告別盲目數字化！數字化轉型中控制工程師的三大核心事項
發布時間：2025-04-30 作者：www.xstr.xyz
對于正在經歷數字化轉型的控制工程師來說，應該優先考慮哪些事項？
為了數字化而數字化是沒有意義的，工程師的首要任務應該是檢查特定數字化項目是否真的能帶來價值。Pepperl+Fuchs全球物聯網項目和工業4.0負責人Benedikt Rauscher指出，在開啟數字化項目之前，首先要檢查任務本身是否需要優化。
一旦確定了有價值的潛在數字化項目并簡化了流程，控制工程師就需要確定是否已有現成的數字化解決方案可用，或者是否需要開發新的方案。接下來，互操作性是需要高度重視的另一個重要方面。通常，一個數字化解決方案會涉及來自不同制造商的各種硬件和軟件組件，所有這些組件都需要能夠相互通信。
為了確保未來擴展項目的互操作性，現有的數字化解決方案以及新的開發都必須遵循相關標準并提供開放接口。一個很好的方法是使用資產管理殼（AAS）進行數據交換。
AAS是一個(組)資產的數字表示。它由許多子模型組成，可以描述特定資產的所有信息和功能，包括其特征、特性、屬性、狀態、參數、測量數據和能力。AAS允許使用不同的通信渠道和協作方式，使資產和相互關聯的、分布式的、數字化的場景之間的建立聯系。
AAS概念由獨立于制造商的組織——工業數字孿生協會（IDTA）管理，并在IEC 63278中進行標準化。IDTA的GitHub存儲庫中已經免費提供了大量子模型模板。在許多IDTA工作組中，領域專家繼續致力于創建更多的子模型定義。
重要的是，數字化戰略應采用經過驗證的最新技術，如工業以太網或AAS，作為開放和具有互操作性的數字孿生。工業以太網正在推動信息技術/運營技術環境的融合，使所有基于以太網的協議也可用于工業應用。而且，隨著Ethernet-APL的推出，它現在甚至可以用于過程工業中需要本質安全的危險區域。
顛覆性技術的引入
DigiKey自動化與控制高級營銷技術經理Eric J.Halvorson認為，數字孿生技術正在引領工業數字化的下一個顛覆性浪潮。人工智能（AI）的引入席卷了世界，現在已經進入了工業自動化領域。它被用來對PLC和機器人進行編程，并對生產調度進行準確預測等等。
在過去的幾年里，我們看到數字孿生技術被廣泛應用于整個工廠。該技術使制造商能夠在模擬環境中準確查看整個工廠。這使工程師能夠看到編程的變化，將如何影響現實世界的生產。數字孿生技術還縮短了設計周期和測試時間，并提高了產出。
通過計算機視覺、機器學習和深度學習來分析來自傳感器、相機和其它來源的數據，可以提高數字孿生的準確性和真實性。AI還能使用生成式對抗網絡（GAN）和其它技術，生成物理對象和環境的逼真3D模型。
Eric指出：“AI可以使數字孿生運行模擬和場景，以優化性能、效率和可持續性。它還可以幫助數字孿生從自己的經驗中學習，適應不斷變化的工況，并根據模擬數據和結果提供見解和建議?！?/div>
制造企業每天都需要面對各種各樣的挑戰。無論這些威脅是來自全球勞動力短缺、地緣政治事件、環境影響、原材料的成本和可用性，還是供應鏈限制，他們都需要盡一切可能來保持競爭力。
采用數字化戰略和過程（如數字孿生模型）的制造商能夠準確有效地生產出更好的產品，并及時將其交到消費者手中。仔細評估數字技術實施的準備程度和能力，并為其制定明確的戰略和路線圖，制造商可以為自己的成功做好準備。
了解工廠的戰略和未來目標
Festo的營銷和技術開發經理Jan Koudijzer認為，在實施數字化項目方面，控制工程師的首要任務是了解工廠的戰略和未來目標。例如，主要目標是零缺陷，還是更靈活的生產各種不同的產品？你是否在努力實現將生產數據視為重要資產的新商業模式？數據管理能否成為更具可持續性工廠的推動者？這些問題的答案，使控制工程師能夠確定數字化轉型的優先事項，并確保管理層的正確參與和支持。
