目前市場的聲音的確比較多，對工業(yè)互聯(lián)網(wǎng)、智能制造的各種討論，但是，對OPCUA有不同層次的認識，從純然不了解，到了解技術視角，缺乏對其全局的了解，并且也有贊譽和異議，這都是合理的，本文僅從OPCUA解決工業(yè)互聯(lián)網(wǎng)落地實現(xiàn)的視角全景觀察，當然有不專業(yè)的地方希望讀者多有指正。

一、工業(yè)互聯(lián)網(wǎng)必須實現(xiàn)制造業(yè)的價值創(chuàng)造

今天，工業(yè)互聯(lián)網(wǎng)正在成為熱門的話題，然而必須以服務于制造的價值提升為目標，否則將失去其推動產(chǎn)業(yè)發(fā)展的意義，對于制造業(yè)，我們必須回歸到制造的本質，即對材料進行的物理與化學的加工過程，這對應于離散與流程工業(yè)的不同領域。

無論在何時，制造業(yè)必須以提供消費者“更高品質的產(chǎn)品”、“更低的成本”、“快速交付”能力，這些在過去、今天與未來都是不變的需求。

圖1-制造業(yè)的價值

精益生產(chǎn)是衡量工廠運營能力的關鍵指標，在今天，隨著個性化的需求日益強烈，制造業(yè)要繼續(xù)在原有基礎上挖掘潛力，實現(xiàn)更為個性化的生產(chǎn)。在過去上百年里，精益、自動化技術、管理運營方法不斷的提升使得制造似乎已經(jīng)達到了一種極限水平，而事實上，這里仍然有巨大的潛力可以挖掘，回顧百年的工業(yè)革命歷史，我們會發(fā)現(xiàn)信息正在變得成為更為具有“強大杠桿”作用的力量。

二、工業(yè)互聯(lián)網(wǎng)的角色扮演

工業(yè)互聯(lián)網(wǎng)仍然要解決為制造業(yè)實現(xiàn)圖1的價值提升，而這些必須通過一系列的技術融合與協(xié)同來實現(xiàn)。

2.1連接的角色

通過網(wǎng)絡對傳感器、設備、機器、產(chǎn)線的連接，將數(shù)據(jù)進行匯集，對于獨立的機器控制，傳統(tǒng)的自動化已經(jīng)實現(xiàn)了最佳的控制，例如：實現(xiàn)高速高精度的機床控制、高速的印刷等，然而，在整個產(chǎn)線連接中仍然有大量的潛力可以挖掘，因此，連接是第一個首要解決的問題。

圖2反映了工業(yè)互聯(lián)網(wǎng)（包括其實現(xiàn)所采用的邊緣計算與云計算技術）的層級需求，從連接到數(shù)據(jù)聚合、分析與優(yōu)化的全過程。

圖2-工業(yè)互聯(lián)網(wǎng)整體連接層級

2.2在數(shù)據(jù)連接后，工業(yè)互聯(lián)網(wǎng)要解決的問題包括以下的信息潛力發(fā)掘

（1）.尋找最佳的機器間協(xié)同，這些協(xié)作包括在時間上的最佳匹配，避免因為等待、不同步的過程而損耗了機器的能耗、使用效率，使得資產(chǎn)無法發(fā)揮最大的價值。

（2）.通過動態(tài)的響應變化來尋找最優(yōu)的控制，傳統(tǒng)的PID往往是以“安全值”設定靜態(tài)的控制目標，這并非是最優(yōu)值，而通過設備協(xié)同來在更高級的動態(tài)協(xié)同，根據(jù)變化，讓機器來適應生產(chǎn)變化，包括負載端、其它設備的狀態(tài)、工藝變化，以挖掘設備的最大效率。

（3）.智能化，盡管很多任務如優(yōu)化、策略在機理模型已經(jīng)可以實現(xiàn)最優(yōu)，但，當出現(xiàn)更為全局的非線性區(qū)域時，機器學習等智能算法將會進一步來為生產(chǎn)系統(tǒng)提供

