隨著控制技術、計算機、通信、網絡等技術的發展，計算機控制信息交互溝通正迅速覆蓋從工廠的現場設備，到生產，管理等各個層次。工業自動化一般體現在對工業生產過程及其機電設備、工藝裝備進行測量與控制的自動化技術(包括自動測量儀表、控制裝置)等流程的總稱。

今天，對自動化非常簡單的理解也轉變為：用計算機技術開發機器人設備，來部分代替或完全取代或超越人的體力。本文作者帶領大家來了解我國工業技術的現狀，發展方向，以及其中的重點技術：時間敏感網絡（TSN），實時M2M，5G。

中國工業自動化的現狀

a. 傳統制造業到智能制造的變化

我們可以用下面的公式表示智能制造的組成部分：

智能制造=自動化+信息化+智能化。

智能制造就是用批量化的方式，生產個性化的產品。它具有下面幾個特點：

自動化（硬件）：自動化硬件設備構成智能化工廠；

信息化（軟件）：用大數據統計、人工智能篩選有用的信息用于智能生產中；

智能化（互聯網）：制造業大數據分析5G、人工智能及云計算的應用。

總之，傳統制造業使用機器代替人的體力勞動，而智能制造業則在此之上結合了互聯網及云計算技術，從而實現人類無法達到的產量或無法完成的任務。

b. 傳統制造業向智能化制造業的轉型

我國工業技術面臨從傳統向高科技技術的轉型，這里涉及到一系列細節的改變。

人力資源：傳統工人可能沒有辦法快速適應高科技設備的使用，工廠需要加快招聘新員工以及給老員工提供培訓的速度。

配套設備的引進：設備跟不上時代的步伐就無法將工業徹底轉型，例如，5G和云計算技術的引入，離不開云平臺的搭建、物聯網傳感器的應用、及數據庫和高性能計算機的部署。

安全性：在互聯網時代，數據的加密便變得極其重要，維護信息安全同樣需要人力和資金的投入。

主要技術痛點

a有線到無線協議的轉換

連接是工廠車間，邊緣節點和云端之間數據交換的基本要素。無線網絡鏈接協議的優勢體現在更高的靈活性，可以在生產區域中對設備進行重新定位和重組，能有機會訪問以前未連接的設備信息，以及通過引入新設備即可進行擴展生產能力，而無需進行復雜且昂貴的重新布線。無線技術能夠在目前的多種無線標準和協議的使用場景中充分發揮優勢，例如超小型傳感器、大型分布式無線傳感器網絡、以及工廠和過程自動化。

b可靠性傳輸/抗干擾能力

交通、電力航油、石油化工、冶金、煤炭、水處理等各種行業對工業級網絡傳輸設備都有著大量的需求。可靠性以及抗干擾能力體現在網絡傳輸層面的精準性與高效性。

c從數據到智能——數據采集

技術難點主要包括海量數據如果直接存儲無法用于分析、工業數據的協議沒有統一標準、視頻傳輸所需帶寬巨大、對原有系統的數據采集難度大、及安全性考慮不足。

主要技術變化和特點

a. 從有線到無線。

b. 從模擬到數字。

c. AI及邊緣計算的應用。

上文已提及a點，這里詳細地說明b點，而在后面部分我們會講到c點邊緣計算。

互聯網的數據主要來自于服務器等網絡設備及互聯網用戶，包括是大量的文本數據、社交數據以及多媒體數據等；工業數據主要來源于機器設備數據、工業信息化數據和產業鏈相關數據。

工業數據主要包括以下幾種：

鍵值型工業數據。只有經過深度顆粒化處理的機器數據，才能分析海量的工業數據，因此，這部分數據的特點是每條數據內容很少，但是鍵值頻率極高。

文檔數據。包括工程圖紙、仿真數據等。

信息化數據。由工業信息系統產生的數據，一般是通過數據庫形式存儲的，這部分數據是極好采集的。

接口數據。由已經建成的工業自動化或信息系統提供的接口類型數據，包括txt格式、JSON格式、XML格式等。

視頻數據。工業現場會有大量的視頻監控設備，這些設備會產生大量的視頻數據。

圖像數據。包括工業現場各類圖像設備拍攝的圖片（例如，巡檢人員用手持設備拍攝的圖像數據）。

音頻數據。包括語音及聲音信息（例如，操作人員的通話、設備運轉的音量等）。

自動化技術的未來發展趨勢和展望

如上所述，工業數據主要由以下這幾類構成：海量的鍵值型工業數據、文檔數據、信息化數據、接口數據、視頻數據、圖像數據和音頻數據）。智能工業主要分析的也是這幾種數據，因此，我們要更加靈活和聰明地運用人工智能等技術，才能夠熟練應對這些復雜的數據類型，從而貢獻于工業生產。具體如下：

a. 充分運用無線傳感網絡的優勢

無線傳感器網絡(Wireless Sensor Networks，WSN)是一種分布式傳感網絡，具有低成本、低功耗、多功能的優勢。傳感器網絡具有廣泛的應用前景，范圍涵蓋醫療、軍事和家庭等很多領域。例如，傳感器網絡的快速部署、高可用，可擴展，和容錯特性，使其在軍事指揮、控制、通信、計算、智能、監測等應用領域比傳統網絡更加強大。

