装备是制造基础，工艺是关键

对于制造业来说，装备或机器是关键。本文以工业装备的软件视角来谈谈其发展，智能装备是典型的机械-电气传动与控制-软件一体化的产品。它不同于消费端的产品软件设计，本身的难点在于机械、电气、材料工艺的强耦合关系，而其发展可以借鉴商用软件发展的方法，但自身也有其行业属性。

一、 装备是制造的基础衔接

在离散制造业里装备制造业包含各个机械制造领域，它们构成了制造业的基础。

1.1

装备是制造智能的载体

装备门类太多，仅以离散制造业为例，细分市场涉及较多行业，例如机床工具、工程机械、锂电装备、光伏装备、塑料机械、印刷机械、包装机械、食品饮料类等等。而在每个细分市场下又包含了不同的二级细分，例如仅以光伏为例，按照其流程就从单晶硅拉制炉、切方切片、清洗制绒、扩散、PECVD减反射膜、丝网印刷、烧结、组件等。而即使光伏工艺也分为早期铝背场、现在流行的PERC，以及正在发展的异质结（HJT）、TOPcon、IBC等多种工艺方向。在包装类就分为软包装类、液体饮料灌装（又细分到无菌、碳酸类、水类饮料）、纸盒类包装、瓦楞纸、金属罐等方向。

而制造业由这些装备构成的产线流程来生产，每个装备的性能水平都关乎终端消费品品质、成本，以及交付能力，而这三个问题则是制造业最为核心的问题。

今天，装备不仅要完成产品的生产，而且通过机器水平向连接（工业4.0称为M2M）、垂直连接（M2B机器到管理系统）、B2B（管理系统间的连接），构成了整个数字化的工厂。而在整个数字化、智能制造的架构中，机器就是数据源（I/O数据、软件中间数据）。并且，今天所谓的数字孪生、人工智能的工业应用这些软件，都要围绕生产本身的数据采集、传输、分析、应用来展开，而最终得到的优化参数、模型又需要机器本身来执行，以获得持续的改善。

因此，机器，是整个制造业的核心载体，每个设备就是一个数据源，也是数字化的目标对象。

二、装备软件之难在哪里？

2.1

材料与工艺变化是难点

当然，很多目前市场对于工业软件聚焦在CAD/CAE机械设计类软件，以及MES/ERP的管理运营软件，或基于新的云/边缘架构的软件。但是，这些软件都还未能涉及到制造的核心问题，即，工艺软件，而这个又是我们制造业目前最为迫切需要解决的问题—因为，如前所述，有非常多的细分市场，导致不像大的软件关注度高，但，其影响却更为关键，因为，我们很多领域的核心技术匮乏，恰恰隐藏在每一台装备的软件里。



图1-决定生产制造变化的核心要素

每个机器的复杂性都来自于变化，机器可以理解为输入原材料经过工艺和流程形成产品或半成品到下一个流程（如图1）。首先，材料本身就复杂，而且材料还在变化，因为在纸张的世界里，纸也有1000种以上的类型，塑料颗粒200个大类，4000个品种也很正常，在纤维的世界里，大类有天然纤维（棉花、蚕丝、麻等），以及人造纤维（涤纶、氨纶、玻璃纤维、碳纤维…这个范围更广），在金属的世界里，可以看看元素周期表，就知道“金”字边的元素有多少？

而这些往往是看不到的软件，它通常运行在机器的控制系统如PLC或PC上，而这些软件本身的形成过程需要物理建模来实现，但又需要大量的测试验证，因为在不同材料、不同加工速度、不同环境（温度、振动都会影响加工精度）下，需要大量的测试验证，最终才能形成稳定的运行。

2.2
以注塑机为例

塑料制品在我们每天的生活中无所不在，每天你都会看到，他们就由注塑机打出来，图2是一个注塑机及其控制系统，塑料注射成型的过程包含了称重、配料、放料、螺杆挤出、开模、合模、锁模、塑化（温度与压力控制）、开模、顶出一系列流程。



图2-全电动注塑机及其控制系统

针对不同的注塑机（油压、全电动、二板、色母、立式），机器的控制系统需要为其配置不同的动作逻辑、运动控制（液压轴、伺服轴）速度、定位参数，塑料成型所需的熔胶温度、保压压力等参数，以及开合模锁模等动作逻辑程序。而图3显示来自用户对机器的功能性需求，包括质量所需的SPC统计参数、OEE相关的参数、与管理系统连接的EUROMAP接口规范程序、与机器人接口的规范、与MES连接的OPC UA连接程序。并且为了操作方便需要更为简单的HMI交互画面设计，设备要易于操作与维护，并且能够快速显示故障便于操作人员维护。



