机器必须变得更为智能，才能响应今天快速变化的市场，自动化、信息化与智能化的推进并非是断代史，而是一个不断融合的过程，赋予机器智能。
机器智能的本质是什么？
机器，在制造业的历史上一直扮演着核心角色，从蒸汽机时代的机械调节方式，经历继电器逻辑、PLC到今天广泛探讨的智能化，它经历了百年的发展，不断进步，其原动力来自于消费者对产品的不断严苛的质量、成本与交付能力的需求。
机器的智能，简而言之，人希望机器能够代替人工作，也就希望它能够像人一样的思考，而观察人的思维模式，主要是两种，即演绎法和归纳法，演绎法更像我们普遍采用的机理建模，采用物理化学原理构建的数学模型，而归纳法则更接近于数据驱动的建模，包括今天的机器学习，深度学习。
这种智能最终以"工业软件"的形式被广泛应用于生产制造中，无论是机械、电子与电气控制、材料工艺与流程、操作与运营的知识，以开放的架构或嵌入式方式被应用。
图1-工业软件的形成过程
图1显示了工业软件的形成过程，首先要将各种知识通过数学建模，这种建模包括了机理和数据两种不同的方式，数学是连接物理与数字世界的桥梁，然后还需要经过大量的工程（Engineering）的测试与验证、系列化过程，才能形成最终可复用的软件，这也是今天我们探讨"工业软件"的过程，同样是智能发展的基本范式。
图2-诺伯特.维纳博士《控制论-动物和机器的通信与控制》（图片来源于网络）
自动化、信息化与智能化并非是一个断代史发展的模式，它是一种跨界技术的不断融合，用于解决制造业各种问题的工程化过程，1956年的达特茅斯会议定义了"AI"这个词被认为是AI的发端，但是，人们似乎忘记了，诺伯特.维纳博士的《控制论》本身所奠定的控制科学与工程方向（如图2），本身是人工智能行为主义三大学派之一，自动化一直在致力于发展通过跨界的技术融合来解决制造业的各种难题，它的对象是变化的机械与材料，而采用的方法来自于感测技术、计算机技术、软件技术、人工智能、通信技术，本身，人们问自动化有什么Know-How，自动化作为一个工程领域，它本身就是利用跨界技术解决复杂工程问题，技术的融合以及广泛采用的障碍主要是经济性，并非人工智能过去没有出现在制造业，只是因为今天IC技术使得芯片算力变得经济。
机器智能主线-应对变化的能力
唯一不变的是变化，干扰、不确定性一直在我们的世界，宏观到商业竞争、消费者需求、社会文化都会对制造业产生影响，而微观到材料、机械、流程都对生产带来影响。
赋予机器智能就是要让机器在变化的环境下获得更为稳态的生产，高品质低成本，快速交付，因此，智能就是要应对无所不在的变化，通过各种建模形成一个尽量"以不变应万变"的结构。
下面，从智能的工程开发各个环节，我们来看如何让机器更为智能？
机器智能与建模仿真
需求总是在变化，材料也在变化，那么是否需要为每个生产"专机"呢？显然，最好的方式是生产一个多种变化能够适应的机器。建模仿真（Modeling & Simulation），可以帮我们实现这样的目标。
图3-建模仿真的意义
通过建模仿真，可以将不同材料、在不同加工工艺、不同流程下进行仿真，并形成控制模型，下载到控制器去执行，这样，就可以让机器拥有"演绎法"基础的智能，应对变化的生产制造，如图3描述了建模仿真的价值与意义。
图4-例：在注塑机的传动设计中的应用
如图4，为在MapleSim中的注塑机开发，通过对注塑机的开合模传动机械机构的CAD图纸导入，MapleSim这样的软件，可以对其传动进行仿真，以获得在不同的模具负载下的传动最佳控制参数，这些参数可以通过FMU/FMI接口与贝加莱的Automation Studio控制系统开发平台进行接口，实现机电协同仿真，并为驱动系统的提供最佳的参数，以及对整个机器控制的策略进行最优调整。
在虚拟的环境中，可以实现最灵活的调整，降低物理测试验证的成本，而对于控制系统开发而言，可以通过这种方式封装可复用的软件APP，用于机器控制。
