制造业的数字化转型，被称为“4.0行业，“汇集了无数种技术，但竞争优势来自于让它们和谐地工作。”
在工厂车间，变革性的技术包括新的传感、控制和通信系统。它们还包括功能性安全和电力管理能力，使人们能够更智能地工作，承担新的角色，在某些情况下，以更加集成的方式更接近机器人。
我们已经到达了一个临界点，即我们已经经过了早期的采用阶段。企业至少在其业务的各个部分部署了其中一些技术。对于那些希望进一步采用工业4.0技术的人来说，下一步是让他们一起工作(见图)．要做到这一点，需要一个基础来统一它们的各种智能能力。
标准和规范对于这种统一至关重要。它们不仅通过使系统互操作和更高效，为制造商创造了长期的竞争优势，而且还使迭代学习成为可能。连接的、分布式的设备可以为人工智能(AI)和机器学习提供支持，以进化和优化制造操作。
通信允许控制
使制造车间保持嗡嗡作响的技术分为五大类:通信、传感、控制、安全和电力。这些类别不一定是新的，但工业4.0提出了一个无缝通信的场景，利用每个离散领域的创新。
在制造环境中，功能安全和电源管理是关键的考虑因素，这一点也不奇怪。确保工人的安全和节约电力是最紧迫的两项任务——如果成功实施，它们将提供竞争优势。电源管理也与环境控制联系在一起，确保温度和气候有利于特定类型的制造。与此同时，工业通信、传感和控制都能使人们在关注电力消耗的同时更安全、更有效地工作。
即使在技术进步的情况下，工业通信仍然是最基本的技术，因为它使单个控制单元能够通过网络管理多个输入输出(I/ o)。工厂的网络化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)等应用。
PLC提供了一系列的状态信息，包括测量、温度和位置。一个现代的PLC应用的例子是机器人抓手在传送带上拾取或修改某样东西。机器人控制是一种特殊版本的电机控制，它通过自己的感知生态系统来管理多轴机器人手臂。机器视觉用于定位机器人手臂，并结合功能安全性，使操作人员能够监控环境，确保在机器人附近工作的人的安全操作。
这样的安全性和精确性需要通信和处理能力。例如,德州仪器(TI)SitaraAM6x处理器家族Arm Cortex-A53和Cortex-R5F核心，支持千兆工业以太网，并包含安全诊断库。西塔拉处理器有助于启用功能性安全系统，并支持智能，有助于动态控制和优化智能工厂的生产，同时还节能。
Sitara处理器是一个具有广泛交互的系统的一部分，除非各种控制系统能够相互交谈，否则这种交互是不可能的。在时间敏感网络(TSN)和IO-Link等规范出现之前，I/ o通过不同的模拟路径。不同的控制系统扮演着各自独立的活动孤岛的角色。
TSN是一套标准，可分为完全实时通信所需的三个主要组成部分:
- 时间同步
- 调度和流量整形
- 通信路径的选择、路径保留和容错
流量整形与网络中不同优先级的以太网报文有关。有些报文的优先级(实时)高于其他报文(非实时)。根据应用程序的不同，优先级可以由包的类型、包的到达时间或包的带宽来确定。交通整形有时被比作道路交通HOV车道——一种穿越十字路口的快速路径。
TSN的命名很恰当，因为它知道网络上的所有设备必须同步，无论是PLC还是机器人。此外，各设备对通信报文的处理和转发遵循相同的规则，具有冗余性，保证了容错能力。
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。IO-Link将数字传感器和执行器连接到一种工业现场总线或一种工业以太网(有线或无线)上，距离较短，有时在不理想的条件下。
例如,“透明国际”的DP83867物理层收发器满足工业4.0的时间同步需求。然而，它也被设计为通过外部变压器直接与双绞线介质接口，在恶劣环境中促进10-/100-/ 1000 - mb /s以太网局域网的实现。
与TSN一起，IO-Link支持传感器和执行器的使用，这些传感器和执行器可以实时生成和消耗丰富的数据集，这是智能优化制造和支持数字化转型所必需的。
统一通信是工业4.0的支柱
通过TSN和IO-Link的统一系统通信实现了现场生产系统的实时数字化，实现了许多不同的工业4.0能力。
它不仅仅能在一个装配站做更多，做得更快，甚至能把这些站的控制系统连接在一起。统一通信还提高了机器的可用性，因为它支持预测性维护。您不仅可以在单个TSN骨干网上运行多个控制系统，包括PLC、运动控制和机器视觉，还可以对这些系统进行服务，并从一个中心点诊断任何问题。不同的部分现在说同一种语言，而不是有独立的系统和独立的通信协议。
此外，实时数据交换使得不同生产领域之间具有可比性或兼容性。数据从机器人控制器到PLC控制器再到机床的流动传输，从而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计划(ERP)系统。尽管ERP系统不能直接控制产品的生产速度，但更多商业智能的存在使制造商能够做出更聪明的决策，利用数据来告知生产绩效，以及它可能如何影响成本和盈利能力。
决定数据的去向
数据科学在工业4.0中也扮演着重要角色。通过让控制系统相互交流，组织可以利用更多的信息来做出更明智的决策——根据业务目标优化生产。因为每个设备和每个I/O都会产生数据，所以现在几乎可以立即知道系统是否需要维护以防止中断。
通过通用通信协议集成控制系统也正在改变人和机器在工厂的工作方式。虽然先进的机器人正在接手一些曾经由人类完成的任务，但数据科学家正在更多地参与制造过程，其他工人可以在更接近机器人的地方进行协作。
大量可用的数据有时可能超过传送到中心点进行处理的可用带宽。通过基于云的业务应用拥有全局视角是工业4.0的标志之一，但这并不意味着进入云实时通信的每一条信息都主要只存在于生产车间。即使从长期来看，将所有数据发送到一个中心点也是没有意义的。
相反，我们的目标是为生产环境中的设备添加更多的智能。电机应用程序内部生成的数据具有更高的数据速率，需要在电机控制器内部进行局部预处理，有时甚至需要进行局部分析。并不是所有的数据都进入云。
结论
最终，工业4.0有三种可能的场景。一是所有东西都被发送到云，因为带宽是可用的。另一种是完全相反的，在这种情况下，所有的处理和决策都是在边缘进行的，因为数据洪流太大了，无法将其发送到云端。
第三种，也是最有可能的最佳选择，是一种混合解决方案:结合嵌入在边缘硬件中的预处理能力，通过标准化通信将压缩数据发送到云端，以便进行决策。这个场景最好地支持分布式机器学习和人工智能在制造车间的实际应用，同时也有利于供应链。
托马斯·莱勒(Thomas Leyrer)是斯坦福大学工厂自动化和控制系统工程师德州仪器公司．