图3-塑料工业对机器的需求

这一切都是由机器的程序来完成，而这个机器的设计本身，就牵扯到大量的工业软件，而每一个机器，都需要这样的设计软件工具组合来完成。并且这些软件覆盖了整个机器的生命周期，包括设计机器时的软件、运行软件、维护、机器集群后的工厂管理软件，而机器不单独存在，它必须融入整个制造，才能确保从机器本身的最优到生产制造的全局最优。

工业软件之难，在于它的无数变化的可能性，如何让它通过建模，形成直接可用的运行，适应各种变化的产品生产，而机器本身机械、电气控制、工艺之间又有着强耦合关系，这种关系使得其变得更难，需要非常专业的机电软工程师协同才能完成。

三、 装备开发相关软件

3.1

机器的集成开发平台软件

开发一个机器，除了CAD/CAE类软件设计机械本身，也包括机器的嵌入式软件开发，而这类软件主要由自动化厂商完成，自动化并非仅仅是PLC/PC、伺服驱动器这些硬件，也包括了无所不在的软件，即使是控制器，其本身也要运行RTOS-实时操作系统，关于这个问题，其实也在工业软件讨论的大潮中被大家所讨论，它运行于硬件上。

为了这些机器的硬件和功能开发，通常需要一个EDA软件，像全球自动化领域的知名企业如SIEMENS的Portal(博途)、贝加莱的Automation Studio、Rockwell AB的Logix5000，主流的控制系统厂商都有这样的集成开发平台软件，这些软件使得机器的嵌入式运行软件被高效开发，并且，赋予了机器更强的通信连接、边缘计算能力。

图4以贝加莱的Automation Studio为例，自1997年推出至今已有20余年，它负责将所有的对象连接并为其开发逻辑、运动控制、工艺程序，并从工程选型、编程、仿真测试到诊断服务全流程服务。



图4-集成开发平台的两个维度集成（对象与流程）

作为一个工具软件平台，它包含了实时操作系统的版本下载、嵌入的IEC61131-3开发、高级语言开发的编译器、运动控制轴测试软件、以及基于Web技术的远程维护与诊断技术。在Automation Studio，最为有价值的则是其数十年来积累的各种行业工艺模块，mapp(modular Application)，这是一种典型的组件技术（Components-Based Development）,它可以让机器快速配置，而无需大量编程，大大提高机器本身的开发效率。

3.2

工业软件的本质是知识复用

即使有了集成开发平台，机器的工艺开发也需要长时间的积累，工业软件的本质就在于知识的复用，我们常谈“智能”，其实智能就是让机器像人一样思考问题，而人的思考问题包括归纳和演绎，而数据建模更类似于归纳，而物理建模更类似于演绎。图5就是工业软件的形成过程，知识与经验，知识就是已有的公式、定理，经验则是隐藏在人脑中的，通过算法与建模形成模型，它的核心作用在于应对变化的材料工艺，而测试验证则是最为烧钱的环节，因为它必须对前面模型的各种生产情况下的参数进行寻优组合，以获得高品质产品，然后这些软件被固化为可复用的模块。

领先的自动化厂商，其之所以具有竞争力，核心来自于这些“工业软件”，这些来自大量工程实践所积累的工业知识，通过标准化与模块化技术，形成各种APP。



图5-工业软件的本质在于知识复用

其实，知识的形成，图5中的算法与建模，主要包含两种主要的，一种是物理建模（Physics-Based Modeling）和数据驱动型建模（Data-Driven Modeling）。

（1）机理/物理模型

这个机理模型的发展过程经历了最为悠久的历史，它的发展来自于科学技术上百年的积累，包括我们说牛顿三大定律、能量守恒定律、麦克斯维尔电磁方程、伯努利流体方程，以及数学上微积分、拉普拉斯变换、概率统计、群论等数学方法的发展，以及在20世纪40年代开始的系统论、控制论、信息论等与工业的融合，使得通信技术、控制工程等融入到控制中，也包括了系统设计方法的进步，这些科学与工程技术的融合，发展起来的，这是一个长期的积累形成的过程，大量的工程技术方法在这个过程被不断的积累，这也是为何任正非先生不断提到基础学科对于制造业的发展的重要性。

机理模型就是遵循“第一性原理”，从根本上去解决机器与系统的设计，从原理性，包括材料工程、机械传动、电气控制等相融合来解决传统工业问题，凡是可以被数学描述的，最终也可以被软件实现，工业软件的积累首先是可以数学建模，再进行软件的架构、程序编写、测试，封装，复用。

（2）数据驱动建模

数据驱动这一方法与机理模型相比是最近几十年发展起来的，建立在概率统计方法、大数据挖掘技术、机器学习与深度学习基础上发展起来的，这一方向主要用于解决非线性类问题，包括变化的、不确定、不可测量或不易测量的工业问题解决，其中将机器学习深度学习都归于数据驱动的方法，这一方法有其优势，即通过计算机系统的算力、模型优势来解决过去需要大量时间积累的模型，它存在的问题在于不可解释性，但是，却也发展非常快，但是，数据驱动方法同样需要大量的专业人员，至少得精通数学方法来融合产业实际来寻找解决问题的路径。

