1  制造業(yè)轉(zhuǎn)型的商業(yè)目標(biāo)分析

在施振榮早年間提到的“微笑曲線”中，制造被理解為整個(gè)價(jià)值鏈中價(jià)值含量較低的一環(huán)，如圖1所示。因此，很多美國(guó)企業(yè)都將制造外包給了亞洲地區(qū)的代工廠，保留了價(jià)值更高的環(huán)節(jié)，如設(shè)計(jì)、營(yíng)銷、服務(wù)等。這個(gè)由“代工”發(fā)展起來(lái)的制造環(huán)節(jié)的確利潤(rùn)較為薄弱。然而，當(dāng)中國(guó)本土企業(yè)開(kāi)始從代工轉(zhuǎn)向自主設(shè)計(jì)與制造，以及提升自身產(chǎn)品技術(shù)的全周期能力的時(shí)候，制造便不再可有可無(wú)，而是實(shí)現(xiàn)其價(jià)值能力的關(guān)鍵一環(huán)。

圖1 微笑曲線

其實(shí)，如果仔細(xì)去分析一個(gè)產(chǎn)品，無(wú)論是一部手機(jī)、一輛汽車，甚至一個(gè)汽車輪胎，基礎(chǔ)原材料通常來(lái)自于流程工業(yè)，例如塑料顆粒、紙張、油墨、添加劑、催化劑、金屬材料等，而這些材料進(jìn)入離散制造場(chǎng)景，先需要經(jīng)過(guò)材料的成型工藝，  再進(jìn)行組裝，因此，全流程的制造包含了流程工藝、成型工藝、組裝工藝三部分。

“制造”不值錢是較為片面的認(rèn)識(shí)，可能過(guò)去對(duì)制造的理解更多在“組裝”這個(gè)環(huán)節(jié)，但是，離散制造的“成型”環(huán)節(jié)卻是真正高價(jià)值的。為何我們一談到光刻機(jī)、高精度機(jī)床等裝備，就遇到至今難以攻克的問(wèn)題，導(dǎo)致我們的產(chǎn)業(yè)鏈只能給“制造”？因?yàn)榇蠹液鲆暳艘粋€(gè)很重要的環(huán)節(jié)，即后道組裝的零配件來(lái)自于前道的“成型工藝裝備”，成型工藝裝備往往需要面對(duì)大量材料在不同的工藝條件（溫度、壓力、速度、加速度等）下的成型問(wèn)題，這需要大量的測(cè)試驗(yàn)證與時(shí)間積累。我們的制造業(yè)直接買進(jìn)口的成型設(shè)備，然后生產(chǎn)出零配件組裝。而組裝往往是“非標(biāo)”的，依賴于人工。今天制造業(yè)所謂的代替人，其實(shí)還是在這個(gè)環(huán)節(jié)解決問(wèn)題，并非在“成型”這項(xiàng)核心工藝上掌握制造的本質(zhì)。

因此，制造業(yè)的轉(zhuǎn)型，從商業(yè)的視角來(lái)說(shuō)，應(yīng)該是要把制造最值錢部分，把握在自己的手里，也即“工藝成型”部分。

2  邊緣計(jì)算—讓制造商掌握Know-How

很多企業(yè)的數(shù)字化轉(zhuǎn)型，都聚焦在數(shù)字化上，其實(shí)，制造業(yè)的本質(zhì)仍然是材料及其成型工藝，真正應(yīng)該做的是借助于數(shù)字化技術(shù)來(lái)提升制造業(yè)工藝水平，而不是為了數(shù)字化而數(shù)字化，忘記了制造的本質(zhì)，其創(chuàng)新都來(lái)自于材料與工藝的變革。數(shù)字化是為制造穩(wěn)定可靠、降低成本提供幫助的工具與手段。

2.1   全局質(zhì)量與效率提升

在現(xiàn)實(shí)的制造中，如光伏、鋰電領(lǐng)域，中國(guó)的制造商其實(shí)正在崛起，這是一個(gè)快速成長(zhǎng)，而又多個(gè)賽道并進(jìn)的行業(yè)，誰(shuí)能制造出更高良率、更低成本，以獲得均量化度電成本（Levelized Cost of Energy，LCOE）的更小值，才能贏得市場(chǎng)。制造工藝與技術(shù)的進(jìn)步，將有效提升制造業(yè)的競(jìng)爭(zhēng)力，今天，制造的能力已經(jīng)成為了這幾個(gè)領(lǐng)域中國(guó)企業(yè)的主戰(zhàn)場(chǎng)。

