人們都說自動化行業正在變成一個軟件產業，這一點不為過，與20年前的工業控制產業而言，今天納入到智能制造架構的工業軟件正在變得更為強大，擴展到更多的方向，因此，我們從產業需求，以及實際的應用場景分析來描述“為何工業軟件能夠傳遞巨大的制造業提升價值“。

產業鏈條的傳遞

消費者的需求變化會給制造商帶來生產的靈活性需求，而另一個方面，這種個性化相較于傳統的大規模標準化生產也需要更高的質量迭代過程、更快的生產柔性切換，以及更為精準的成本評估，這使得對于機器和系統集成提出了更為模塊化、快速測試與驗證、連接的需求。

來到自動化，需要更為智能架構與可擴展性來實現以應對這種變化的挑戰，而另一方面，標準化才能降低成本，因此，為了平衡，自動化將焦點放在了如何更為采用“軟“的方法來提升系統的靈活應變能力。

圖1-制造業產業鏈的挑戰傳遞

需求從消費者->制造商->OEM/SI->自動化廠商，而換個視角反過來就是自動化的價值如何傳遞到消費端的變化的響應能力上。

個性化的挑戰一直在發生，這也驅動著自動化產業不斷的去構建系統、融合跨界技術來實現對各種挑戰的應對能力。

工業軟件價值體系

圖2-工業軟件價值體系

在這里，我們僅以工業生產運營環節的軟件構架來闡述，工業軟件價值體系的幾個部分

1、集成開發平臺：這一概念為了實現“集成“，由于被集成對象隨著機器與工廠系統變得復雜，包括傳統的PLC邏輯控制，傳動控制，以至于今天的CNC、機器人、視覺的集成，另一個方面，為了降低學習成本，將系統配置、編程、測試、運維也集成在統一平臺架構上，這都是為了降低工程中的成本，避免在各個不同的軟件間的切換。

平臺當然也包括了RTOS用于實時任務以及Windows,Linux這樣的架構來解決HMI，開放軟件集成的問題。

2、軟件工程能力：對于平臺必須能夠提供軟件復用的模塊封裝，以及基于組件的開發（Component-Based Development），這樣的好處同樣是為了降低工程量，因為，個性化的機器，以及隨著業務的擴展 ，更多的領域復用相同的軟件能夠降低大量的代碼開發與測試驗證時間，就像貝加萊的張力控制算法，可以針對紙張、薄膜、紗線、金屬板材等各種場景開環、閉環、擺棍多種形式的場景。

3、行業工業Know-How：這是今天無論是哪家自動化、IT或者機器制造商贏得市場的關鍵，每個領域都有其獨特的“領域工程“，無論是金屬板材成型還是化工的多系統耦合解耦，都是需要經過反復驗證各種場景下的成熟軟件，這些使得每個企業構成了其差異化以及核心的競爭力，以軟件形式存在的核心算法與工藝往往具有非常高的客戶長期忠誠度。

4、開放的軟件集成能力：顯然，沒有一家公司可以為制造業全流程提供所有的軟件，但是，基于一個開放的接口，控制系統、IT、數字化設計軟件之間就可以達成一致，例如MATLAB/Simulink、Pro-engineering、CATIA與工業控制軟件即建立接口，包括類似于EPLAN這樣的軟件也同樣可以發揮電柜制造的角色，當然，Web服務器的集成也使得基于IE、Chrome等客戶端可以訪問機器與產線。

5、標準化軟件的支持：對于機器的集中控制以及分布式架構而言，PLCopen組織的IEC61131-3，以及IEC61499等都是適合于標準化開發的，學習了統一的思路即可實現高效的開發。

6、機器智能：事實上，傳統機理模型在一些非線性、無模型領域無法發揮效果，但基于人工智能、機器學習的算法則從數據驅動角度解決了傳統的模型復雜性、需要專業人員支撐的應用。

從以上幾點，我們能夠看到，工業除了傳統的PLC、PC控制器、HMI、運動控制、柔性輸送系統、視覺這些硬件外，而真正讓他們發揮變化、響應能力、競爭力塑造的，卻是軟件，無論是機器的柔性還是產線的柔性，都是可以基于軟件來實現。

