圖片來(lái)源：貝加萊

　　未來(lái)AI將更多的融入自動(dòng)化開發(fā)平臺(tái)中，為用戶帶來(lái)更具創(chuàng)新而又效率更高、成本更低的自動(dòng)化解決方案。

　　AI正在成為一種熱潮，不斷地引發(fā)產(chǎn)業(yè)的關(guān)注。而在制造業(yè)，AI同樣正在成為各個(gè)自動(dòng)化廠商、機(jī)械制造商、用戶關(guān)注的焦點(diǎn)。

　　01 人工智能-隱性知識(shí)的挖掘

　　自動(dòng)化系統(tǒng)是用機(jī)器和系統(tǒng)來(lái)代替和幫助人的工作，而因此，機(jī)器和系統(tǒng)需要像人一樣的思考。人的思維方式主要是演繹法和歸納法，我們可以理解為對(duì)應(yīng)了物理建模(Physics-based Modeling)和數(shù)據(jù)驅(qū)動(dòng)建模(Data-Driven Modeling)。物理建模具有良好的可解釋性、可預(yù)測(cè)、算力低、安全等優(yōu)點(diǎn)。但是，它并不產(chǎn)生新知識(shí)，并且它的控制是在既定規(guī)則下的控制，具有局限性。而工程中更多的隱性的知識(shí)，如隱藏在技師腦中的經(jīng)驗(yàn)，它無(wú)法被有效的描述進(jìn)而復(fù)用。工程中必然存在著大量的不確定、非線性問(wèn)題，尚未被認(rèn)知，因此，通過(guò)數(shù)據(jù)驅(qū)動(dòng)的建模，包括統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)，深度學(xué)習(xí)的方式是更好的知識(shí)挖掘，而“學(xué)習(xí)”是人工智能的基礎(chǔ)能力。

　　圖1顯示了工業(yè)軟件的本質(zhì)在于知識(shí)的復(fù)用，知識(shí)是顯性，可被物理化學(xué)公式描述的，而經(jīng)驗(yàn)則是隱性的，需要被挖掘。實(shí)際上，自動(dòng)化系統(tǒng)進(jìn)行AI的訓(xùn)練具有先天的條件。而現(xiàn)代控制理論的研究中，控制科學(xué)與工程領(lǐng)域的專家通常也兼具AI專家。主要在系統(tǒng)辨識(shí)、最優(yōu)優(yōu)化、模糊控制、自適應(yīng)控制等領(lǐng)域。而工程實(shí)踐中，AI也作為一種重要的工具輔助問(wèn)題的解決。

　　▲圖1：工業(yè)知識(shí)的軟件化過(guò)程

　　02 自動(dòng)化開發(fā)工業(yè)AI優(yōu)勢(shì)

　　與商業(yè)AI不同，工業(yè)AI在可解釋性、實(shí)時(shí)性、穩(wěn)定與安全等有著特殊的需求。這使得自動(dòng)化領(lǐng)域的工程師，必須依據(jù)工業(yè)的特殊場(chǎng)景，基于AI的方法和工具來(lái)解決復(fù)雜的問(wèn)題。因此，在工業(yè)AI的應(yīng)用開發(fā)中，自動(dòng)化領(lǐng)域有著先天的優(yōu)勢(shì)。這包括了以下幾個(gè)方面：

　　1 在數(shù)據(jù)方面的資源

　　自動(dòng)化領(lǐng)域有豐富的現(xiàn)場(chǎng)數(shù)據(jù)采集與處理，包括邏輯、運(yùn)動(dòng)控制的扭矩、速度、位置，振動(dòng)信號(hào)、視覺(jué)等專用的I/O模塊，以及在內(nèi)存中的中間計(jì)算量等，這些數(shù)據(jù)可以被直接訪問(wèn)，也可以被訪問(wèn)。

