前段时间在e-works讲了《PLC早已不是那个PLC》并写了篇这个主题的文章—在微信公众号流量日薄西山的今时今日居然获得了5800+的阅读，实在是感谢朋友们的关注。但就其实，在这篇关于PLC的文章背后，我真正想说的其实并非PLC还是不是那个PLC，而是想为自动化的工程师也早已不是那个工程师了。

因为，如果PLC像一直被误解为只能做逻辑控制，亦或即使到了今天，它已经发展到了各种智能的形态，亦或AI加持的高级控制器，或云PLC，虚拟PLC-这些外衣，在我看来，都不能阐明自动化这个产业的真正核心价值所在—那就是“工程”及工程师们的卓越工作。

朴实无华的PLC

仅就一个产品或技术而言，PLC与一部现在流行的任一手机的能力相比，应该还挺有些差距的。毕竟，手机有各种概念加持，4G/5G的光环、移动网络、数据连接、视频播放、相机美颜，剪辑视频。相继干掉了CD机、录音机、收音机，固定电话现在也少打了，都改微信了，电视机也基本被手机整的没有什么活路了—就像我得在爱奇艺、腾讯视频等平台买更贵的视频账户。无数APP丰富着人们的生活。与一部手机相比，PLC显得那么朴素的不能再朴素，即使现在用AI加持，云加持，毕竟还没有大规模应用。但是，这手机及手机各种应用开发的电脑、移动通信网络的设备的制造却又从来无法离开PLC。

PLC所拥有的这种制造世界各种产品的能力，机器的逻辑任务、回路调节、传动控制、视觉集成、CNC和机器人、网络通信与管理系统的连接。它默默的运行在每个机器的中，工作在严苛的环境中，指挥着伺服驱动和电机系统精准的定位、同步加工，它操控着机器的数据流动，从现场到ERP/MES，它无所不在的存在于制造业的每个领域。

图1-电柜里一个普通的PLC让机器高效运行

这就是PLC，一个朴实无华的产品，却是我们这个琳琅满目世界背后的沉默的力量—而创造和驱动这个力量的，就是来自自动化行业，以及在各个垂直领域，拥有着数十万，乃至百万的机电工程师们的卓越工作。

每台机器都有它的灵魂

机器是制造业的关键资产，也是完美产品的制造源，今天我们的生活变得更为美好，制造业的背后，都离不开大量部署在工厂里的机器。

早期的机器，就PLC做逻辑控制，加个变频器能够做矢量控制就已经非常高级了，它已经将原来依靠手动操作的机械效率提高了很多倍。今天，这个机器变得更为复杂，适配的材料种类、工艺、传动精度带来的速度，以及灵活性，胜任多种产品的生产，在物理成型机器上，它依赖于工艺与传动控制，使得机器变得更高的适应性。

图2-啤酒与饮料灌装系统

PLC如果只能做逻辑控制，那它就无法应对工艺的复杂变化，它背后其实是关于材料在物理的工作下。通过模具内的成型（注塑、挤出、压铸等）、涂布/涂覆类成型（印刷通过压印油墨到材料上这类印刷设备，复合材料的涂布工艺、电子油墨印刷的柔性混合电子、釉料到陶瓷上、浆料到面料上的印染设备）、金属切削类成型（车铣刨磨、钻孔攻丝等）、金属其他成型（如弹簧、旋压成型、冲压成型—注：金属非材料分离类的成型过程）、材料复合成型（婴儿纸尿裤/护垫、电池叠片）、沉积类（液晶屏、半导体类）、液体容器填充（啤酒饮料、乳制品、药品的液体制剂）、粉体类（压片、陶瓷粉末压铸、金属粉末激光成型）…。

图3-注塑工艺

图4-高速印刷机的控制（色标/张力/套色）

你会发现，每个产品，它都在机器上完成材料的各种成型过程，材料的物理特性千变万化，而这个机器就要能够对这个过程进行响应。并开发相应的程序—其实，所谓的工业Know-How，就是在这个嵌入式系统里运行的“工业软件”—它也是一个个的APP。而这些，根本就不是PLC逻辑控制所能涵盖的—我们说PLC在发展，因为，机器在发展，它的复杂性在不断提高，使得工程师本身就已经要成为一个融合机电传动、工艺算法、信号处理、网络通信、HMI交互—工程师的工作不是一个PLC的逻辑控制能涵盖的。