数据驱动建模也更适合于解决边缘类问题，如调度问题、策略性问题、寻优、最优化等问题。

3.3

虚拟测试与验证

在建模后，就是大量的测试验证，我们之所以制造业之所以缺乏核心技术。为了快，我们都是采用直接“拷贝”方式开发机器，但是拷贝它省略了知识积累最为重要的环节—各种测试验证。物理的测试验证其实是机器研发中最烧钱，但也是积累知识的过程，同时，欧美装备领先国家的制造商，他们因为测试验证太烧钱，则开发了用于虚拟测试验证的工业软件，这又是我们欠缺的，而我们有时候觉得欧美的这些软件很贵，但是，真正做过研发的人可能会知道，相对于一个产品研发中的物理测试所烧钱的成本，其实这些软件并不昂贵-它是在复用他人的知识。



图6

如图6所示，仿真类工业软件因为细分太多在此不多赘述，但是它的确可以让机器的研发过程变得更为节省成本、缩短时间，降低安全性（有些测试验证比较危险，条件也不易具备）。

当然，在这些测试验证解决后，形成可复用知识，像贝加莱就以形成各种mapp模块为用户配置而非传统编程方式来组织机器，这与流程工业的DCS类似，未来，机器也会朝着组态而非编程的方向发展，这样才能快速响应市场发展的变化。

四、工业软件需要产业生态系统的协调

发展工业类软件，它必须由整个生态共同完成，包括机械设计、仿真、控制、芯片（AI）、标准化组织（如PLCopen,Modelica、国家各个标准委员会）、大学人才培养、机器制造商、终端生产企业共同来完成，如图7。



图7-工业软件生态系统

不同企业应该担负不同的责任

（1）终端企业：要给予国内机器以更多的机会去测试验证，目前国家、各地也在出台政策，鼓励给予国内的首台套设备测试的便利，这正是国家看到了测试验证这个机会对于装备企业发展的重要性，终端生产企业在其产线生产中可以扩出部分实际生产给予国内装备测试，测试部分的费用可以由政府补贴、终端生产企业通过知识领先（专利保障期）方式获得创新技术的优先或低价使用权，机器制造商也可以投入部分，共同解决资金，更重要的是验证条件。

（2）装备制造商：必须立足于自身的专业，有强烈的自主创新驱动力，并重视工艺Know-How的开发，构建长期的装备软件发展规划。而国家也在扶持“专精特新”企业，这非常适合装备类、工业软件类企业创新创业。

（3）标准化组织：其实工业软件发展，标准化方面可以借鉴的很多，我们可以积极参与国际国内的标准化组织，包括PLCopen、Modelica组织，像IEC61131-3编程、IEC61499这些都是可以被嵌入到我们的环境中，也可以与Modelica组织协作，通过FMU/FMI实现设计与运行软件的协同，如图8。标准化组织还包括像OPC UA基金会等通信组织，因为这牵扯机器未来数字化集成的规约问题。总体来说，像IEC/IEEE非常欢迎中国企业的参与，因为没有中国的参与的标准也缺乏代表性，第一步参与，第二步影响，将我们对制造的理解、软件、规范纳入国际标准，以利于未来的全球化发展，第三主导，在优势领域我们可以主导全球规范，例如锂电、光伏等装备领域。



图8-Modelica组织使得各个仿真软件实现协同

Modelica本身也是一个由来自不同的工业软件厂商，以一种松散形式共同来解决不同软件之间的协同，并建立标准框架，采用FMU/FMI（Funtional Mock-up Interface）方式来让不同软件形式不同的接口，FMU包括了描述文件和二进制代码，通过统一的FMI接口来衔接，它使得机械、电气、工艺仿真软件间可以实现协同仿真，而这个规约无论国内工业软件如何发展，必须未雨绸缪来制定规范，或者遵循国际规范，不仅考虑国内的统一，还要与世界接轨，因为，我们必将要走向全球市场。参与、引导、主导三步走，在现阶段，还是参与学习比较好，然后再考虑后面两步的布局。

五、总结

装备是制造业的基础，其本身朝着机电软一体化方向发展，其软件包含了设计、运行、管理与维护整个集成，它是制造业实现智能化的关键，必须关注这个领域的工业软件发展。它的难点在于复杂专业的集成，需要跨学科的创新，包括科学、工程、技术多个维度的协同，大学、企业、用户之间的协作，国家有着对于工业软件的政策不断出台，中国制造业必须摆脱过去的运动式发展，摆脱传统的大干快上，而要追求高质量发展，这是我们攻坚战的时期，跨越这个时期，必然所向披靡。

来源：说东道西公众号