　　2 工業(yè)通信與信息建模

　　通信，除了底層的物理層與數(shù)據(jù)鏈路層的網(wǎng)絡(luò)協(xié)議，也包括用于信息建模的垂直行業(yè)模型，如PackML、EUROMAP、Unimat、Automation ML等。信息模型使得數(shù)據(jù)被結(jié)構(gòu)化，并提供周期性采樣與傳輸能力。包括OPC UA/MQTT，可以建立在運(yùn)行的OT系統(tǒng)與邊緣、云端系統(tǒng)，經(jīng)由通信規(guī)范來(lái)實(shí)現(xiàn)連接。例如OPC UA可以通過(guò)Pub/Sub機(jī)制在OT與云平臺(tái)之間進(jìn)行數(shù)據(jù)的上下行訪問(wèn)。

　　3 機(jī)電經(jīng)驗(yàn)積累的專家

　　在工業(yè)自動(dòng)化領(lǐng)域，工程師們通常需要對(duì)機(jī)電對(duì)象的物理特性，如對(duì)材料的張力特性、機(jī)械摩擦、模態(tài)等的了解，才能更好的進(jìn)行控制。而同樣，這些經(jīng)驗(yàn)豐富的機(jī)電專家，在AI的數(shù)據(jù)采集、特征工程、訓(xùn)練模型的評(píng)估、參數(shù)調(diào)校、泛化方面給出自己的洞見(Insight)——這非常關(guān)鍵，因?yàn)?，工業(yè)數(shù)據(jù)的背后是機(jī)電的強(qiáng)耦合關(guān)系。這些關(guān)系的判斷對(duì)于AI如何去訓(xùn)練具有非常重要的指導(dǎo)意義。

　　4 智能執(zhí)行

　　AI可以讓機(jī)器變得更聰明，但是，聰明的大腦還需要有力的臂膀去在現(xiàn)場(chǎng)執(zhí)行?；诠I(yè)的控制系統(tǒng)、運(yùn)動(dòng)控制、輸送技術(shù)——AI優(yōu)化的參數(shù)、模型，可以被本地推理，并發(fā)送給智能的執(zhí)行機(jī)構(gòu)去執(zhí)行。而工業(yè)自動(dòng)化可以現(xiàn)場(chǎng)執(zhí)行，實(shí)現(xiàn)整個(gè)的邏輯閉環(huán)。

　　03 AI應(yīng)用場(chǎng)景分析

　　在工業(yè)場(chǎng)景中，較為常見的AI應(yīng)用需求包括：

　　■ 機(jī)器人智能導(dǎo)引：在離散產(chǎn)品組裝線上，機(jī)器人目前已經(jīng)廣泛應(yīng)用于產(chǎn)品分揀等，但是，隨著AI的智能導(dǎo)引訓(xùn)練的加入，機(jī)器人將完成更多、更復(fù)雜場(chǎng)景的工作。例如：隨機(jī)物料的隊(duì)列排序、配合包裝容器變化的撿取，配合加工工站的加工動(dòng)作。最為重要的是，它可以通過(guò)更為簡(jiǎn)單的示教，讓機(jī)器自動(dòng)學(xué)習(xí)，而非傳統(tǒng)的既有規(guī)則下的編程實(shí)現(xiàn)。

　　■ 視覺(jué)缺陷分析：視覺(jué)的高維度參數(shù)中包含了各種可能性，而缺陷包括劃痕、斑點(diǎn)、輪廓線的偏差、褶皺、波紋等，可以用于更多的產(chǎn)品缺陷分析。而圖形圖像的處理，正是AI發(fā)揮優(yōu)勢(shì)的所在。

　　■ 工藝參數(shù)優(yōu)化：這是傳統(tǒng)的控制科學(xué)與工程研究領(lǐng)域，在過(guò)去，囿于算力成本，它并未被大量的應(yīng)用。隨著算力成本的降低，對(duì)于各種閉環(huán)控制，在PID參數(shù)、前饋、濾波等參數(shù)的尋優(yōu)方面，AI可以發(fā)揮其作用。通過(guò)為歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)建立約束條件，使得參數(shù)可以被收斂到更為高效的匹配中。