有一位同事多年前，就说“每台机器都有它的灵魂”，我们今天大家经常讲的工艺Know-How就是它的灵魂。它使得机器能够应对各种材料、流程的变化，而能够高品质、低成本的为用户输出产品，这一切都来自于机电工程师他们卓越的工作。并且，随着机器的复杂性的提升，机电工程师里电气工程师的工作附加值越来越高，也变得越来越重要。

工程师的工作即是创新

人们对于“创新”似乎有一种“神圣”的认知，认为它必然是要有那种颠覆性-似乎0-1才能称为“创新”。就像数码相机颠覆胶卷，智能手机将功能手机打入历史。其实，工程师的工作本身就是创造性的-科学在探索（Discovery）而工程则在创造（Innovation），形成的结果称为技术（Technology）。我们经常讲“科技”，其实，科学和技术之间的桥梁就是“工程”。解决复杂问题，就是借助于工程思想，将复杂问题拆分为简单的问题，然后去在约束条件下工作，获得新的组合。这就是工程师的工作。

图6-科学工程与技术的关系

无论是哪个工业领域，例如在离散制造业，如前所说，它基本上都是在对材料进行物理的成型加工—通常来说，这里有不同的材料在各种物理变量，例如温度、压力/牵引力、电磁力等物理场下的形变，流动特性、表面张力、内部分子结构的变化引发的力学变化—这种变化需要被稳定的控制下来，形成可用的产品特性，例如圆珠笔的笔尖上的油墨在滑动中的流动特性、液体灌装中因为液体粘度造成的流动速度变化，以及在纸张中组分的混合带来的吸附特性。这种特性在各种物理动作下的稳定可控区间，以及在加工完成后金属的应力消除、混凝土的内部结构的重新回复稳态下的变形是否可控—就像弹簧加工完成后的弹力回复需要过冲的力量，包括热处理对它的影响。

图7-工程总是在收敛的过程

大学对PLC似乎总有一种它并不高级的错觉，论文的标题都必须得加上“智能”、“神经网络”、“多模态”等高端大气上档次的术语，才能显得高级。如果有人用PLC做个项目写个论文，就会瞬间有种难登大雅之堂的感觉—一般来说，这个论文要是真的想特别的高级，那往往不是因为PLC编程，而是对这个应用中的工艺控制核心算法的理解，才能有价值。但是，对PLC背后的这些工程师的工作，我是很清楚的—其实，PLC正在让工程师们的才华发挥，以实现更为高效的机器生产。

因此，PLC开发算法这样的事情，就是很早就存在的需求。PLC的逻辑编程这件事情，其实只是PLC的“基操”，PLC能干的事情远超想象。

PLC的形态发生变化的背后

其实，PLC在过去的20年里，发生的巨大的变化，首先，在PLC作为一种产品来说，它就具有非常大的变化了。这背后每一个设计，都来自于工程师为了解决现场的实际问题。

为什么算法设计成为了关键？

其实，早期的PLC仅逻辑控制，这是与机器本身的阶段是有关系的。但同时，由于这个原因，在各个领域里产生了各种“专用型控制器”—这些控制器通常都是因为PLC无法做高级算法、高速采样而造成的。比较典型的就是CNC和机器人，前者因为有齐次变换，后者则是插补算法的计算需求。在各个领域，其实，都存在这样的专用控制器，像工程机械里的防摇系统、防倾翻、沥青摊铺的找平计算，还有以往的印刷套色、纺织里的自调匀整、燃气轮机里的点火控制等等。各行各业，其实传统的确存在这个受限于PLC逻辑控制的难题而带来的专用型控制器的问题。专用控制器通常因为批量—不像标准控制器批量大，因此往往价格比较高。而且专用控制器从采用的技术通常也是DSP、FPGA等硬件封装形式，或者采用PC+RTOS的架构。这些通常都是相对封闭的专用系统。因为，这些专用控制器它都隐藏在各个特别细分的领域，一般也不为人所知—除非专注于非常细分市场的企业才会了解。

图8-制造业广泛的复杂性需求

因此，在90年代，像贝加莱这样的自动化厂商就扛起了“开放自动化”的大旗，开放自动化它的本意在于“采用通用的硬件架构”如Intel、ARM这种在消费市场已经大量采用的硬件架构。“通用编程”工具如C/C++，来实现“开放”的应用，这里的开放指可以被“自定义”—即，不是像传统的系统，它的软件都是被封装的黑盒子，无法被灵活的修改。这一个迫切的需求，正来自于机器的复杂性的变化，以及客户场景的变化。当然，今天开放自动化的疆域更为广阔，开始渗透到数字化连接、AI、机器人、视觉等更为广泛的集成。