顯然，自動化已經是一個軟件行業了！

建模仿真

建模仿真主要基于對物理對象模型的建模， 并與控制系統建立聯系，控制系統將針對邏輯、運動過程、工藝進行仿真，以獲得最佳參數，并通過自動代碼生成下載到控制器，然后測試驗證系統控制模型的效果。

圖3-基于建模仿真的機器開發過程

圖3,所示的建模仿真機器開發過程，事實上，基于建模仿真主要是為了解決以下幾個問題：

（1）難以進行物理驗證或驗證成本非常高的應用場景；

（2）具有較多的參數調整的需求；

（3）為了開發可復用的軟件模塊；

建模仿真在原創性的設計中最有必要，因為，長期開發需要通過模型積累更多的機器與產線適用性，并虛擬環境中測試參數的最優匹配。

工業通信

實際上，盡管傳統的現場總線是一個硬件的連接問題，但是，今天的智能制造時代，對于信息的需求更為側重于軟件應用，無論是為了實現邊緣計算的應用，還是為了智能的機器開發，都需要信息的傳遞，而軟件的開發需要大量的接口，而OPC UA實際上就提供了針對這些軟件連接的標準接口。

圖4-OPC UA的工業通信連接架構

OPC UA實現從底層傳感到垂直的ERP/MES、云端的連接，并在機器-機器間實現信息傳遞的接口，它看上去是一個通信問題，也同時是一個軟件的工程量降低的規范與標準支撐。

軟件模塊化—降低工程成本

制造業無論是機器制造商，還是工廠制造商，對于軟件有幾個特別的需求：

（1）可復用的模塊，能夠降低開發工作量；

（2）行業Know-How的封裝，以提高核心技術的保護；

（3）標準化的模塊設計降低軟件的測試驗證風險；

（4）高內聚、低耦合的模塊提高系統的靈活性。

貝加萊的mapp技術即基于這些需求而設計，通過多個層次的軟件模塊開發，實現機器到工廠的任務集成—大部分時間需要的是“配置“，而非”編程“。

圖5-mapp的模塊化應用開發

圖5是mapp的架構，包括了mappControl，如張力、溫度、液壓等基礎的專業庫，行業庫包括了機器人、注塑機、立式包裝、集裝相關吊裝的防搖、印刷套色等功能算法庫，再包括了針對機器的配方、報警、文件操作、趨勢等基本的功能呈現，還有為智慧工廠提供的OEE計算、能源、維護模塊。

機器，是配置出來的，而不需要那么多編程！

機器學習怎么玩？

實際上，雖然人工智能非常的流行，但就工業而言，這并非是新鮮事，傳統上的自適應控制、模糊控制本身也屬于學習類的方法，只是算力不足，因此，在工業場景里并未能大規模應用。

今天的控制器，其實已經完全可以實現這些問題的解決，貝加萊就為機器學習提供了多種解決方案。

（1）基于PLC的機器學習，其實對于很多機器學習而言，直接來自于控制的參數和一個學習算法完全可以運行在一個控制器上，貝加萊的PLC一直運行一個定性分時多任務的操作系統，這使得它具有高級語言的算法設計能力，基于C/C++開發一個學習算法監測控制過程的參數，這本身就是可行的。

（2）PC架構的APC/Panel PC則有采用新的HyperVisor技術，它可以支持Windows/Linux和RTOS在多核CPU中運行，在PC上可以插入AI加速器，這個加速器可以直接由Windows/Linux來運行應用軟件，并通過虛擬網絡與RTOS的實時控制任務進行交互，這樣的架構更為適合于工業應用場景，因為，數據可以被無縫的連接。

（3）工廠與流程：APROL屬于工廠與過程自動化的平臺架構，它內嵌Python解釋器，第三方開發的機器學習算法與模型可以直接運行，最為有利的在于，它也與APROL本身的歷史數據庫、實時數據庫進行數據交互。

圖6-貝加萊機器學習的解決方案架構

從圖6的架構我們可以看到，工業軟件本身融合了自身的優勢，即，有控制對象與模型，有實時數據，也有可支持算法運行的PC服務器環境，支持各種靈活架構及軟件的能力。

因此，工業軟件已經能夠涵蓋從控制到學習、平臺到標準化、專業的行業的完全方案架構能力。