在這個維度，我們以垂直方向進行了數(shù)據(jù)的連接與集成，按照自動化、信息化、智能化的維度來不斷優(yōu)化效率。

2.3全流程的數(shù)字化

如果我們更進一步來看待整個制造業(yè)的效率提升，我們將需要在數(shù)字化設計、運營、維護進行橫向的連接，進一步發(fā)揮全局的效率提升，這方面，工業(yè)互聯(lián)網(wǎng)將實現(xiàn)更為全局的連接。特別喜歡IIC的技術工作組與架構任務組聯(lián)席主席林詩萬博士曾經(jīng)就整個數(shù)字化架構進行了全景的分析的架構圖，如圖3，數(shù)字化連接以及數(shù)字孿生將帶來以下幾個方面的優(yōu)勢：

圖3-制造業(yè)數(shù)字主線與數(shù)字孿生

（1）.數(shù)字孿生

數(shù)字孿生是在傳統(tǒng)“建模仿真”基礎上的擴展，它將設計、制造、運維都納入整體的數(shù)字孿生體中，在整個數(shù)字孿生體中進行統(tǒng)一的協(xié)同，通過數(shù)字化環(huán)境中的虛擬仿真、虛擬調試、虛擬運維來實現(xiàn)個性化生產(chǎn)中更為動態(tài)的優(yōu)化、更為經(jīng)濟的工藝切換、也更為便利的測試與驗證，這將使得整體的生產(chǎn)制造成本下降，并降低工藝切換時間，以應對個性化生產(chǎn)中的挑戰(zhàn)。

（2）.資產(chǎn)管理

資產(chǎn)在整個制造中成為了可精確量化、計量的對象，而且流程可以在數(shù)字化環(huán)境中進行建模仿真，也可以進行有效的管理，在全局而非局部最優(yōu)。

（3）.預測性維護

在維護階段，來自數(shù)字化的建模與運營中的數(shù)據(jù)采集，共同為維護提供了透明的數(shù)據(jù)呈現(xiàn)，以及分析的基礎，如采用機器學習來對生產(chǎn)運營中原來被忽視的信息進行挖掘，分析質量、成本、設備狀態(tài)等之間的關系，實現(xiàn)最佳的生產(chǎn)系統(tǒng)運營，包括降低故障帶來的停機風險、延長設備的使用壽命。

三、工業(yè)互聯(lián)中的障礙

在描述了工業(yè)互聯(lián)網(wǎng)的價值及其實現(xiàn)在于連接時，我們將聚焦第一步連接，而圖4則是來自世界經(jīng)濟論壇就全球企業(yè)的調研，這個數(shù)據(jù)顯示，對于制造業(yè)而言，“缺乏互操作的標準”成為了最大的障礙，當然，這與事實也是一致的，盡管世界經(jīng)濟論壇這份調研數(shù)據(jù)是2014年的，但與今天的現(xiàn)實并無二致。

圖4-世界經(jīng)濟論壇關于工業(yè)互聯(lián)網(wǎng)推進障礙的調研

在工業(yè)現(xiàn)場存在著非常多的總線包括基于以太網(wǎng)的實時總線解決了工業(yè)實時通信問題但也存在互操作的障礙。

四、OPCUA如何為智能工廠提供支撐

盡管有各種實現(xiàn)互操作層面的標準，如DDS、FDT/DTM、MQTT、oneM2M等，然而，相對于OPCUA而言，卻各有缺點，因為多個方面的原因使得OPCUA成為了語義互操作的共性聚焦，包括ABB、B&R、SIEMENS、Honeywell等自動化以及Microsoft、華為、CISCO等ICT廠商也將聚焦放在了OPCUA規(guī)范上，在IIC、德國工業(yè)4.0以及中國的智能制造體系中，均將OPCUA納入了互操作的規(guī)范。