机器智能与运动控制
运动控制从早期的变频传动大幅提高能效，再到伺服传动大幅应用，其高精度定位与重复精度、高速响应能力，使得机器能够有更高的品质，以及更为关键的灵活性-因为，很多机械的调校被"参数化"，仅需设置参数，系统会更快的实现换单能力。
大量的旋转电机及直线电机，已经广泛融入到机器的控制中，针对点到点定位、电子齿轮同步、电子凸轮、多轴协同，在每个制造领域的机器上，都会看到他们为机器赋予的"灵活性"，通过简单的参数设置，我们可以赋予机器更为灵活的能力。
今天，像贝加莱的ACOPOStrak、ACOPOS 6D的推出，其不断的让生产系统变得更为灵活，它也代表着自动化向机械-电气更为深度的融合，解决了传统机械的刚性为生产带来的障碍，使得产线更容易"编排"方式实现"自适应"制造能力，如图5显示了运动控制的演进过程，使得机器变得更为智能。
图5-运动控制的演变
图6-基于ACOPOStrak和机器人的自适应产线规划
ACOPOStrak/ACOPOS 6D代表着机器"不是一个人在战斗"，而是由一个更为灵活的输送系统来实现最佳的协同，并且改变了传统产线的固定逻辑布局，为了固定产品的生产组织形式，变成为"个性化"产品进行"自由组织"的发展形式，如图6所示ACOPOStrak的意义在于即时换型、性能提高、柔性与实现个性化制造能力，这是机器的智能体现，应对变化。
机器智能--机器视觉
机器需要感知，反馈，所谓的"能观能控"，视觉具有更为丰富的信息采集能力，它采集的图像不仅可以用于计算对象的轮廓尺寸用于定位，也可以对中心进行计算，还可以识别缺陷等，较之以往的传感器更丰富的感知能力，随着电子技术发展，视觉更低成本使得其实用更为广泛。
传统视觉与自动化分属两个不同的行业，而今天，像贝加莱这样的自动化厂商基于控制的全局思考，规划视觉产品，推出集成机器视觉，它将视觉集成到自动化系统中，通过Automation Studio像I/O一样编程，通过变量耦合实现视觉与运动控制、机器人的POWERLINK网络实时交互，高速同步，达到更高的集成能力，达到动态、实时的产线响应，如图7，贝加莱集成视觉将原来需要分别采购的独立器件集成于一体，相机、镜头、处理单元、光源、通信集于一体，更高集成，更高协同。
图7-集成机器视觉
图8-机器视觉应用场景
图8则是机器视觉在工厂的场景应用，包括缺陷检测、识别、读码、测量等应用，并与产线的控制、机器人协同工作，快速判断缺陷，并提供精确的位置让机器人去进行剔除废品，或者调整加工协同位置，降低次品率。
机器智能-设备互联
从智能开始发展，通信就扮演着非常重要的角色，因为，能观测才能控制，信号的传输方式接线复杂、干扰问题带来不便，使得现场总线得以发展，但网络与通信层协议必须集成构成了现场总线的三层架构（物理层、数据链路层和应用层），但是，机器已经不再孤立的存在，而企业也不再像计划经济那样的封闭系统，而变成了与市场快速交互的组织。
通信从机器延伸到了产线，从产线延伸到车间，从车间到整个工厂，从工厂延伸到企业，从企业延伸到了整个产业链条的信息交互，这使得信息的多样性、带宽都提出了新的需求，这就需要重新基于新的形式构建新的通信架构。
图9-基于OPC UA over TSN的工业互联
OPC UA over TSN正在扮演这样的角色，TSN旨在实现多业务流数据（周期和非周期、事件类、图像、配置参数类）的同一网络传输，避免工厂复杂的网络形成的数据透明性受阻现象，而OPC UA则旨在为多个不同语言的对象构建一个统一的语义交互规范，让来自不同国家、不同厂商的机器可以进行交互。
OPC UA over TSN将要支撑的场景包括几个方面：
●协同制造：在机器与机器（M2M）间，跨控制系统之间的交互，可以提升协同能力，提升制造效率。
●数字孪生：在跨平台的数字化设计、运营软件间实现建模仿真数据的协同，使得数字系统可以与现场系统进行透明的交互。