邊緣計(jì)算架構(gòu)成為如何為制造業(yè)帶來(lái)大閉環(huán)下質(zhì)量提升、效率提升的關(guān)鍵。以電池制造為例，通過(guò)大量的物理與數(shù)據(jù)建模，必須對(duì)電池影響質(zhì)量的因素進(jìn)行分析，以獲得質(zhì)量改進(jìn)的方向，并向自動(dòng)化系統(tǒng)提出調(diào)整的最佳工藝參數(shù)，這樣，就可以在更小的批量范圍內(nèi)優(yōu)化質(zhì)量，以滿足電池行業(yè)ppm乃至ppb級(jí)的質(zhì)量要求，0.1%的良率提升、1%的產(chǎn)能利用率優(yōu)化，  對(duì)于產(chǎn)能巨大的電池制造業(yè)來(lái)說(shuō)，都意味著競(jìng)爭(zhēng)力的提升。

圖2是產(chǎn)線集成中的邊緣計(jì)算架構(gòu)，通常基于視覺(jué)采樣的極片與隔膜材料對(duì)齊、材料表面毛刺等缺陷，邊緣側(cè)的系統(tǒng)將通過(guò)學(xué)習(xí)掌握這些信息，利用實(shí)時(shí)數(shù)據(jù)可對(duì)其進(jìn)行趨勢(shì)性、相關(guān)性的分析，找出引發(fā)故障原因并做出對(duì)應(yīng)調(diào)整，從而實(shí)現(xiàn)最小的品質(zhì)迭代周期，并實(shí)時(shí)對(duì)不良品予以剔除，確保品質(zhì)的穩(wěn)定與可靠。

這一架構(gòu)使得制造商本身也能掌握影響品質(zhì)、生產(chǎn)效率、計(jì)劃等問(wèn)題的Know-How，并形成可復(fù)制的知識(shí)，在其內(nèi)部不同的制造工廠復(fù)用。這樣，制造商就會(huì)突破原來(lái)僅來(lái)料加工這種缺乏自主工藝知識(shí)掌控的局面，從而在制造端獲得競(jìng)爭(zhēng)力，這樣才能兌現(xiàn)來(lái)自商業(yè)端的競(jìng)爭(zhēng)力。

針對(duì)鋰電的生產(chǎn)，多設(shè)備協(xié)同，以及不同的設(shè)備來(lái)自不同的廠商，需解決以下問(wèn)題：

（1）在多廠商數(shù)據(jù)上行傳輸中的數(shù)據(jù)建模問(wèn)題。可以通過(guò)OPC UA的規(guī)范，以及行業(yè)信息模型，包括PackML（包裝類）、EUROMAP（塑料成型類）、Utimat（機(jī)床類）、機(jī)器人連接、視覺(jué)連接、編碼系統(tǒng)等簡(jiǎn)化工程訪問(wèn)和數(shù)據(jù)訪問(wèn)接口編程方面的工作量。

（2）視覺(jué)缺陷檢測(cè)到后道，快速反饋給前道的調(diào)整。需要高速上行和下行數(shù)據(jù)傳輸實(shí)時(shí)性，依靠TSN來(lái)提供任務(wù)支持，TSN簡(jiǎn)化了原有網(wǎng)絡(luò)的多樣性，避免多種網(wǎng)絡(luò)需要多種設(shè)備轉(zhuǎn)換模塊。

目前這個(gè)邊緣架構(gòu)需求在各種具有連續(xù)性生產(chǎn)的離散制造（如鋰電、光伏、燃料電池、半導(dǎo)體行業(yè)等）具有普遍意義。

圖2 產(chǎn)線集成中的邊緣計(jì)算架構(gòu)

2.2   將隱性知識(shí)轉(zhuǎn)為顯性知識(shí)

傳統(tǒng)離散制造業(yè)，在大規(guī)模生產(chǎn)時(shí)，會(huì)有參數(shù)試教的問(wèn)題，這依賴于人工對(duì)參數(shù)的調(diào)試，或稱為“試湊法”。在大規(guī)模制造的時(shí)候，初始的試湊帶來(lái)的成本損耗，相對(duì)于其長(zhǎng)久的制造過(guò)程來(lái)說(shuō)，可以忽略不計(jì)，例如：為空氣開(kāi)關(guān)提供的彈簧或?yàn)榇矇|提供的彈簧，往往機(jī)器一次調(diào)校后，就可持續(xù)每天生產(chǎn)10余小時(shí)，周期達(dá)1個(gè)月乃至更長(zhǎng)，因此，其對(duì)于參數(shù)的自適應(yīng)，本身的需求就顯得不那么迫切。