相較于傳統網絡和其他類型的傳感器，無線傳感器網絡的特點包括搭建方式靈活、網絡拓撲結構的不固定可以根據需求隨時增加或者減少、及可靠的網絡強度。

b. 基于人工智能技術的數據分析

在智能工業發展下，下一代智能工廠將先進的機器人技術、機器學習技術應用于軟件服務和工業物聯網中，以提高產能和生產效率。使用本地傳感器控制和管理輸出的邊緣計算和人工智能技術，能夠顯著地提高效率和減少誤差。

c. 時間敏感網絡（TSN）

“TSN是以以太網為基礎的新一代網絡標準，具有時間同步、延時保證等確保實時性的功能。”

工業物聯網是TSN在未來非常廣泛的應用領域之一。所有需要實時監控或是實時反饋的工業領域都需要TSN網絡。例如：機器人工業、深海油氣勘探開發以及銀行業等等。TSN不但可以解決傳統以太網的不確定性問題，還可以解決工業領域總線的復雜性問題。

d. 實時M2M

M2M字面意思是“機器對機器”，指的是機器設備之間在無需人為干預的情形下，直接透過網絡溝通而自行完成任務的模式或系統。這樣的模式或系統為萬物互聯提供了服務。

這些具備計算能力的設備和機器，能夠捕獲周圍世界的數據，并與其他連接的設備共享，從而創建“物”的智能網絡。這意味著機器可以在不需要人為干預的情況下交流和共享信息。一些耗時或枯燥的工業制造流程可以自動化，讓人們可以進行其他更有用或更有趣的活動。

e. 5G

是第五代移動網絡。它是繼1G，2G，3G和4G網絡之后新的全球無線標準。它使用全新的無線基礎架構，峰值的下載速度比4G快10倍以上，并有望消除乎任何延遲。5G技術將啟動物聯網（IoT）時代，以低成本連接數十億臺機器、設備和傳感器。目前，由于工業設備受到部署條件的限制，大量的計算資源大都配置到了云端。相比之下，終端設備技術發展相對緩慢，造成云端資源大量空閑，終端資源卻不堪重負。這就要求從終端到云端的數據傳輸管道必須夠寬，才能快速響應需求。而5G超大帶寬、超低時延、超高可靠、超密連接的特性，恰恰消除了這一困擾，加速了智能制造的發展和應用。

f. 邊緣計算等在自動化系統的應用及技術推動

如果說云計算是在“云端”進行的大數據集中處理，那么，邊緣計算則可以理解為位于邊緣、靠近終端（例如手機）的大數據處理。

邊緣計算有幾個明顯的優點：

低帶寬依賴：邊緣設備處理了部分臨時數據，不再需要將全部數據上傳至云端，只需要傳輸有價值的數據，極大地減輕了網絡帶寬的壓力，并減少了對計算存儲資源的需求。

低延遲：在靠近數據源端進行數據處理，能夠大大地減少系統時延，提高服務的響應時間。

經濟性：某個應用如果使用云平臺，不但能從技術上解決帶寬和延遲問題，并且邊緣執行計算也可能更節約費用。

可靠性：云平臺、云端的網絡連接并非一直可靠，而應用可能需要一直運作。例如人臉辨識門鎖，如果網絡連接斷開，門鎖靠邊緣計算依然正常工作。

隱私：使用云端，有許多應用出于隱私考慮而需要進行本地處理。邊緣計算為關鍵隱私數據的存儲與使用提供了基礎設施，提升了數據的安全性。

g. 故障診斷

故障診斷結合了AI技術，邊緣計算技術的實時數據分析，當物聯網傳感器觸發警報時，實時而快速地響應機器故障，很大程度上避免災難發生。邊緣系統可以在毫秒內響應輸入，要么進行調整以修復問題，要么關閉生產線以防止出現嚴重問題。AI技術則可以結合實時數據分析機器的狀況，也可以在某種程度上達到避免故障的效果。

結論

本文介紹了中國工業自動化的現狀，從傳統制造業到智能制造的轉型、主要技術痛點、變化和特點、自動化技術的未來發展趨勢和前景這四個方面來剖析中國工業自動化的現狀和發展趨勢。

中國工業經過百年發展已經有了堅實的基礎，隨著近幾年的高科技發展，工業和制造業緊隨其步伐，加快轉型，結合人工智能的發展，有效地提升了工作效率，提高了生產質量，減少了工人在體力方面的付出，實現了生產過程的精準、高效、智能、環保和便捷。不過，工業智能化不代表工業的無人化，在一定程度上，工人也將受益于智能工業。

在未來，我國工業自動化技術仍將結合多個技術領域，走向更加智能化、網絡化、便捷化的明天。