在7月3日华为主办的OPC Day在红枫万豪酒店举办，有幸与来自OPC UA基金会、华为、微软、SAP等业界知名专家共同分享OPC UA相关概念，我的演讲主要聚焦在OPC UA对于我们实现智能工厂的价值分析上，希望借助于此，让更多的人理解OPC UA是一个关键的迈向智能时代的规范与标准，它不是一个技术，而是技术的融合，它也不是产品，而是赋予产品灵魂，它是标准与规范，让大家一起工作的时候有章可循，有法可依。

图1-制造业面临的挑战

今天，我们来阐述制造业现在所面临的挑战，我们需要在需求与方案之间建立关联，了解了”Why”，我们更易于理解How & What的问题，图1是几点描述。

1.客户的需求是谁可以提供更为快交付，以及快速应对变化的方案，就像有新的手机出现，马上就要有新的产线来胜任这个生产的组织，而这里可能会有大量的测试验证过程也要被快速实现；

2.机器变得更为复杂，在传统上，机器一个PLC的逻辑控制+变频器传动即可，而今天的机器有机器人、CNC、安全、复杂的传感器来自不同的通信接口连接，而又需要将质量、工艺与之融合，就像弹簧机需要材料的不同形变的工程库，而烫金需要专门的跳步算法—这些都是机器的工艺决定的。

3.随着机器变得复杂，而用户却需要更为简单的操作、运行维护的系统，如果一个维护不能简单，那么可能需要非常多的时间查清问题，而这浪费的时间会是巨大的成本；

4.从单机到连线，才能寻找机器在其中的时间、节拍来发挥最大的效能，连接包含了多个层次，（1）通过连接发现问题，（2）通过连接实现全局的观测，（3）.通过连接实现物流、信息流、价值流的优化；

图2-自动化技术的发展趋势

自动化技术也在发生着趋势，具体的技术不深入，如图2，仅就大的趋势而言说明几点，1.设计概念的变化，在于我们会借助于更多的建模仿真来进行早期的验证，虚拟的调试，以降低成本，包括测试验证的成本，因为变化的订单需要新的工艺参数支持，而这个参数是否最优也决定着系统的品质成本。2.越来越多的数学方法用于解决工业问题，包括MPC、拟合、机器学习等，其实这些都是数学问题，不同的数学解决不同类型的问题，就像微积分解决连续的控制，而离散数学解决逻辑，CNC的插补，机器人的齐次变换，概率统计用于解决实际的偏差问题。3.IT和OT的融合，一方面，IT开始向OT延伸，而另一方面，OT也不断的融合IT技术，将连接、计算扩张到新的领域，4.知识自动化，在于通过快速的模块化软件设计来提高软件复用性，以降低软件开发与测试的成本。

图3-精益、自动化、信息化与智能化之间的关系

图3是根源性的Why的一个关键的描述，我们可以在左侧看到精益生产、自动化、信息化、智能化之间的关系，我们梳理这个关系的目的在于，必须明确，所有的都是围绕着制造的成本、质量与交付能力来服务的，就像自动化在大部分时间通过伺服系统、PID控制来实现品质成本与交付，而信息化例如今天我们讨论的边缘计算，实际上就是借助于IT开放的资源与技术来实现更为全局的优化，策略问题，同样是为了生产的品质，效率的提升，而智能化，我们可以理解为在原有的模型基础上，针对无模型的非线性任务进行基于学习、分析的数据驱动型应用，例如预测性维护，参数寻优了，数字孪生来实现虚拟与数字的交互，来降低测试验证的成本。

图4-物联网推进的关键障碍

阻碍IoT推进的主要因素应该可以看到是缺乏互操作性的标准，这个访问主要体现在IoT，作为借鉴，其实在工业里这个问题更为严重，因为电信领域里玩家不多，因此容易统一，当然主要是因为用户就几大家，话语权也重，反倒容易达成一致，但是，工业领域这个就比价困难，因为太多的自动化厂商，而且，大家都各自有各自的历史渊源，技术思想和实现方案，因此导致了太多的现场总线技术出现。

图4是世界经济论坛2014年就物联网发展的障碍调研，但这一点没有过时，目前工业场景一样是这样的问题，这来自于大量的现场实施反馈。

图5-采用OPC UA的理由

OPC UA对于我们而言，前面专家肯定讲过了，我想说他是一种智慧，而另一个方面，它也是一种必然的路径，我们分析过各种对应的互操作机制，FDT/DTM、DDS、MQTT、AMQP等，各自都有一些优点，不过，要论到在制造业，可能OPC UA的信息模型就占了很大的优势，为什么说这是智慧呢？因为，这些模型来自于我们在过去的很多年里对各种已有技术的融合，并针对行业指定了信息模型，信息模型的意义在于降低我们工程量，就像当年现场总线的出现降低了25%的工程量一样，如果你不采用OPC UA是否也可以连接呢？当然可以，我想告诉你组态王的库里有5000多种针对不同的总线协议的驱动，你都需要去配置，这个工作量使得我们今天推进工业互联网完全失去了经济性，因为，你不可能养这么多的工程师去写一段段的程序来读取参数，而这些参数是人家经过数十年建立的，就像我们与人沟通，为了描述一件事情，就需要5W2H的方法一样，5W2H就是一种信息模型，让我们在人际之间进行沟通的时候能够快速的把一件事情描述清楚。