而個(gè)性化定制將會(huì)使試湊的成本成倍、數(shù)十倍甚至百倍地放大，例如：對(duì)于10000個(gè)產(chǎn)品訂單來(lái)說(shuō)，開(kāi)機(jī)浪費(fèi)10個(gè)可以接受，  而1000個(gè)訂單仍舊有10個(gè)開(kāi)機(jī)浪費(fèi)就難以承受，因?yàn)椴涣计仿史糯罅?0倍，如果訂單再小，那么不良品率就更大。

離散制造業(yè)發(fā)展趨勢(shì)即個(gè)性化，因此參數(shù)的自適應(yīng)與匹配很重要，而通過(guò)構(gòu)建的邊緣架構(gòu)來(lái)優(yōu)化參數(shù)，調(diào)度的效率就成為了企業(yè)競(jìng)爭(zhēng)的關(guān)鍵。

在輪胎的生產(chǎn)中，內(nèi)部的加工是否滿足質(zhì)量要求，通常需要大量的檢測(cè)，  X光檢測(cè)提供的圖像由人工進(jìn)行判斷，這樣的方式耗費(fèi)體力，也依賴于經(jīng)驗(yàn)，而經(jīng)驗(yàn)就是隱性知識(shí)，這種隱性知識(shí)在各個(gè)行業(yè)都存在，例如半導(dǎo)體的缺陷識(shí)別、塑料制品等。圖3是基于深度學(xué)習(xí)的輪胎缺陷檢測(cè)應(yīng)用，貝加萊的PC基于邊緣計(jì)算架構(gòu)來(lái)實(shí)現(xiàn)工業(yè)的AI視覺(jué)缺陷檢測(cè)與分析。

圖3 基于深度學(xué)習(xí)的輪胎缺陷檢測(cè)

在通過(guò)X光機(jī)獲得輪胎的成像信息后，  學(xué)習(xí)系統(tǒng)將代替人工對(duì)缺陷進(jìn)行分析，在鋼絲圈的纏繞過(guò)程中，機(jī)器狀態(tài)或生產(chǎn)中的異常帶來(lái)非常多的缺陷問(wèn)題，例如鋼絲圈的纏繞層次偏差、異物、不均勻的排列、疊加、突出、翹起、異常彎曲干擾其他鋼絲、氣泡等；而輪胎內(nèi)部的簾子線、鋼絲圈、橡膠材料的特性，  使得其X光成像會(huì)有各向異性的紋理，而這些紋理又會(huì)對(duì)圖像的判斷形成干擾，造成系統(tǒng)誤判。

而基于深度學(xué)習(xí)的方法可以利用濾波算法對(duì)這些不同缺陷的相關(guān)要素進(jìn)行特征提取，從這些復(fù)雜的圖像中尋找到缺陷點(diǎn)，對(duì)缺陷點(diǎn)進(jìn)行聚類，標(biāo)定其尺寸規(guī)格，從而最終對(duì)輪胎的質(zhì)量、等級(jí)做出評(píng)判，決定是否歸為廢品，并反饋給制造系統(tǒng)持續(xù)改善。

關(guān)于邊緣計(jì)算的商業(yè)價(jià)值有很多討論，本文僅通過(guò)簡(jiǎn)單案例從其對(duì)離散制造品質(zhì)的提升來(lái)分析。

3  邊緣計(jì)算工程實(shí)施成本

邊緣架構(gòu)實(shí)現(xiàn)涉及到大量的工程集成，包括設(shè)備之間的互聯(lián)、機(jī)器與產(chǎn)線到管理系統(tǒng)之間的雙向交互，或者從邊緣到云端之間的信息集成問(wèn)題。現(xiàn)在邊緣計(jì)算成為工業(yè)互聯(lián)網(wǎng)實(shí)現(xiàn)的關(guān)鍵一環(huán)。但是，對(duì)于制造業(yè)而言，如果技術(shù)實(shí)現(xiàn)缺乏經(jīng)濟(jì)性，則很難推進(jìn)，而對(duì)于邊緣計(jì)算的商業(yè)化推進(jìn)，必須從“可復(fù)制性”的視角來(lái)考慮，即如何讓整個(gè)架構(gòu)能夠獲得易用性可被快速?gòu)?fù)制，從一個(gè)行業(yè)推廣到其它行業(yè)，而不是被割裂在每個(gè)垂直的應(yīng)用領(lǐng)域。

