工控未来的四项技术浅析

新一代信息技术与制造业深度融合，正在引发影响深远的产业变革，形成新的生产方式、产业形态、商业模式和经济增长点。各国都在加大科技创新力度。基于信息物理系统的智能装备、智能工厂等智能制造正在引领制造方式变革；网络众包、协同设计、大规模个性化定制、精准供应链管理、全生命周期管理、电子商务等正在重塑产业价值链体系；可穿戴智能产品、智能家电、智能汽车等智能终端产品不断拓展制造业新领域。我国制造业转型升级、创新发展迎来重大机遇。

全球产业竞争格局正在发生重大调整，我国在新一轮发展中面临巨大挑战。国际金融危机发生后，发达国家纷纷实施“再工业化”战略，重塑制造业竞争新优势，加速推进新一轮全球贸易投资新格局。一些发展中国家也在加快谋划和布局，积极参与全球产业再分工，承接产业及资本转移，拓展国际市场空间。我国制造业面临发达国家和其他发展中国家“双向挤压”的严峻挑战，必须放眼全球，加紧战略部署，着眼建设制造强国，固本培元，化挑战为机遇，抢占制造业新一轮竞争制高点。而突破传统自动化的瓶颈主要依靠以下四项技术的吸收和应用。

一、云计算

云计算是分布式处理、并行处理和网格计算的发展，或者说是这些计算机科学概念的商业实现。它的核心是海量数据的存储和计算，特别强调虚拟化技术的应用。简言之，云计算就是一种依托internet的超级计算模型，将巨大的资源联系在一起为用户提供各种IT服务。

例如，云计算模式将来带来自动化软件行业的巨大变革。主要有：

（一）自动化系统的架构将更加灵活，分布式架构将扩展到更大范围。现代的大型工业自动化和信息化项目中，系统变得日益庞大和复杂，现有的网络和系统体系架构已经无法从容应对这些挑战。云计算这一革命性理念的提出，彻底打破了自动化系统中原来的僵化的体系结构。在云计算的系统中，自动化和信息化系统并不是简单运行在某一台固定的计算机上，而是运行于包括Internet在内的整个网络之上，基于整个网络来分配系统的资源及实现各种功能。

（二）海量信息的分析与处理将成为自动化软件的常规功能。

在现代大型自动化项目中，自动化信息化数据量越来越大，用“海量”形容也并不为过。所以目前自动化软件中所用的数据库类型，数据存储模式和数据的读取、查询模式，各项技术目前都在围绕大量数据的准确、及时处理来进行。海量信息的处理，已经成为制约自动化软件发展的瓶颈之一。而在云计算时代，用户可以在不同的层面发挥不同硬件平台和网络的计算能力，可以很容易地利用“云”中的服务(SaaS)，平台(PaaS)和计算硬件及网络资源(IaaS)，充分整合公共网络的计算能力，使得对海量自动化和信息化信息的分析和处理变成现实，满足大规模应用系统的需要，同时也能够实现复杂的自动化信息化系统的控制。

（三）彻底改变工程开发模式。

在云计算时代，工程项目的开发将不再拘泥于单台计算机，SaaS模式使用户可以通过Internet，直接利用自动化软件供应商服务器上的软件进行开发，开发过程在云计算网络中进行，开发完成后，生成可直接运行的工程项目即可。

（四）转变软件供应商的服务模式，降低维护成本。

云计算的模式也将降低软件供应商的服务成本。以往软件供应商需要对运行在各种软硬件环境中的自动化软件进行技术支持与维护，而云计算时代，他们只需要维护本服务器上的一套软件即可。

（五）降低自动化系统对硬件的要求，提升软件的行业地位。

无论是基于企业内部网络的私有云，或与外网有一定连接的混合云，都以动态分配系统计算能力为目的，可以使系统的运算进行地更加平缓稳定，从而在不降低运行效率的前提下，极大地降低企业对硬件系统的要求。众所周知，在目前的自动化系统中，软件处于“灵魂”的地位，但价值却相对低廉，只占5%-10%。在云计算时代，系统对硬件的要求降低，而对软件的要求则越来越高，所以软件在自动化行业中的价值比重和重要性，都将有很大提高。