图5中，我们列举了各种OPC UA采用的理由，不过，最大的理由就是“经济性”—它将大幅降低互联中的成本，这是最为关键，也是最为有吸引力的。

图6-贝加莱mappVIEW采用OPC UA实现丰富的HMI

我们以贝加莱的mappVIEW的人机界面设计软件为例，它可以设计非常漂亮的画面，显然传统的PLC与HMI之间是一种绑定关系，而程序的修改意味着HMI的修改，而HMI的修改又意味着程序的修改，但是，有了OPC UA作为中间隔离层，程序运行的结果可以格式化的写入Server，而不同的Client，可以是P30 Pro，也可以是Surface或者一部iPhone，这样他们就可以不同的人访问控制器的参数，而另一方面，原有的嵌入式系统在HMI开发方面显然比不上今天消费电子这方面的用户体验设计，非常多的功能，炫酷的画面设计，都可以通过OPC UA所支持的Web Service/Http来实现传输，着似的mappVIEW这样的设计让机器和系统变得更为高端大气上档次，也更直观易于理解-毕竟对工业好看是非主要需求，但是，易于理解则是必要性非常高的。

图7-数字孪生中的交互

数字孪生是一个非常好的场景，在贝加莱的SuperTrak/ACOPOStrak中（图7）我们通过一个MapSim的建模软件对机械系统进行建模而通过控制系统的算法与之融合，并将参数传输给三维软件，这样构成一个数字孪生体，在这个系统里我们可以对现有的产线进行早期验证以及测试，这个好处在于我们可以快速的验证产线的可行性，在生产变更的时候也可以对新的生产进行验证，对于产线集成而言，我们希望这样的数据接口也是标准的，以便设计软件能够与控制系统进行模型的数据交互，反馈现场实体对象的状态，并据此进行调整，分析，那么，如果缺乏统一的接口，那么就会让这个过程需要开发专门的对接接口。

这个问题是普遍存在的，不仅是建模仿真软件，包括ERP、供应链，工艺分析软件都存在着需要统一的数据接口问题，否则，大量的程序代码都需要耗费在这些领域。

图8-MATLAB/Simulink提供了OPC UA的连接接口

图8所示，MATLAB/Simulink建立了基于OPC UA的接口，这样的话，与不同控制器厂商的软件平台如贝加莱的Automation Studio以及SIEMENS的TIA Portal就可以进行沟通，对于用户而言，这是最好的情况，因为，这样他们将不受限于采用什么样的控制系统，包括其它上位软件而言，OPC UA使得他们就可以不用考虑各家的具体软件而建立统一的接口，包括控制系统的实体对象数据可以反馈给建模仿真软件，建模仿真软件可以反馈给下面的软件。

图9-机器学习流程

如图9，进行机器学习人工智能的运算，从这个流程我们可以看到，数据采集后进行处理，包括建模，然后进行数据的处理和训练，测试验证，并运行再进行部署，这样的话我们会发现数据从系统到数据应用的数据库和流数据处理平台之间的关系非常关键，这需要有效的构建生产制造系统与上位的Microsoft Azure云平台、华为云等云计算架构或者诸如SAP的系统间建立连接。

我们需要结构性的数据，因为如果是非结构化数据，那就无法与算法和模型进行有效的对接，需要大量的编程来进行接口连接和测试，而另一个方面，如何获得现场数据，有非常多的总线和应用协议，第三个问题在于数据的价值，必须是与生产运营相关的数据，这些才能具有更好的分析价值。

图10-OPC UA对于人工智能与数据分析的价值贡献

我们来看OPC UA在这其中所扮演的角色，如图10，信息模型为数据的结构化带来了便利，而通过这个结构化以及数据的预先处理可以让数据更为高效的被利用，而不是大量的对接工作，第二个问题是OPC UA所提供的各种Client/Server以及Pub/Sub机制的连接提供了高效的传输，而Pub/Sub机制可以降低数据流量的消耗，提供更好的实时性，包括MQTT、TSN的底层机制都是服务于这些高动态响应的数据连接的，而来自于OPC UA的垂直行业信息模型就可以为我们提供来自于产业有价值的信息模型。

这一点非常关键，那些信息模型是一种“智慧的凝聚”—它代表了工业人在不断的进行生产工艺、运营管理方面的智慧，哪些影响质量、成本、交付能力的因素都被考虑，并且据此建立了各种模型如PID、自适应、MPC等控制模型，包括SPC、OEE的运营管理统计参数，这些信息模型蕴含着宝贵的产业知识。

OPC UA主要目标是让数据 一个规范所谓有法可依！

来源：微信号 说东道西

作者：宋华振

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。