●工业互联：工业互联必然需要一个统一架构让制造现场与数字化分析端应用软件间建立连接，以及边缘计算侧的各方形成跨平台、实时交互。
图10-贝加莱OPC UA over TSN覆盖广泛的产品组合
贝加莱一直是OPC UA over TSN的积极推动者，并推出自己在OPC UA over TSN领域的产品与技术，图10所示，包括了TSN接口的控制器、TSN交换机、I/O站，以及最新对OPC UA Pub/Sub机制的支持，该机制使得设备可以一对多的方式与其它设备交互，并且，可以被云/边平台订阅数据。
机器智能与机器学习
当缺乏机理模型，并且，系统处于非线性区、无法精准测量（技术或成本因素）的时候，我们需要更为高效的方法寻找"模型"，以提高生产的效率，随着AI芯片、算法的成本不断降低，在工业的广泛应用成为了可能，如图11所示几个领域，就成为了可能：
图11-机器学习工业场景
（1）预测性维护：通过早期故障诊断，对机器的健康状态的预测，可以实现降低产线的非计划宕机、延长设备寿命，提高OEE的目标。
（2）视觉智能：视觉除了前面提到的采样处理，对于一些场景如缺陷检测、精准测量等可以通过机器学习来进行。
（3）控制策略：不仅对于本身的位置、速度、温度控制，我们还可以通过更大的闭环，将影响最终产品质量的指标与这些控制参数之间形成相关性分析，来优化控制系统的策略、工艺参数。
（4）最优化：可以为系统获得最优的参数，例如成本最优、时间最优、材料最节省的路径寻找。
图12-贝加莱exOS让更广泛的智能应用可以集成到机器与产线
在贝加莱基于Hypervisor虚拟机技术的工业PC可以在多核CPU中分别运行RTOS，而另一个核运行Windows/Linux可以处理AI的开发与推理任务，这样，在原有的控制任务上就可以加载观测器，对控制任务数据的采集分析，并推理，进而将决策信息发送给ROTS来执行，实现动态的智能优化，而在2020年贝加莱最新的exOS则实现了更为开放，如图12，可以基于Python、PHP、Docker等进行应用程序的开发，让IT技术积累的AI应用可以与工业装备的实时控制融合，赋能机器智能。
机器智能与集成开发平台
工欲善其事必先利其器，做一个智能系统的开发，必须有锋利的工具，就像对一个人来说，发展的平台很重要，这决定了效率，而智能的机器开发，就需要能够提供高效的开发工具。
图13-贝加莱集成开发环境Automation Studio
平台需要能够实现智能：
◆开发高级算法：无论对于智能算法如套色、张力、温度、防摇等，都需要有开发能力，以及运行支撑；
◆封装工业Know-How：将已有的知识封装为可复用的模块；
◆集成连接的对象：将不同的对象集成为一个机器的大脑与执行机构，并与第三方设备开放连接，与智能优化系统连接，一切需要平台有开放的支持能力，总线，OPC UA，软件接口。
◆与开放的智能结合，利用IT世界已有的智能算法应用于工业场景。
◆长期的知识积累：对于机器制造商而言，通过一个集成开发平台，来实现长期的竞争力封装，构建高效的开发，实现高效创新。
贝加莱-机器智能专家
用一张图来介绍贝加莱，就如图14，借助于广泛的硬件产品（控制、驱动、HMI、智能输送系统），以及丰富的行业技术如mapp、实时通信、机器中心的机器人（MCR）、reACTION等，贝加莱通过数字化设计与集成开发平台的工程（Engineering）来为行业带来"个性化"的机器智能解决方案，形成用户的差异化竞争力，以达到最终机器与产线的高品质、低成本、快速交付个性化的成本。
图14-机器智能专家
贝加莱，作为机器的智能专家，用机电工程专家为用户带来未来竞争中的胜出，获得丰厚利润回报。
约.见深圳工业展2021
贝加莱将出展深圳工业展2021，欢迎机器与产线领域的专家、工程技术、大学、行业组织同仁共聚探讨机器的数字化转型升级，如何适应快速变化的市场，并赢得先机。
期待您的到来！