3.1   OPC UA用于簡(jiǎn)化連接問(wèn)題

很多人將OPC  UA理解為“技術(shù)”、“通信規(guī)約”，實(shí)際上，這都是對(duì)其商業(yè)價(jià)值的低估。離散制造的集成必然涉及網(wǎng)絡(luò)連接、數(shù)據(jù)訪問(wèn)，以及設(shè)備與設(shè)備、設(shè)備與系統(tǒng)間的協(xié)同問(wèn)題。如果沒(méi)有一個(gè)簡(jiǎn)單的模型交互數(shù)據(jù)，那么，這幾乎無(wú)法完成，或者需要大量的工程才能解決。而OPC UA就扮演了這個(gè)角色，在機(jī)器間，構(gòu)建了一個(gè)統(tǒng)一交互信息的規(guī)則與框架，然后，在這個(gè)接口的銜接下，對(duì)任務(wù)的編程變得簡(jiǎn)單，因?yàn)椋瑥?fù)雜系統(tǒng)只需遵循簡(jiǎn)單規(guī)則，即協(xié)作的機(jī)器之間只需要“邏輯”上的簡(jiǎn)單規(guī)則，通過(guò)TSN的周期性數(shù)據(jù)采集與傳輸，就可以解決一個(gè)大系統(tǒng)的智能運(yùn)行問(wèn)題。

OPC UA使得數(shù)字化設(shè)計(jì)類、建模仿真類軟件如MATLAB/Simulink與貝加萊的Automation Studio或西門子的Portal這類運(yùn)行端軟件之間形成協(xié)作，OPC UA可以擴(kuò)展至更多的范圍，包括MapleSim、CATIA等CAD/CAE、EDA類軟件與現(xiàn)場(chǎng)運(yùn)行時(shí)（Runtime）的交互，可以實(shí)現(xiàn)數(shù)字化測(cè)試驗(yàn)證，以及數(shù)字孿生體持續(xù)改善提供基礎(chǔ)實(shí)現(xiàn)架構(gòu)。如圖4所示。

圖4 OPC UA可以為各個(gè)集成實(shí)現(xiàn)信息建模與連接

回到一個(gè)機(jī)器的控制任務(wù)循環(huán)，再去思考比機(jī)器更大的工廠循環(huán)，就明白在工廠的連接及運(yùn)行中OPC UA over TSN的作用了。

3.2   數(shù)字孿生與持續(xù)改善

復(fù)雜系統(tǒng)的復(fù)雜在于變化，對(duì)于傳統(tǒng)大規(guī)模生產(chǎn)來(lái)說(shuō)，機(jī)理建模構(gòu)建一個(gè)閉環(huán)就可以保持運(yùn)營(yíng)，只要讓這個(gè)閉環(huán)系統(tǒng)穩(wěn)定、可靠，就能不斷地通過(guò)規(guī)模來(lái)降低成本。但是，對(duì)于一個(gè)個(gè)性化生產(chǎn)系統(tǒng)，它的復(fù)雜在于“變化”，無(wú)法用一個(gè)確定的策略來(lái)對(duì)待，這時(shí)就需要一個(gè)“框架”來(lái)把這個(gè)不確定性收斂起來(lái)，降低不確定性。

數(shù)字孿生系統(tǒng)通過(guò)一個(gè)數(shù)字系統(tǒng)來(lái)映射，并通過(guò)“知”和“行”的反復(fù)對(duì)比，通過(guò)數(shù)據(jù)建模方式，動(dòng)態(tài)地觀察運(yùn)行系統(tǒng)的規(guī)律，形成新的知識(shí)，對(duì)這個(gè)運(yùn)行系統(tǒng)影響質(zhì)量、成本、效率的相關(guān)性進(jìn)行分析，并不斷去收斂。

因此，數(shù)字孿生通過(guò)一個(gè)可持續(xù)改進(jìn)的運(yùn)行機(jī)制把復(fù)雜、不確定的問(wèn)題收斂穩(wěn)定下來(lái)，也是讓復(fù)雜的、不確定的問(wèn)題變?yōu)楹?jiǎn)單的、可復(fù)制的。圖5是整個(gè)邊緣計(jì)算架構(gòu)的功能概要，即數(shù)字連接與集成、邊緣計(jì)算架構(gòu)支撐數(shù)據(jù)服務(wù)與應(yīng)用開(kāi)發(fā)，而數(shù)字孿生與數(shù)據(jù)驅(qū)動(dòng)建模實(shí)現(xiàn)持續(xù)的改善。

