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、工業互聯網等新興技術的興起，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制造商工藝流程、工業配方、設備狀態、接口規范等個性化需求能力日益提高的狀況下，設備制造商必須具備靈活、不斷適應新變化的生產能力，并且能夠快速針對不同的產品進行生產的切換，這是當前自動化廠商要面對的挑戰。同時，這些變化也在推動制造業呈現一個跨學科融合創新的趨勢，包括工藝控制、數字孿生，機器視覺、機器安全、機器人、建模仿真、云計算、通信互聯、機器學習等。未來，個性化需求和跨學科融合創新將成為推動制造業不斷發展的重要引擎，設備的發展也將越來越智能化。 

系統設計模式的變革——建模仿真的應用 

我今天分享的主題 “走在價值的軌道上-產線設計新模式”可以分成這幾個方面。一，系統設計的變革；二，制造模式的變革；三，數學方法應用于工業，還有一個制造業應用和人才培養的問題。

首先是系統設計。系統設計模式的變革基于建模的開發、軟件復用及集成技術三個方面。建模仿真技術在歐美的發展已有長久歷史，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性設計與降低研發成本。 

制造業工程中，要生產一個原創性的產品，就一定會用到建模仿真軟件。一個產品從概念設計到需求定義再到軟硬件設計的測試和驗證，最后到測試驗證系列化、批量化生產的過程中，是最燒錢且最需要耐心的一個階段，也是國內自動化企業研發最不喜歡的一個設計階段。因為無論任何行業，任何工程都會在大量的現實可能性中，尋找最優途徑以達到最經濟的方式，這是所有投資者的共性需求，這也是制造業創新設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。

假設一條生產線生產一個產品會有一百個工具，而每個工具的影響因素有材料、人、流程、機器、包括周圍環境，這些因素會增加生產過程中的不確定性，增加測試驗證難度。若使用建模仿真技術，就能夠讓我們的機器設計過程處于一個虛擬的環境，針對變化而完成，無需做大量的物理測試與驗證，能夠大量節省現實的測試驗證的成本，為創新者提供巨大的驗證幫助。

在軟件復用角度來看，我認為工業軟件就是每個人在每個行業里面積累的知識，然后凝聚形成一個可復有的模塊，不管是硬件還是軟件，這種可復用的技術，可以提高開發效率，減少重復工作。若未來制造中，建模的應用可以支持硬件仿真、機器仿真再到機器生產過程仿真；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境里面，去測試生產的可行性，將是自動化行業系統設計模式一個巨大的突破。

再就是MATLAB和SIMULINK聯合使用技術，可對各種可能性進行驗證。例如，做電機驅動器的選型，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度。

例如，針對機械的系統建模，采用MapleSim快速實現數字孿生，在機器設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；還可跟軟件結合來測試，與驅動器的整合匹配應用，最終確定選型。值得一提的是，未來我們還可利用AR、VR技術，在已有模型中進行建模仿真測試。

未來制造模式的變革——柔性電驅產線

講完機器，我們深入到產線，未來制造模式中的柔性電驅產線。傳統產線通過皮帶傳送、鏈條傳送的方式輸送產品，還有一些電子產品采用分布式，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、產品換型周期長、機械磨損、機械復雜、生產節拍長等。而柔性電驅產線具有抑制波動、工藝切換、平穩高速、建模仿真、調整的任意組合、占地面積小、低維護等優勢。舉個簡單的例子，一條生產線中，一個機器人把一個產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，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整，具備很高的靈活性。

在工業生產制造中，一條可以變軌的生產線，可以從一個軌道轉移到另一個軌道，我們把它叫分流和匯流。如，產品的靈活包裝，從多個軌道到一個軌道叫做匯流；另外主機速度過快狀態，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，業內叫分流。這些可以通過數字孿生技術去實現。數字孿生基于建模仿真，但不是建模仿真。數字孿生包含設計、制造、運營、維護整個過程，不是一個單元；而且數字孿生一定要有數字從物理世界到虛擬世界，和虛擬世界到物理世界的動態交互，不能說一個靜態仿真就叫數字孿生。另外數字孿生跟建模仿真的區別在于，建模仿真的關注點在于保真度，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。

貝加萊的建模系統可以通過數字孿生技術把機械系統的參數跟控制系統的算法融合起來，若機械系統進行調整，對應整個系統都會調整，就比如上述的數字化系統如果變化，可同步下載到物理系統，而且物理系統所有的運營狀態都可以通過實時網絡傳輸到數字化系統，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線，可以讓客戶在產線實現前做建模仿真測試驗證，證明在這種加工狀態下，加速度和節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。

這些產線仿真過程貝加萊系統基本都可以實現，在現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計的建模仿真系統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線改造，從以前的生產節拍1.2秒提高到0.6秒，極大提高了生產效率。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計方案已得到眾多用戶的評估，對于生產線的設計改造認可度非常高，我相信這個系統在未來應用中會有非常大的增長趨勢。

另外，在整個自動生產線構成中，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集成各種功能跟控制器、驅動器使用同一個網絡，在100微秒時間里可以實現同步傳輸，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，創新與未來制造，總是走在價值軌道的前面。

數學方法用于解決工業問題

數學方法用于解決工業問題具有很好的效果，其中包括機器學習、數據擬合、模型預測控制。目前，許多產線里需要用到大量AI控制器，即機器學習，其主要作用是參數尋優、預測性維護。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驗，我們應如何去設定一個有效的特定值去認識這些生產之間的關系。在我看來，人才是一個產品影響因素的關鍵，我們每個人對這個產線的認識，對這個機器的認識，對這個生產的認識才是關鍵，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化人們過去在控制系統里遇見的問題。就比如這個世界是非線性的，但是在控制系統的研究過程中，人們所做的優化策略等同于擬合一個線性化的控制過程。但在實際生產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參數，在現有控制器做一些機器學習，達到質量最優，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字構成，通過一個成本函數約束，在這幾個參數中尋找最優，是線性的機器算法處置；如果是非線性，就用其他的算法，如標簽監督學習、非監督學習，或者通過強化學習的方法，尋找最優解的過程。所以我們所做的這個優化就是一個算法，看上去非常簡單，但僅僅是參數的提取預處理的數據這么簡單的公式，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里深耕多年，人工智能與自動化行業息息相關。

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

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

最后希望產業里面能夠有更多的像運動控制聯盟這種組織，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之間的人才的培養交流活動，達成校企合作。希望通過產業、學界和研究機構之間的合作，能夠為制造業輸送更多的專業人才，為整個自動化產業前進的“車輪”不斷添油加劑。