中国工业自动化的现状和发展方向

随着控制技术、计算机、通信、网络等技术的发展，计算机控制信息交互沟通正迅速覆盖从工厂的现场设备，到生产，管理等各个层次。工业自动化一般体现在对工业生产过程及其机电设备、工艺装备进行测量与控制的自动化技术(包括自动测量仪表、控制装置)等流程的总称。

今天，对自动化非常简单的理解也转变为：用计算机技术开发机器人设备，来部分代替或完全取代或超越人的体力。本文作者带领大家来了解我国工业技术的现状，发展方向，以及其中的重点技术：时间敏感网络（TSN），实时M2M，5G。

中国工业自动化的现状

a. 传统制造业到智能制造的变化

我们可以用下面的公式表示智能制造的组成部分：

智能制造=自动化+信息化+智能化。

智能制造就是用批量化的方式，生产个性化的产品。它具有下面几个特点：

自动化（硬件）：自动化硬件设备构成智能化工厂；

信息化（软件）：用大数据统计、人工智能筛选有用的信息用于智能生产中；

智能化（互联网）：制造业大数据分析5G、人工智能及云计算的应用。

总之，传统制造业使用机器代替人的体力劳动，而智能制造业则在此之上结合了互联网及云计算技术，从而实现人类无法达到的产量或无法完成的任务。

b. 传统制造业向智能化制造业的转型

我国工业技术面临从传统向高科技技术的转型，这里涉及到一系列细节的改变。

人力资源：传统工人可能没有办法快速适应高科技设备的使用，工厂需要加快招聘新员工以及给老员工提供培训的速度。

配套设备的引进：设备跟不上时代的步伐就无法将工业彻底转型，例如，5G和云计算技术的引入，离不开云平台的搭建、物联网传感器的应用、及数据库和高性能计算机的部署。

安全性：在互联网时代，数据的加密便变得极其重要，维护信息安全同样需要人力和资金的投入。

主要技术痛点

a有线到无线协议的转换

连接是工厂车间，边缘节点和云端之间数据交换的基本要素。无线网络链接协议的优势体现在更高的灵活性，可以在生产区域中对设备进行重新定位和重组，能有机会访问以前未连接的设备信息，以及通过引入新设备即可进行扩展生产能力，而无需进行复杂且昂贵的重新布线。无线技术能够在目前的多种无线标准和协议的使用场景中充分发挥优势，例如超小型传感器、大型分布式无线传感器网络、以及工厂和过程自动化。

b可靠性传输/抗干扰能力

交通、电力航油、石油化工、冶金、煤炭、水处理等各种行业对工业级网络传输设备都有着大量的需求。可靠性以及抗干扰能力体现在网络传输层面的精准性与高效性。

c从数据到智能——数据采集

技术难点主要包括海量数据如果直接存储无法用于分析、工业数据的协议没有统一标准、视频传输所需带宽巨大、对原有系统的数据采集难度大、及安全性考虑不足。

主要技术变化和特点

a. 从有线到无线。

b. 从模拟到数字。

c. AI及边缘计算的应用。

上文已提及a点，这里详细地说明b点，而在后面部分我们会讲到c点边缘计算。

互联网的数据主要来自于服务器等网络设备及互联网用户，包括是大量的文本数据、社交数据以及多媒体数据等；工业数据主要来源于机器设备数据、工业信息化数据和产业链相关数据。

工业数据主要包括以下几种：

键值型工业数据。只有经过深度颗粒化处理的机器数据，才能分析海量的工业数据，因此，这部分数据的特点是每条数据内容很少，但是键值频率极高。

文档数据。包括工程图纸、仿真数据等。

信息化数据。由工业信息系统产生的数据，一般是通过数据库形式存储的，这部分数据是极好采集的。

接口数据。由已经建成的工业自动化或信息系统提供的接口类型数据，包括txt格式、JSON格式、XML格式等。

视频数据。工业现场会有大量的视频监控设备，这些设备会产生大量的视频数据。

图像数据。包括工业现场各类图像设备拍摄的图片（例如，巡检人员用手持设备拍摄的图像数据）。

音频数据。包括语音及声音信息（例如，操作人员的通话、设备运转的音量等）。

自动化技术的未来发展趋势和展望

如上所述，工业数据主要由以下这几类构成：海量的键值型工业数据、文档数据、信息化数据、接口数据、视频数据、图像数据和音频数据）。智能工业主要分析的也是这几种数据，因此，我们要更加灵活和聪明地运用人工智能等技术，才能够熟练应对这些复杂的数据类型，从而贡献于工业生产。具体如下：

a. 充分运用无线传感网络的优势

无线传感器网络(Wireless Sensor Networks，WSN)是一种分布式传感网络，具有低成本、低功耗、多功能的优势。传感器网络具有广泛的应用前景，范围涵盖医疗、军事和家庭等很多领域。例如，传感器网络的快速部署、高可用，可扩展，和容错特性，使其在军事指挥、控制、通信、计算、智能、监测等应用领域比传统网络更加强大。