（六）新技术与新的产品理念将成为竞争的核心。

毫无疑问，云计算模式将来带来自动化软件行业的巨大变革。如何把握IT发展的潮流趋势?如何开发基于云计算的新一代自动化软件?如何将旧的自动化软件版本兼容于云计算平台?如何将传统的自动化工程系统升级为云计算系统?将成为业内企业考虑的首要问题。相信随着云计算技术的日趋成熟及自动化界的努力，我国利用“云计算”的自动化系统的发展将日新月异。这也是中国自动化界应当注意的问题。

二、大数据

中国工程院副院长邬贺铨指出现在全世界新产生的数据量每年增加40%，每两年数据翻一番。2012年、2013年产生数据量总和为1.8ZB，2020年全球数据将达到40ZB，大数据时代到来了。

（一）创建透明度，优化运营效率

在传统的制造企业中，大量的数据分布于企业中的各个部门中，要想在整个企业内及时、快速提取这些数据存在一定的困难。而有了工业大数据，就可以利用大数据技术帮助企业将所有的数据集中在一个平台(云中)上，以此充分整合来自研发、工程、生产部门的数据，创建产品生命周期管理(PLM)平台，对工业产品的生产进行虚拟模型化，优化生产流程，确保企业内的所有部门以相同的数据协同工作，从而提升组织的运营效率，缩短产品的研发与上市时间。

（二）优化供应链，细分市场

利用传感器创造并存储更多数据和出自供应商数据库的数据，制造企业可以实时收集更多准确的运作与绩效数据，不断可以跟踪产品库存和销售价格，而且准确地预测全球不同区域的需求，从而运用数据分析得到更好的决策来优化供应链。制造企业还可以利用大数据技术对客户进行细分，优化生产流程以定制化产品和服务来满足不同用户的不同需求，创造更好的产品。企业不仅可以满足消费者高度个性化的需求，也能够对原材料供应变动和市场需求的变化做出及时的反应和调整，实现产品由大规模趋同性生产向规模化定制生产转变。

三、移动技术和虚拟化　

　　目前在平板电脑或智能手机上访问生产数据，信息和工厂员工已能够实现“移动”并随时随地访问应用程序。未来，很多情况下需要使用云技术处理和存储来自各地的数据，又要在各地实时地使用这些数据。移动技术让人变得机动灵活。人们可以随时随地与任何相关人事联系，可以与全球同事交流分享经验知识、解决业务问题。不管技术专家身在何处，呼叫中心代表都可以实时向其咨询问题，而专家本人也可以随地访问世界上任意地点的设备服务历史以及其它装置的历史，还能够核对工厂更新和其它咨询。例如，很多油井地处分散的偏远地区，过去，技术人员需要奔波于各个油井之间将数据下载到闪存卡中，而现在则可以直接从云端下载数据，通过远程监视设备和过程。他们可以实时生成报告，而不是按天或者按周。　

　　虚拟化可以降低对物理服务器和其它硬件的依赖性，同时节约工厂的能源成本。虚拟化技术还可以改善机器的可靠性，打造低成本高可用性的备份解决方案，同时允许操作系统的多个实例在单一硬件上运行。最新的DCS系统已经应用虚拟化服务器实现更快的处理速度及降低生命周期成本。　　

　　现阶段，每一项自动化技术都已投入使用，但大部分公司至今仍在单一地使用其中某一项技术。一旦公司理念趋于成熟，开始接受这些新技术，就能够出现同时应用所有这些技术的局面。目前，控制层面，最新的PLC、变频等产品都有标准的网络通讯接口，现场设备通过传感器数据采集和联网传输即可实现诊断等智能功能；信息层面，各种数据库软件、制造执行系统、制造运行管理系统、产品生命周期管理软件等，同企业资源规划解决方案连接起来，则实现数据到信息的转换、辅助商业决策；分析运营层面：现有的云平台也具备了远程分析优化的基础和经验；安全层面：业界主流厂商都已与信息安全企业合作推出了实际方案。而未来的挑战主要在于需要在生产工程、机械工程、工艺工程、自动化工程、IT和互联网领域建立起一个共同认可的问题处理方式和标准。