开放自动化的确改变了传统的“专用型控制器”的市场，包括今天，其实机器人、CNC都可以用PLC来控制。包括原有的很多传统的专用控制器，也逐渐被通用的PLC所替代—因此，才变得更为经济。

创新在于融合并解决问题

自动化行业自身的创新，它的核心在于“用户需求”和“横向科技”—简而言之，即，用更为开放、经济的资源，通过工程创新的工具平台，来解决用户的工程难题。

因此，对于自动化的工程师，他们的关注点就是“行业需求的演进”和“横向科技”的演进，将这些新的技术融入到自动化的硬件、软件平台。让用户能够更为高效的开发他们“不断变化”的机器。

创新，通常并不一定要使用最为前沿的技术，而是适用“最为经济”的技术—这其实是工程的本质决定的。因为，工程相对于科学是收敛的…科学探索寻找各种可能性，去向外延展，而工程则相反，它是收敛的—它在各种可能性中，寻找最经济的路径。这包括，是否最低的成本、最易于实现的材料、最快的过程、最小的材料消耗、最小的人工消耗、最小的占地面积…因此，工程它始终在寻找“最优”的路径，而且，这个路径没有结束的时候…。

图9-工程本身就是跨界融合的创新

当然，衡量创新的标准不是技术多么牛，而是商业的成功—这与科学不同，科学可能关注未来数十年后的事情，但工程则关注当下解决实际问题，并产生商业价值—如果没有商业价值，任何技术都会失去意义，那就是失败的项目。

PLC像数字智能方向的演进

PLC就实现而言，逐渐向数字化靠近—因此，我们会发现实现IT与OT融合，有两个力量在共同努力。一方面，IT开始自上而下地将技术伸向制造现场，而另一方面，OT端的自动化也正在扩展其原有系统的能力，向IT侧扩张。

PLC与 PC融合，包括PLC向云端化、AI化的发展，其实都是来自于制造现场的用户需求的演进—所以，如果关注制造现场的需求演进，就会明白-PLC向哪里发展。对于任何关于各种控制器的争议，其实本身没有意义—真正的意义是它是否经济的解决了用户的难题？

PLC的演变，都是为了实现用户控制到计算融合的演进。通常意义来说，控制（Control）指的是“周期性任务”，这个是基于“负反馈闭环控制”、“等时同步”的思想而设计。而计算(Computing)，基于“数据”而非“信号”—因此，控制和计算是在机器上的两个概念。这就是为什么PLC要和PC融合的原因，因为，他们需要处理两个不同类型的任务，计算类任务通常不是直接的信号控制，如逻辑输入输出，PID调节，传动控制，而是诸如“路径规划”、“优化”、“策略”等任务，像OEE计算、能源计量，在纺织里的意匠图、异形玻璃切割的优化、印刷里的拼版、折页配页计算，在电池里的缺陷检测及推理分析、各种视觉缺陷检测与分析、调度类任务。

图10-数字化从下而上的发展

这一切的背后，是因为机器作为一个加工本身，也是工厂资产的计算数据源，无论是计算原材料的消耗、良品率、机器资产效率评估（OEE）都需要由PLC提供数据，包括HMI的任务、远程维护的任务、数据下发的任务…每种控制系统的功能设计，其实，都是来自于制造工厂的品质、成本、交付任务的需求。

PLC背后的技术演进，是产业升级的需求驱动下的进化—而这一切除了伴随自动化产品和技术本身的变化，其实，也包括了工程师这个职业本身能力的需求的演进，以及在更大的背后，则是作为一个服务产业，它本身的演进。

自动化工程师的能力需求演进

回到这里，我们就说另一个问题，自动化工程师也不是那个自动化工程师了。

首先：如果PLC就是做逻辑控制，那是极大的低估了自动化工程师们的价值。如果PLC只能做逻辑控制，写个逻辑任务，这种事根本就不需要“工程师”—只要中专毕业的“技师”即可完成。其实，在国外，早期的PLC编程的确就是在职业类院校培养范围…而电子与电气工程师，专注于开发系统的则需要本科教育。

其次：如果自动化的工程师只是写代码（Coding），那也把自动化工程师的工作给简单化了。甚至有人认为有了生成式AI就会取代很多工程师的工作--，其实AIGC只能辅助工程师在Coding这个环节的工作。而一个工程师，它的工作是一个工程开发过程，工程（Engineering），要包括从概念设计、需求分析、系统搭建、代码开发、测试验证、系列化，以及持续的优化，一方面，它是一个全生命周期概念，另一方面，它是“持续迭代”的过程。编程只是工程师的工作之一，如何选择系统的方案，如何与机械、工艺配合，如何建模仿真测试，并且在工程里还存在“未知之幕”—就是尚未被发现的问题需要解决。比如材料、机械、工艺、电气之间复杂的耦合关系，甚至包括一些科学探索的工作-现场大量的测试才能寻找到变量间的影响关系。