　　■ 創(chuàng)成式設(shè)計(jì)：在新的系統(tǒng)設(shè)計(jì)方法中，創(chuàng)成式設(shè)計(jì)在機(jī)械、動(dòng)力學(xué)領(lǐng)域開始有應(yīng)用。而隨著AGI的快速發(fā)展，其在自動(dòng)化工程領(lǐng)域也有了潛力。它可以為工程師在重復(fù)性，以及更為廣泛的開源設(shè)計(jì)尋找創(chuàng)新的靈感，使得設(shè)計(jì)不僅高效，并且更具創(chuàng)新性。

　　■ 故障預(yù)警：故障早期預(yù)警是較為普遍的使用，傳統(tǒng)基于斷裂力學(xué)、疲勞力學(xué)等物理建模方式往往需要非常久的積累，對(duì)于較為復(fù)雜的傳動(dòng)鏈，它非常依賴于專家及長(zhǎng)期的故障復(fù)現(xiàn)才能實(shí)現(xiàn)預(yù)測(cè)。而基于數(shù)據(jù)的方式，在于不依賴這些物理知識(shí)下，通過(guò)數(shù)據(jù)的挖掘來(lái)實(shí)現(xiàn)故障預(yù)測(cè)與定位，如果能夠結(jié)合物理方法，兩者發(fā)揮各自優(yōu)勢(shì)，將會(huì)讓AI發(fā)揮事半功倍的效果。

　　■ 排程與調(diào)度：隨著產(chǎn)品多樣性、流程復(fù)雜性，以及長(zhǎng)流程生產(chǎn)中的復(fù)雜組合，背后形成的龐大可能性很難被人工計(jì)算，以獲得效率最高的生產(chǎn)排程和任務(wù)調(diào)度能力。而AI正是擅長(zhǎng)在這復(fù)雜的背后，尋找那些路徑最短和基于評(píng)價(jià)指標(biāo)(如成本、能耗、時(shí)間最優(yōu)的約束條件)的調(diào)度組合。

　　04 軟硬件架構(gòu)

　　在AI應(yīng)用中，貝加萊可以提供多個(gè)層級(jí)的IT與OT融合架構(gòu)：

　　■ 根據(jù)多個(gè)層級(jí)的算力需求的硬件架構(gòu)。在對(duì)算力需求并不高的場(chǎng)景里，嵌入式系統(tǒng)如X20的PLC本身也可以作為一個(gè)簡(jiǎn)單的AI訓(xùn)練和推理單元。

　　■ 邊緣側(cè)的訓(xùn)練。對(duì)于較高算力，及邊緣側(cè)的全局?jǐn)?shù)據(jù)訓(xùn)練，可以通過(guò)APC/Panel PC方式進(jìn)行訓(xùn)練。這里，APC本身采用了諸如Intel Apollo Lake算力較高的處理器，對(duì)于更高性能要求的，可以采用了aPCI插槽可以插入AI加速器。貝加萊通過(guò)與專業(yè)的AI硬件(如HAILO)及軟件企業(yè)(MVtec的HALCON)合作，在其硬件和軟件方面集成AI訓(xùn)練方法集。

　　■ 云端長(zhǎng)周期數(shù)據(jù)訓(xùn)練。對(duì)于較長(zhǎng)周期的大數(shù)據(jù)訓(xùn)練，貝加萊的PLC/PC可以通過(guò)OPC UA Pub/Sub的方式建立與云端的連接。運(yùn)行在云服務(wù)上的模型訓(xùn)練可提供更大容量的數(shù)據(jù)，更長(zhǎng)周期的訓(xùn)練。并通過(guò)OPC UA下發(fā)至本地推理。

　　05 AI與自動(dòng)化技術(shù)的融合

　　貝加萊一直在專注于AI與自動(dòng)化技術(shù)的融合，并在其未來(lái)的產(chǎn)品技術(shù)中融入AI元素，增強(qiáng)自動(dòng)化系統(tǒng)解決制造問(wèn)題的能力。