相较于传统网络和其他类型的传感器，无线传感器网络的特点包括搭建方式灵活、网络拓扑结构的不固定可以根据需求随时增加或者减少、及可靠的网络强度。

b. 基于人工智能技术的数据分析

在智能工业发展下，下一代智能工厂将先进的机器人技术、机器学习技术应用于软件服务和工业物联网中，以提高产能和生产效率。使用本地传感器控制和管理输出的边缘计算和人工智能技术，能够显著地提高效率和减少误差。

c. 时间敏感网络（TSN）

“TSN是以以太网为基础的新一代网络标准，具有时间同步、延时保证等确保实时性的功能。”

工业物联网是TSN在未来非常广泛的应用领域之一。所有需要实时监控或是实时反馈的工业领域都需要TSN网络。例如：机器人工业、深海油气勘探开发以及银行业等等。TSN不但可以解决传统以太网的不确定性问题，还可以解决工业领域总线的复杂性问题。

d. 实时M2M

M2M字面意思是“机器对机器”，指的是机器设备之间在无需人为干预的情形下，直接透过网络沟通而自行完成任务的模式或系统。这样的模式或系统为万物互联提供了服务。

这些具备计算能力的设备和机器，能够捕获周围世界的数据，并与其他连接的设备共享，从而创建“物”的智能网络。这意味着机器可以在不需要人为干预的情况下交流和共享信息。一些耗时或枯燥的工业制造流程可以自动化，让人们可以进行其他更有用或更有趣的活动。

e. 5G

是第五代移动网络。它是继1G，2G，3G和4G网络之后新的全球无线标准。它使用全新的无线基础架构，峰值的下载速度比4G快10倍以上，并有望消除乎任何延迟。5G技术将启动物联网（IoT）时代，以低成本连接数十亿台机器、设备和传感器。目前，由于工业设备受到部署条件的限制，大量的计算资源大都配置到了云端。相比之下，终端设备技术发展相对缓慢，造成云端资源大量空闲，终端资源却不堪重负。这就要求从终端到云端的数据传输管道必须够宽，才能快速响应需求。而5G超大带宽、超低时延、超高可靠、超密连接的特性，恰恰消除了这一困扰，加速了智能制造的发展和应用。

f. 边缘计算等在自动化系统的应用及技术推动

如果说云计算是在“云端”进行的大数据集中处理，那么，边缘计算则可以理解为位于边缘、靠近终端（例如手机）的大数据处理。

边缘计算有几个明显的优点：

低带宽依赖：边缘设备处理了部分临时数据，不再需要将全部数据上传至云端，只需要传输有价值的数据，极大地减轻了网络带宽的压力，并减少了对计算存储资源的需求。

低延迟：在靠近数据源端进行数据处理，能够大大地减少系统时延，提高服务的响应时间。

经济性：某个应用如果使用云平台，不但能从技术上解决带宽和延迟问题，并且边缘执行计算也可能更节约费用。

可靠性：云平台、云端的网络连接并非一直可靠，而应用可能需要一直运作。例如人脸辨识门锁，如果网络连接断开，门锁靠边缘计算依然正常工作。

隐私：使用云端，有许多应用出于隐私考虑而需要进行本地处理。边缘计算为关键隐私数据的存储与使用提供了基础设施，提升了数据的安全性。

g. 故障诊断

故障诊断结合了AI技术，边缘计算技术的实时数据分析，当物联网传感器触发警报时，实时而快速地响应机器故障，很大程度上避免灾难发生。边缘系统可以在毫秒内响应输入，要么进行调整以修复问题，要么关闭生产线以防止出现严重问题。AI技术则可以结合实时数据分析机器的状况，也可以在某种程度上达到避免故障的效果。

结论

本文介绍了中国工业自动化的现状，从传统制造业到智能制造的转型、主要技术痛点、变化和特点、自动化技术的未来发展趋势和前景这四个方面来剖析中国工业自动化的现状和发展趋势。

中国工业经过百年发展已经有了坚实的基础，随着近几年的高科技发展，工业和制造业紧随其步伐，加快转型，结合人工智能的发展，有效地提升了工作效率，提高了生产质量，减少了工人在体力方面的付出，实现了生产过程的精准、高效、智能、环保和便捷。不过，工业智能化不代表工业的无人化，在一定程度上，工人也将受益于智能工业。

在未来，我国工业自动化技术仍将结合多个技术领域，走向更加智能化、网络化、便捷化的明天。