无缝通信：工业4.0的支柱

想要在当今的工业4.0环境中获得竞争优势就必须确保多种先进技术能够协同工作，涉及云和边缘硬件的混合方案可能是最佳解决方案。

被称为“工业4.0”的制造业的数字化转型，汇集了多类技术，但是竞争优势来自它们能否协同工作。

在工厂车间，变革性技术包括新的感测、控制和通信系统。这些技术还涉及功能安全和电源管理功能，帮助人们更智能地工作并且担当新角色，在某些情况下，可以以更加综合的方式与机器人近距离工作。

我们已越过了早期采用阶段的临界点，各个组织和企业在各自的业务中至少部署了其中一些技术，而对于那些希望进一步采用工业4.0技术的人员来说，下一步需要让这些技术协同工作（见图）。而要实现这一目标需要一个基础来统一其各种智能功能。

这是工厂实现工业4.0技术的示例。

标准和规范对于实现这种统一至关重要。它们不仅使系统可以更有效地交互操作且为制造商创造长期竞争优势，而且还使迭代学习成为可能。互联的分布式设备可为人工智能（AI）和机器学习提供支持，以发展和优化制造操作。

通信实现控制

让制造车间保持运作的技术可分为五大类：通信、感测、控制、安全和电源。这些类别是以前就存在的，但是工业4.0提出了一种可利用各个离散领域创新的无缝通信方案。

如此说来，功能安全和电源管理是制造环境中的关键考虑因素也就不足为奇了。成功实现确保工人安全和节能两个优先事项后，便具有了竞争优势。电源管理还与环境控制有所联系，确保温度和气候条件有利于特定类型的制造。与此同时，工业通信、感测和控制使人们在注重功耗的同时能够安全、高效地工作。

即使技术进步，工业通信仍然是最基本的技术，因为它使单个控制单元可通过网络管理多个输入和输出（I/O）。工厂中的网络控制体系结构包括电机控制、运动控制、机器人技术和经典可编程逻辑控制（PLC）之类等应用。

PLC提供一系列包括测量、温度和位置的状态信息。PLC的现代示例即机器人抓取或修改传送带上的东西。机器人控制是电机控制的特殊版本，其通过自己的感测生态系统控制多轴机器人手臂。机器视觉用于定位机器人手臂，并结合功能安全性，可使操作员监控环境并确保在机器人附近工作人员的安全操作。

这样的安全性和精度水平需要通信和处理能力。例如，德州仪器（TI）的SitaraAM6x处理器系列，具有Arm Cortex-A53和Cortex-R5F内核可实现千兆位工业以太网网络，并包括安全诊断库。Sitara处理器有助于启用功能安全系统并支持智能功能，可动态控制和优化智能工厂中的生产，同时具有高能效。

Sitara处理器构成系统的一部分，具有广泛的交互作用，但是除非各种控制系统可相互通信，否则这些交互作用无法实现。就像时间敏感网络（TSN）和IO-Link之类规范出现前，I/O互联要穿过不同的模拟路径，不同的控制系统独立工作，成为自己独立的活动孤岛。

TSN这套标准属于完整的实时通信所必需的三个主要组件类别：

• 时间同步
• 计划和流量成型
• 选择通信路径、路径保留和容错能力

流量成型与网络中具有不同优先级的以太网数据包相关。与其他数据包（非实时）相比，某些数据包具有更高的优先级（实时）。根据应用的不同，可通过数据包的类型、到达时间或带宽来确定优先级，有时会将流量整形与道路交通HOV车道（穿越交叉路口的快速路径）进行比较。

TSN的名字很贴切，因其了解网络中的所有器件都必须是同步的，无论是PLC还是机器人。此外，每个器件都遵循处理和转发通信数据包的相同规则，并具有冗余以确保容错能力。

国际电工委员会61131-9T建立了双向、数字、点对点IO-Link工业通信网络标准。在短距离内有时甚至在不理想的条件下，IO-Link可将数字传感器和执行器通过有线或无线方式连接到某种类型的工业现场总线或某种类型的工业以太网。

例如，TI的DP83867物理层收发器可满足工业4.0的时间同步需求。但是，它还旨在通过外部变压器直接与双绞线介质连接，从而在恶劣环境中促进10-/100-/1，000-Mb/s以太网局域网的实现。

与TSN一起，IO-Link支持使用可实时生成和使用丰富的数据集的传感器和执行器，这是智能优化制造和支持数字转换所必需的。

统一通信是工业4.0的支柱

通过TSN和IO-Link执行的统一系统通信已实时在将生产系统数字化的领域，实现了许多不同的工业 4.0功能。

它不仅可在一个装配站上快速地完成更多工作，甚至可将这些装配站的控制系统链接起来。统一通信并支持预测性维护以此提高了机器的可用性。用户不仅可以在单个TSN骨干网络上运行包括PLC、运动控制和机器视觉在内的多个控制系统，还可为这些系统提供服务并从中心角度诊断任何问题。现在各个部分都使用相同的语言，而不是使用具有独立通信协议的独立系统。

另外，通过实时数据交换，可实现各个生产区域之间的可比性或兼容性。数据从机器人控制顺畅移动到PLC控制器再到机床，提高了生产系统的整体效率。

此外，工业4.0提供了完全的透明度，因为它将生产数据输入到企业资源规划（ERP）系统中。而且，尽管ERP系统不能直接控制产品在工厂车间的生产速度，但是更多的商业智能的存在使制造商可做出更明智的决策，并通过数据来告知制造绩效以及其如何影响成本和利润。

确定数据去向

数据科学在工业4.0中也发挥着重要作用。通过使控制系统相互通信，各个组织可使用更多信息共同工作来做出更明智的决策——根据业务目标优化生产。由于每个器件和每个I/O都会产生数据，因此现在几乎可以快速分辨系统是否需要维护以防止中断。

通用通信集成控制系统，也正在改变人类和机器在工厂车间的工作方式。尽管先进的机器人技术已取代部分人类执行的任务，越来越多的数据科学家参与制造过程，并且其他工人可在距离机器人更近的地方协同工作。

庞大的数据量有时可能会超出可传送到中心进行处理的带宽。通过基于云的业务应用拥有一个整体视图是工业4.0的标志之一，但这并不意味着每条信息都将渗透到云端——实时通信主要只存在于生产车间。即使从长远来看，也没有必要将所有数据都发送到一个中心点。

相反，我们旨在为生产环境中的器件添加更多智能元素。电机应用程序内部生成的数据具有更高的数据速率，且需要本地预处理，有时甚至需要在电机控制器内部进行本地预分析。并非所有数据都要上云端。

结论

最终，工业4.0具有三种潜在的情况。一种是因为带宽可用，数据都发送到云端。另一种是极端相反情况，因为数据量非常庞大，无法发送到云端，因此所有数据都在边缘进行处理并做出决策。

第三种（很可能是最佳选择）是一种混合解决方案：嵌入在边缘硬件中的预处理功能的组合，可将压缩数据发送到云端以通过标准化通信进行决策。这种方案最能支持分布式机器学习和人工智能在制造车间的实际应用，同时也使供应链收益。

Thomas Leyrer是德州仪器工厂自动化和控制工程师。