圖5-OPCUA通信、信息模型與安全連

圖5中，我們可以看到，OPCUA采用了C/S和Pub/Sub兩種連接機制，以適應各種既有和未來的連接，對于傳統(tǒng)的自動化系統(tǒng)，采用C/S能夠確保兼容性，而Pub/Sub的機制則更適合于邊緣、云架構的連接，并對原有的MQTT/AMQP機制進行了集成。關于DDS等與OPCUA的對比后面會專門起一份文章說明。

4.2OPCUA解決信息模型的問題

信息模型是整個OPCUA也是工業(yè)互聯(lián)網(wǎng)中的關鍵，因為無論對于控制協(xié)同、數(shù)據(jù)擬合、機器學習，結構化的數(shù)據(jù)額是非常必要的，否則，將會需要大量的編程與測試，這會導致整個工業(yè)互聯(lián)網(wǎng)在連接中缺乏經(jīng)濟性，而信息模型包括了基礎的、以及適應于各個垂直行業(yè)的伴隨信息模型，簡單如下：

--AutoID，用于解決資產(chǎn)的數(shù)字化輸入，對RFID、QR碼等的數(shù)據(jù)接口，確保產(chǎn)線上的設備、在制品都可以被便利的集成。

--機器視覺與機器人，在最新的OPCUA集，由VDMA協(xié)同各個機器人與視覺廠商共同開發(fā)了這一越來越重要的伴隨模型，因為今天的智能產(chǎn)線，機器人需要更多“眼睛”來識別在制品，對其位置、幾何尺寸等進行識別，以便進行各種撿取、加工動作。

--EUROMAP，包括了機器人與注塑機、注塑機與MES、以及各種輔機之間的連接，如圖6所示。

圖6-EUROMAP連接注塑機與MES系統(tǒng)

--PackML，包裝機與MES、與機器人等的集成；

--MTConnect，機床與機床間、機床與信息系統(tǒng)間的連接。

4.3OPCUA解決安全連接問題

在世界經(jīng)濟論壇的工業(yè)互聯(lián)網(wǎng)推進障礙中，第二個關鍵因素是信息安全，這一點，OPCUA也開發(fā)了安全的數(shù)據(jù)連接、授權、驗證機制，以確保數(shù)據(jù)可以被安全的連接，如圖7所示。

圖7-OPCUA的安全傳輸機制

五、OPCUA構建工業(yè)互聯(lián)網(wǎng)的全局連接

5.1工業(yè)互聯(lián)網(wǎng)的全局連接

在圖8中，我們可以看到OPCUA可以實現(xiàn)多個維度的連接

（1）.橫向集成：從設備到設備間、數(shù)字化設計與生產(chǎn)運營、制造與輔助的電力供應、原材料系統(tǒng)的上下游連接。

（2）.縱向集成：從傳感器到控制器、工廠MES/SCADA再到全局的云端數(shù)據(jù)連接。

圖8-基于OPCUA的全集成

5.2OPCUA與數(shù)字孿生

在數(shù)字孿生的設計中，控制類設計軟件如ATLAB/Simulink可以為數(shù)字化模型提供OPCUA的接口，那么直接仿真的模型可以構建一個基于OPCUA的信息傳遞規(guī)范，可以通過OPCUA接口與不同的控制器提供統(tǒng)一規(guī)范的連接，這樣就可以讓數(shù)字化的軟件與控制器進行快速的模型交互，實現(xiàn)數(shù)字孿生的上下行信息交互。

圖9顯示了一個基于OPCUA的連接，如B&R的AutomationStudio可以與MATLAB/Simulink通過OPCUA進行信息交互—當然，這同樣可以與其它第三方的控制器實現(xiàn)這樣的交互，對單個的控制器而言也許它的價值在于高效的信息建模，但對一個工廠涵蓋多家控制器而言，則意味著快速的跨平臺的連接。