成功實施數字化轉型的另一個重要優先事項是，任何工廠轉型都需要使用系統工程方法。“所有過程都應該用功能和子系統來描述，而不是基于現有技術。不同子系統和功能之間的接口應該基于開放標準，例如ecl@ss、Automation ML、OPC-UA或MQTT，支持生產/工廠平臺，如果引入新技術，未來可以逐步改進。采用以人為本的方法是激勵同事處理新資產并在數字化轉型期間保持管理層參與的關鍵。” Jan說。
此外，他還強調了以網絡安全的方式使用工業4.0技術的重要性。在系統架構設計階段，需要決定數據是保存在邊緣、內部還是云端。對于那些正在進行數字化之旅的企業來說，應該充分利用技術供應商的所有工具。今天有很多新的配置器和模擬系統，使設計過程變得更容易和快捷。在很多情況下，這些工具還為用戶提供了基于AAS技術的數字孿生，可以在工廠的整個生命周期內使用。
明確數字化的價值所在
歐姆龍自動化經理Dev Kainth認為，如今推動數字化轉型的動力主要來自高級管理層，其驅動力在于優化和改進工作流程以及縮短對行業變化的響應時間。雖然控制工程師的優先事項在很大程度上取決于行業部門、他們的角色及其自己的專業知識，但也有許多重要議題需要思考。這些挑戰包括易于實施和提高員工技能的需求，以及選擇可以內部支持的解決方案。
Dev已經注意到一種趨勢，即公司正在數字化“什么”。許多人都專注于基于狀態的監控、預測性維護和機器數據趨勢。因此，總的主題是數據采集，并利用這些數據作為反饋機制來推動變革。
許多公司似乎只是在采用競爭對手的做法，這就是為什么我們經常會看到，他們轉向知名的供應商。這表明他們并不真正知道從哪里開始，或者不一定了解數字化轉型的價值所在。
規劃至關重要，組織需要清楚地了解最終目的是什么，即使數字化旅程分為幾個階段。他建議，對整個系統進行初始分析，這將有助于團隊了解在哪些方面數字化是有價值和可行的。它將根據對業務的影響進行風險評估和優先級，從高到低依次排序，提供一份項目清單。時間就是一切，無論是組織的準備情況，還是工程師計劃部署系統的準備情況。
總的來說，首先采用以數據為中心的方法是一個好主意，因為這會產生寶貴的信息，為物聯網（IoT）和AI等其它技術鋪平道路。此外，變更管理同樣重要。組織需要考慮通用接口協議，使集成更容易，并盡早討論員工技能和培訓，以確保團隊在引入新技術時做好準備。
實現質的飛躍
Pasqal首席執行官兼聯合創始人Georges Olivier Reymond認為，在當今的工業領域，控制工程師越來越多地參與到組織的數字化轉型工作中。他們的角色已經超越了傳統的過程控制，涵蓋了AI、機器學習和量子計算等新興技術的實施，以優化工廠運營，解決復雜挑戰并推動創新。
因此，了解量子計算等領域的進展對于需要調整現有過程，以滿足不斷變化的行業需求的工程師來說至關重要。Georges Olivier認為，量子計算以其無與倫比的計算能力，在工業應用中具有變革性的潛力。這包括運行復雜控制系統的量子優化，量子算法可以為化學過程、電網和機器人等應用發現最佳控制策略提供幫助。
量子機器學習借助量子計算的高并行性，實現進一步優化傳統機器學習的目的。它是將量子計算和機器學習相結合的新興領域，利用量子計算的特性來解決傳統計算機難以處理的復雜問題。
量子機器學習還可以用于預測性維護，從而能夠盡早檢測出工業設備中的異常和潛在故障，而量子模擬可以加速發現具有所需特性的新材料，如高溫超導體、高效電池和先進催化劑。例如，在能源領域，量子計算可以徹底改變可再生能源預測。工程師可以使用量子原子來模擬可再生能源和電網需求之間的復雜相互作用，從而做出更準確可靠的預測。
標簽：數字化轉型,AAS,人工智能,AI,工業以太網
相關文章