图11-工程过程与能力

易用性，机器的核心代码可能不多，但为了应对各种变化的场景，以及出错和让操作者易用的设计，是机器要不断迭代的—甚至数年、数十年。就像ASML的光刻机，它不是一装上去就很好用的，它也需要不断的迭代，并且，它不是一次就搞定，而是在它的整个生命周期里，都在迭代。

第三：自动化已经不存在全栈工程师，这个词来自于IT。早期如果只是做逻辑，以及算法的话，其实，一个工程师是可以掌控全局的。他既是一个编代码的，还是个HMI画面设计师，他还写网络连接、运动控制的程序，从项目开始到结束，都可以一个人搞定。

今天，这样的工作已经很难了…首先，由于机器和产线集成了更多的机器人，这个时候，就要和机器人的工程师合作。而大量的视觉应用—图像处理，又是一个新的专业领域，又需要视觉的工程师合作，今天，又有像柔性输送技术这样的机电一体化对象的集成—这又需要懂机械的工程师合作。然后，现在用户对于HMI设计也提出了新的需求—这就使得UI工程师也开始在自动化的企业里存在。

再随着AI的应用，更是需要专业的数据科学出身的算法工程师来参与项目。包括数据库专家、网络专家，一起才能更好的工作。

因此，这时候，自动化工程师就需要在原有和机械、工艺打交道的基础上，和多个内部或外部的跨专业的工程师协作，才能更好的开发机器和系统。

因此，工程师，其实无论是在自动化行业的开发自动化系统本身的工程师，还是自动化行业的应用工程师（FAE），或者在机械制造商、终端生产企业的自动化工程师，他们都是一个跨领域、跨专业合作的职业。

这里总结自动化工程师的能力就包括几个方面：

1).跨专业的协同：这里有个问题就是，一个人无法掌握各个专业，但，他需要在共同的工程思想基础上，进行沟通和协调。虽然你不是这个领域的专家，但可能你需要了解基础的这个方向的原理、能力边界，就像很多人问到AI—我觉得不需要掌握具体的算法，但要了解AI的能力边界，优缺点。

在工程教育里工程师的能力首要是“解决复杂问题”，所谓的复杂问题，本身就是机械、电气、工艺三个维度的复杂问题的集合。每个生产的难题背后，其实都是因为材料、工艺、机械的物理关系的耦合造成的—这都是需要跨专业的协同才能进行的。

2).工程思维与效率：工程过程其实是个对效率要求比较高的地方，因为，工程师的工作本身就是在时间、人力资源、材料等多种约束下进行工作。如果工程效率低，其实，本身的研发成本就高。其中最为烧钱的通常在“测试验证”这个阶段，如果不采用一些建模仿真的方法、并行工程的方法，就会导致成本高，且周期拉长。因此，工程师通常需要良好的项目管理能力。

工程师的工作就是“设计”—这是一种有意识的创造性过程。它因此，也是特别需要“智慧”的—因为，很多是需要在复杂的变化中寻找“路径”的过程。而背后的机理和相关性逻辑甚至很多时候它并非清晰的—科学了解的世界是极为有限的。工程本身就包括了一些探索性的工作—它也需要科学的方法来支持的，包括大胆假设，小心求证的严谨态度。

3).领导力：在欧美的工程教育里，其实，特别强调工程师的领导力-这是因为，工程师他的工作一定是要与其他专业，包括内部外部的团队进行沟通协作的。而且，工程师，他还不仅是一个工程师，很多工程师还会担任小型研发团队的领导，有些工程师还会逐渐成长为产品线研发的总监。而且，很多工业公司的创始人，他们本身就是工程领域的专业出身—如何管理一群技术大拿，在一起工作，并高效的、开创性的设计出成功的产品。本身就是需要卓越的领导力的。

图12-工程师可以广泛的适应性

并不是领导才需要领导力，而是所有的人都需要领导力—因为，在一个复杂的世界里，沟通与协作是每天的工作常态。

写在最后

其实，我们本身就从事的为产业装备开发系统的服务，这使得我能够看到在这个过程中，工程及工程师们的工作。这是为什么在写《PLC早已不是那个PLC》文章时，我感受最深就是，其实，真正的价值来自于工程师卓越的工作。

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。