　　■ Automation Studio Copilot生成式編程。在即將到來(lái)的Automation Studio開發(fā)平臺(tái)中，生成式AI將幫助工程師來(lái)提高代碼開發(fā)的效率。通過(guò)點(diǎn)擊“提問(wèn)”，以語(yǔ)音/文本輸入給系統(tǒng)，它會(huì)自動(dòng)去進(jìn)行代碼的編寫，并生成代碼。Automation Studio Copilot版本中將包含以下AI代碼生成：采用ST語(yǔ)言生成程序;注釋和代碼優(yōu)化;提供對(duì)開發(fā)者問(wèn)題的生成式響應(yīng)能力。

　　■ 深度學(xué)習(xí)機(jī)器視覺(jué)。通過(guò)與AI領(lǐng)域的軟硬件伙伴合作，在貝加萊的機(jī)器視覺(jué)中增強(qiáng)了AI處理能力。它集成了基于規(guī)則(Rule-based)的圖像處理系統(tǒng)中。深度學(xué)習(xí)網(wǎng)絡(luò)將提供評(píng)估和熱圖，使用所有基于規(guī)則的函數(shù)對(duì)熱圖進(jìn)行詳細(xì)的分析。貝加萊的機(jī)器視覺(jué)本身具有集成性，將光源、相機(jī)和AI處理集成于一體，可以實(shí)現(xiàn)與運(yùn)動(dòng)控制、機(jī)器人、邏輯任務(wù)實(shí)現(xiàn)高精度的同步。極高響應(yīng)的AI視覺(jué)可以讓處理過(guò)程更高精度、更快的響應(yīng)——這在制造過(guò)程中會(huì)降低初始的開機(jī)廢料，以及運(yùn)行中的品質(zhì)一致性。

　　·機(jī)器人的手-眼標(biāo)定。在新的機(jī)器人集成應(yīng)用中，貝加萊將集成“eye-hand”的手眼標(biāo)定技術(shù)，這就是讓機(jī)器人快速去學(xué)習(xí)人在機(jī)器人與機(jī)器中心、路徑等方面的能力。它將降低機(jī)器人在生產(chǎn)變化中的示教時(shí)間，減少編程所需的工作，并能夠適應(yīng)快速的生產(chǎn)任務(wù)變化(圖2)。

　　▲圖2：機(jī)器人的眼-手示教

　　■ 集成AI能力的伺服驅(qū)動(dòng)器。在機(jī)器控制中，伺服電機(jī)連接的機(jī)械負(fù)載在速度、加速度變化，以及負(fù)載慣量的變化時(shí)，它都需要更好的控制參數(shù)匹配，以獲得更優(yōu)的控制效果。這關(guān)系到加工精度，單位時(shí)間的產(chǎn)出，也會(huì)因?yàn)榍€的光滑與否關(guān)系機(jī)器的運(yùn)行壽命。通常這些伺服參數(shù)由經(jīng)驗(yàn)豐富的工程師在機(jī)器設(shè)計(jì)時(shí)，為其建模并能夠進(jìn)行良好的控制(圖3)。這樣帶來(lái)的問(wèn)題就是，它比較依賴于電氣工程師對(duì)機(jī)械對(duì)象的理解，而通過(guò)AI可以經(jīng)由電流、速度、位置等反饋，由AI學(xué)習(xí)并訓(xùn)練出優(yōu)化的運(yùn)動(dòng)控制參數(shù)，例如在電子凸輪裁切、各種印刷包裝領(lǐng)域的材料張力閉環(huán)控制、注塑開合模等。

　　▲圖3：AI加持伺服驅(qū)動(dòng)器的參數(shù)自適應(yīng)

　　在貝加萊的持續(xù)創(chuàng)新中，也包括邊緣側(cè)的控制器、AI集成的驅(qū)動(dòng)系統(tǒng)等，未來(lái)AI將更多的融入自動(dòng)化開發(fā)平臺(tái)中，為用戶帶來(lái)更具創(chuàng)新，而又效率更高、成本更低的自動(dòng)化解決方案。