽監(jiān)督學習、非監(jiān)督學習，或者通過強化學習的方法，尋找最優(yōu)解的過程。所以我們所做的這個優(yōu)化就是一個算法，看上去非常簡單，但僅僅是參數(shù)的提取預(yù)處理的數(shù)據(jù)這么簡單的公式，就需要工程師有非常深的理解才能做到這一點，若沒有合適的行業(yè)積累則難以想到。在我看來，其實有些人工智能公司早已在自動化行業(yè)里深耕多年，人工智能與自動化行業(yè)息息相關(guān)。

1956年人工智能開始發(fā)展，有三個方向，一是連接主義，二是符號主義，三是行為主義。通過結(jié)果反饋不斷去調(diào)整控制策略，這也是控制工程一直在做得事情，也就是說自動化行業(yè)在初步成長前，就一直在研究如何讓生產(chǎn)更具靈活性、更智能化，不管是自適應(yīng)控制還是模糊控制，或是調(diào)度算法，這些都是自動化行業(yè)多年來一直在研究并努力實現(xiàn)的方向。

在過去的幾十年里，自動化行業(yè)干了很多策略、優(yōu)化、調(diào)度的問題，其實都屬于如今的邊緣計算范疇，但自動化行業(yè)多年來都用的是“控制”這個代名詞，其實在這個過程中，自動化行業(yè)也在不斷的嘗試人工智能的發(fā)展，即設(shè)備的智能化研究。我們要為自動化行業(yè)正名，自動化在做人工智能而且包含人工智能。

最后希望產(chǎn)業(yè)里面能夠有更多的像運動控制聯(lián)盟這種組織，為大家能夠提供更多的交流機會，互相學習；同時，也可以組織更多的大學與企業(yè)之間的人才的培養(yǎng)交流活動，達成校企合作。希望通過產(chǎn)業(yè)、學界和研究機構(gòu)之間的合作，能夠為制造業(yè)輸送更多的專業(yè)人才，為整個自動化產(chǎn)業(yè)前進的“車輪”不斷添油加劑。