圖5 整個(gè)邊緣計(jì)算架構(gòu)

因此，邊緣計(jì)算最終目的是改善用戶的品質(zhì)，以及降低工程實(shí)現(xiàn)的成本。

4  工業(yè)自動(dòng)化視角的邊緣計(jì)算架構(gòu)

自動(dòng)化廠商有更好的架構(gòu)來(lái)支撐邊緣計(jì)算的實(shí)現(xiàn)。相對(duì)而言，邊緣計(jì)算更多是軟件層面的應(yīng)用，而原有的開(kāi)放架構(gòu)的PLC、PC本身就可以以嵌入式或開(kāi)放架構(gòu)來(lái)實(shí)現(xiàn)這些任務(wù)。

貝加萊的控制器除了嵌入式實(shí)時(shí)操作系統(tǒng)的PLC，也有PC架構(gòu)的控制器，但是，貝加萊的PC架構(gòu)采用的并非是Windows+實(shí)時(shí)擴(kuò)展的架構(gòu)，而是多核處理器中的資源分配，  例如Intel Core i、Intel Apollo Lake這樣的處理器，多核處理器分別運(yùn)行Windows/Linux、RTOS，因?yàn)镽TOS核不會(huì)受到Windows系統(tǒng)宕機(jī)的影響，這個(gè)架構(gòu)比當(dāng)前Windows+RTE的方式具有更強(qiáng)的性能和更高的可靠性。如圖6所示。

圖6 貝加萊作為自動(dòng)化廠商的計(jì)算架構(gòu)

今天，PC控制還是PLC控制完全由應(yīng)用的需求來(lái)決定，對(duì)于簡(jiǎn)單的機(jī)器控制，則PLC勝任。但是，當(dāng)我們需要增強(qiáng)數(shù)據(jù)能力、圖形處理、邊緣算法、AI應(yīng)用的時(shí)候，PC架構(gòu)就會(huì)發(fā)揮其作用，因?yàn)樵谶@個(gè)架構(gòu)里PC本身就有一些本地訓(xùn)練和本地推理的能力，對(duì)于一些要求不高的AI應(yīng)用，PC即可處理，而貝加萊這個(gè)架構(gòu)的優(yōu)勢(shì)在于，PC處理的結(jié)果馬上可以讓PLC執(zhí)行。如果我們需要更強(qiáng)的本地推理，可以采用華為、Intel、Halo等PCIe接口的AI加速器來(lái)增強(qiáng)其性能。此外，對(duì)于長(zhǎng)周期大容量數(shù)據(jù)的訓(xùn)練而言，其實(shí)也可以基于OPCUA Pub/Sub機(jī)制與云端架構(gòu)連接，  將數(shù)據(jù)發(fā)送給云端處理，將訓(xùn)練模型部署于本地PC然后進(jìn)行本地推理。

這種架構(gòu)通常可以為機(jī)械制造商提供工藝的集成設(shè)計(jì)，將原有控制與計(jì)算集成整體更經(jīng)濟(jì)地實(shí)現(xiàn)。架構(gòu)本身具有豐富的總線連接底層設(shè)備能力，各種信號(hào)實(shí)時(shí)采集與處理，原有的控制任務(wù)閉環(huán)模型清晰，可以直接觀測(cè)這些運(yùn)行過(guò)程，通過(guò)OPC UA與管理系統(tǒng)交互，反饋現(xiàn)場(chǎng)情況并接受指令，形成機(jī)器邊緣計(jì)算與控制的集成。 

作者簡(jiǎn)介：

宋華振  （1975-），男，陜西咸陽(yáng)人，碩士，現(xiàn)任貝加萊工業(yè)自動(dòng)化（中國(guó)）有限公司技術(shù)傳播經(jīng)理，主要從事工業(yè)通信技術(shù)、行業(yè)解決方案推廣。兼任SAC/TC124/SC4委員、SAC/TC159/WG18委員、邊緣計(jì)算產(chǎn)業(yè)聯(lián)盟專家委員會(huì)專家、自動(dòng)化學(xué)會(huì)集成自動(dòng)化分委會(huì)委員，曾參與出版《面向中國(guó)制造業(yè)2025的智能化轉(zhuǎn)型》、《美國(guó)制造創(chuàng)新網(wǎng)絡(luò)研究院解讀》等書籍。

摘自《自動(dòng)化博覽》2022年2月刊