什么是OPCUA

OPCUA是一种工业自动化标准。（就是机器之间的“对话”）

OPC全称是OLE for Process Control。

UA全称是unified architecture（统一架构）。

制造级的数据采集由于垂直行业的差异性一直是一个挑战，而事实上在最近几年运营智能制造的项目中这一问题也比较突出，造成了很大的障碍，这也是为什么OPCUA成为了热点的原因，因为OPCUA解决了以下几个问题：

① 共享数据模型使得数据对象变得简单，可以较为便利的方式对数据进行采集；

② 语义互操作使得跨平台的系统之间可以进行数据基于标准与规范进行交互；

③ 垂直行业信息模型的集成更为垂直方向提供了数据便利。

图1 基于OPCUA/MQTT的制造信息集成

OPCUA提供了通信与设备层的规范，而数据字典则提供了在管理级的信息建模规范，在RAMI4.0的参考模型中包括管理壳（AdministrationShell）、数据字典都解决全局的业务层面的信息标准与模型。这是一种在水平角度的信息集成。

图2 关于智能制造的标准体系架构参考

不仅要梳理数据的传输，也要明白数据的流向—即用途，也是要服务于生产运营的。图2是来自NIST关于智能制造相关的标准，包括从底层的现场总线、信息模型、数据模型、设计、制造各个环节，以全景形式给了我们以参考。

4

智能化--全局优化与决策支持

自动化建立在对单个控制任务的调节，即使多变量系统通常也是在一台机器、一个子系统（如炼化、制药过程）中，而生产的全局优化要在更高维度，而这个时候，计算能力、模型能力已经超出了目前的机理模型。

图3 从精益到智能运营的几个层级

图3全景描绘了从精益到智能的全局过程，数据采集、信息处理、全局利用直到最终的自主学习能力。

因此，总结而言，智能化是必须建立在精益运营、自动化、信息化之上的全局的优化问题，通过更为全局的模型，对市场端的需求拉动、工艺设计与辅助制造、供应链（除了传统意义的供应链还包括智能电网、物流）、生产制造环节、运营维护整个的协同，就形成了整体的基于设备状态、生产订单、能源消耗、财务成本等共同构成的“寻优”，并给予运营“决策支持”。