圖9-基于OPCUA的數(shù)字孿生信息交互

在其它的數(shù)字化設計軟件如PTC、Solidworks均已提供了OPCUA的接口，并且可以與多種控制器連接，這樣就會實現(xiàn)機理模型、學習模型與控制器的交互，而無需為每個不同的連接建立復雜的交互接口。

通過數(shù)字孿生，可以實現(xiàn)虛擬交付、虛擬調試等任務，連接數(shù)字化設計、數(shù)字化運營以及數(shù)字化維護。

5.3機器學習的結構化數(shù)據(jù)源

機器學習被認為是工業(yè)互聯(lián)網(wǎng)中解決非線性、聚合、關聯(lián)性分析的有效途徑，基于各種數(shù)學算法與模型來實現(xiàn)對制造現(xiàn)場數(shù)據(jù)的分析，但是，對于機器學習而言，其必須實現(xiàn)以下幾個方面的條件：

（1）.結構性數(shù)據(jù)：如果數(shù)據(jù)缺乏結構性，會產(chǎn)生與學習算法模型的無法對接問題，或者會產(chǎn)生大量需要進行手動的映射變量的工作，而OPCUA提供了結構性數(shù)據(jù)，并且，在OPCUA的方法中對數(shù)據(jù)進行了一些預處理，如積分運算等，另外，基于OPCUA的SoA特征也使得各種數(shù)據(jù)應用可以便利的訪問現(xiàn)場設備的數(shù)據(jù)。

（2）.有效數(shù)據(jù)：如果采樣大量無效數(shù)據(jù)，那么對于機器學習而言同樣是沒有意義的，OPCUA的各種行業(yè)伴隨模型充分體現(xiàn)了其在工業(yè)領域的深厚積累，例如注塑機信息模型就包括了注塑機的模腔溫度、壓力、鎖模力、螺桿進給速度等各種與注塑機質量、運行相關的參數(shù)，這些已經(jīng)被驗證完整反映注塑機加工過程的信息模型為各種機器學習與數(shù)據(jù)分析平臺提供了快速構建整個過程的數(shù)據(jù)。

如圖10所示，在機器學習之前，通過OPCUA訪問機器參數(shù)可以快速獲取結構性、長期行業(yè)經(jīng)驗積累的信息模型，這些信息模型在過去一直用于有效的機器控制模型，而又同樣可以為學習模型提供數(shù)據(jù)交互。

圖10-機器學習通過OPCUA獲得有效的結構性數(shù)據(jù)

以上，針對了OPCUA在各個環(huán)節(jié)的角色扮演進行了闡述，而圖11則是一個全景的連接，包括了橫向在制造業(yè)的工廠以及上下游供應環(huán)節(jié)的連接，在制造工廠內部機器與機器間的連接，在垂直方向實現(xiàn)從傳感器到云端的整體連接。

圖11-基于OPCUA的全連接

通過OPCUA，我們?yōu)楣I(yè)互聯(lián)提供了一個標準與規(guī)范，并且，它的信息模型為數(shù)字孿生、數(shù)據(jù)分析與學習提供了更為高效的數(shù)據(jù)采集、傳輸與應用的前提，核心的貢獻在于它將大幅降低開發(fā)、測試驗證、維護、升級的工程成本。

是的，如果沒有成本的降低、效率的提升，工業(yè)互聯(lián)網(wǎng)就無法發(fā)揮其價值，也無法為制造業(yè)升級帶來經(jīng)濟性，這就是OPCUA何以重要，成為全球IT與OT廠商關注焦點的原因。

對于OPCUA是否能扮演這么復雜的角色的確有些人覺得瘋狂，也有人質疑，甚至反對，對于這個問題可以探討，我們可以從它與FDT/DTM、DDS、MQTT等協(xié)議規(guī)范的對比進行說明，后續(xù)進行一些解讀，望關注。