使用PICMG IoT.1使任何傳感器成為智能傳感器的前四個部分討論了工業傳感器對智能自動化環境的重要性，以及使任何人（無論技術能力如何）都能構建自己的智能傳感器的前進道路。在接下來的幾期中，該系列將轉向智能傳感器數據的受益者 - 將數據智能轉化為現實世界行動的智能效果器。

智能傳感器是任何自動化系統的前線。然而，自動化意味著運動，傳感器只觀察、捕獲和報告有關周圍環境的數據。將這些數據投入使用的責任落在了影響者身上。

重新關注數據

根據定義，效應器會給周圍環境帶來傳感器只能觀察到的變化。這些可以是電機、電磁閥、閥門或任何其他在現實世界中“影響”變化的模擬組件。例如，在工業自動化中，效應器負責將運動、溫度、壓力和其他物理過渡應用于傳送帶、機械臂、壓力機、風扇等系統。

如今，大多數效應器完全獨立于物聯網傳感器數據運行。當然，工業4.0和智能工廠概念的目標是利用傳感器捕獲的數據來調整這些效應器，以提高產量，增加正常運行時間，降低成本，降低能耗等。這可能以直接控制效應器的數據分析形式表現出來;或者更有可能在運行高度結構化程序的電機控制等場景中，通知命令的參數，該命令定義效應器如何激勵機器達到某個設定點。

在任何一種情況下，傳感器數據分析都會將大量原始傳感器數據細化為信息，一個或兩個命令可用于影響效應器（以及隨后的設備）操作。但是，我們必須記住，工業4.0部署的最終目標是將工廠車間與IT運營中心統一起來，重點是優化整個生產線的編排。

基于作業的自動化和工廠 IT 運營中心

對于具有 IT 數據建模背景的不熟悉的自動化利益相關者來說，這種粒度級別無助于實現他們確保生產高效發生的目標。它甚至與工廠工程師來說也不是特別相關，他們負責在生產線上跨設備實施配置文件，以幫助實現IT運營中心設定的目標。它更準確地描述了對控制系統專家等有用的數據，他們將根據應用要求調整控制器以特定速度或位置超調運行電機。

但這種專業化水平正是我們希望在新的智能工廠中擺脫的。相反，未來將專注于基于作業的編排，IT運營人員可以查看傳感器和效應器，并監督設備控制的更基本方面，如系統初始化，錯誤狀態管理，甚至是從他們自己的本機環境有序關閉設備。因此，與其用“這臺電機必須沿Z軸重新定向10度”或“這個液壓活塞必須延伸100厘米”來考慮自動化目標，不如通過說“我希望這臺機器生產六個小工具然后關閉”來解決問題。

為此，智能工廠中的作業必須以一系列步驟的形式出現在這些用戶面前，這些步驟在一個或多個效應器之間協調，以達到預期的結果。這種基于作業的調度在最高抽象級別上提供了工廠自動化，這在理論上很好，但目前在大多數工廠設置中是不可能的。

造成這種情況的原因有很多，但幾乎所有原因都是因為來自不同制造商的不同機器彼此之間不能很好地溝通。這不僅給IT運營中心工程師帶來了重大挑戰，也給工廠車間的工程師帶來了重大挑戰，他們的職責是解釋運營中心的工作，并將相應的序列大規模傳達給生產線上的所有影響者。

一個數據模型來統治所有內容

統一整個智能工廠的唯一方法，從自動化工程師到運營中心，從最小的OT效應器到最抽象的IT編排系統，是通過通用數據模型。如本系列第2 部分所述，“數據模型。..。..是一種組織數據的結構化方式，其中包含有關如何打包數據的特定規則或說明。簡而言之，數據模型為數據與制造系統中的特定狀態的關系提供了一個結構。

但是，在更廣泛的工廠環境中，通用數據模型提供了跨所有層次結構級別的接口，以便自上而下和基于作業的水平通信可以更加透明。顯然，出于安全性、可靠性和隱私原因，可以逐案確定與新集成的 IT/OT 工廠內不同部門共享哪些數據以及共享多少數據。

但是，可以將抽象的傳感器數據與抽象的效應器數據組合在一個統一的模型中，這一事實對系統的數字建模等事情具有更大的意義，這樣您就可以在物理工廠生產線通電之前模擬它們的性能。而且，與智能傳感器供應商一樣，它允許智能效應器供應商指定確切的參數要求，而無需進行太多（如果有的話）特定于應用程序的編碼。

用于為智能傳感器生成數據模型的相同 PICMG 配置器可以以類似的容量用于創建與此類有狀態控制兼容的智能效應器。

審核編輯：郭婷