MathWorks工业自动化和机械领域的行业经理 Philipp Wallner先生

作为一家提供数学计算和基于模型的设计的软件开发商和供应商，MathWorks公司在2021年被Gartner评为数据科学和机器学习平台魔力象限的领导者。MathWorks现有员工5000多名，其中超一半是开发人员。2019年公司营收超过10亿美元，在全球拥有400多万用户。

MathWorks在业界最负盛名的是其开发的MATLAB、Simulink语言编程环境，它们在计算生物学、芯片设计、控制系统、图像处理与计算机视觉、数据科学、物联网、机器人、机器学习、信号处理、无线通信等领域获得广泛应用。其中，“MATLAB是支持数据的科学计算，越来越多得被用在AI开发上，特别是工业领域；Simulink作为图形化的开发环境，可构建整个系统并将构建的系统或者算法部署在工业控制器上，或者云端。除此之外，MathWorks还提供针对各类应用的开发工具。” MathWorks工业自动化和机械领域的行业经理 Philipp Wallner先生如是介绍。

面对2021年的工业发展，Philipp 表示：“我们认为数字化变得比以往更重要，包括生产系统更加自主化、工程师通过仿真设备等方式。”

在当前工业4.0的背景下，他介绍了未来工业发展的五大趋势：

首先，AI项目的经济性优势日益凸显。AI不止是学术领域的新技术，它已被广泛应用到工业领域的实际场景下，并已从AI技术中获取收益。

第二，机器的工能验证转向数字模式。即利用数字孪生或者虚拟交付技术，对机器的功能在数字世界进行验证和确认。

第三，生产车间与办公场所进一步的融合。即互联网技术包括5G让生产车间和办公场所进行进一步的融合。

第四，机器人和自主系统促进了生产和物料搬运自动化。这让生产车间里面的自动化程度越来越高。

第五，聚焦领域知识的工程师在新技术—AI技术、大数据分析技术等的加持下，会拥有更多机会。

市场驱动

 “这五大趋势的预测来自我们的观察，” Philipp表示：“未来的工厂是Flexible，即柔性的。这来自市场驱动力—从大规模生产到大规模的定制化生产，柔性生产的需求越来越强烈。此外，市场驱动力还来自自主生产线，以及产品迭代周期缩短等需求。”

当然，这就带来新的挑战，“系统的复杂性增加，模块之间的参数变多，影响因素变多，此外，组件、部件之间的交互变多，更多功能通过软件实现，导致软件复杂性变高。” Philipp 说：“在这种挑战下，可以看到有一些趋势，就是越来越多的仿真模型用于解决这些复杂性问题—处理复杂参数的调优、设计等。同时,AI和数字孪生技术也被用来解决这些复杂性—对数据进行优化，对设备健康进行监测或者预测等。”

“这就涉及到三个方面：一是越来越强劲的硬件，只有运行效能非常高的硬件才能让复杂算法在现场环境下运行起来；其次，复杂性导致设计过程变得复杂，推生出新的设计流程、工具，支撑开发、测试以及部署复杂软件系统以及包含AI算法的软件系统；第三点也是非常重要的一点，即使能要素，就是越来越多的具有领域知识的工程师在逐渐掌握一些数据分析技术，即AI技术，他们把领域知识和新的AI技术知识融合起来，使工厂柔性化成为可能。” Philipp说。

五大趋势

Philipp详细解释了这五大趋势：

AI项目的经济性优势日益凸显—“以往我们都是在科研、学术领域去探讨AI，但现在AI已经被应用在具体现实场景中去，包括：AI技术被用在车间的健康监测和预测性维护，并成为主流应用；基于视觉的质量检测以及生产优化等。现在，自动化工厂车间已严重依赖于AI技术。”他表示。

Philipp 以Mondi公司为例介绍了AI技术在预测性维护和生产线的健康监测方面的应用。Mondi公司采用MATLAB开发了产线监测APP，其7×24小时不间断运行的产线健康监测技术每年可帮助节省至少5万欧元。

在AI广泛应用的预测性维护算法中，他介绍：“一部分将实时任务的处理部署在边缘设备上，另一部分将非实时性的数据处理部署在云端，比如微软的Azure云端。这其中，边缘设备在较安全的网络环境内可对原始数据先做处理，再和云端的预测性维护算法协作。这样，通过仪表板操作者在任何地方都能访问这些参数，查看设备状态、生命周期状态等。”

除了这种AI应用在预测性维护的场景下，整个工业领域也在探索其它应用场景。Philipp 介绍：“MathWorks正在和欧洲最大的工业协会—德国机械设备制造业联合会（VDMA）合作，提供AI应用指导书，指导企业将AI技术应用在更多领域，其中一个就是基于视觉的智能检测，另外一个是训练机器人的应用。”

机器功能验证转向数字模式—“由于柔性生产的需求，模块化生产的需求，对于更高产品质量、精度以及更短上市时间的要求，这些需求使得系统复杂性不断增加，这时候就采用模块或者建模、仿真方式，应对这种复杂性：一些设计采用数字化模型方式对功能进行仿真和测试验证；运行过程也使用运动构建数字模型进行运行优化，并进行预测性维护。”Philipp表示：“可以说未来工厂只进行两种建造：先在虚拟环境下构建，再在实体环境下构建。”

具体到Mathworks的产品线，在设计部分，可以在Mathworks 的Simulink的环境下构建物理实体，或者在控制器上运行软件，这相当于用桌面仿真方式对系统构建并设计，并且这是一个在较安全的环境下仿真测试。然后通过MATLAB自动生成面向工业控制器、支持CC、C++或者工业软件要求的代码。

再下一步通过虚拟交付技术，将测试环境部署到工业原型机上，测试所要交付的软件产品。这将减少利用实体进行测试的需求，减少将人员或者设备置于危险条件下的可能性。然后利用模型构建数字孪生体，设备交付后的运行数据可反馈到数字孪生体里面，用数字孪生体里的监测或预测性维护算法，对设备状态进行估算，降低运维成本。

Philipp以一家领先的包装设备生产企业—科隆（Krones）公司为例，介绍了其采用Simulink，将模型应用在整个设计、交付以及运行整个过程，其结果就是减少了大量资金的投入。

生产车间和办公场所进一步融合—Philipp介绍：“这里包括两层含义：第一是设备或者自动化组件之间通过有线或无线方式，比如OPC协议或者5G，使其互联互通性变得更好，并相互进行数据通信；第二就是以往只在办公场才能看到的软件或者模型，现在正逐渐得部署到生产车间里的设备上去。”

机器人和自主系统正在促进生产和物料搬运等等方面的自动化—工厂需要柔性和模块化生产的自主设备。原来的自动化设备只能定向编程，只能做某一类特定动作，但现在更多设备已具有自主决策的能力，其自主性更强。另外，协作机器人与操作人员的紧密协作，可支持这种大规模的定制化生产。

“自主机器人有助于柔性制造，比如在搬运和检巡过程中，即使没有对被搬运物体的特定编程，自主机器人也可以自主做决策。而对自主能力的提升，就需要强大的硬件支撑”。Philipp说：“AI技术可帮助自主机器人进行智能化决策。我们的一些工具也正帮助开发自主系统。”

具备领域知识型的工程师会有更多的机会—“前四个趋势描绘了未来的工厂是什么样子，AI技术如何帮助工厂提高智能化。第五个是说工程师应该做好怎样的准备适应未来智能工厂的需求—即具备领域知识，包括对设备、过程专业知识的掌握，并拥有新技术，比如AI技术。” Philipp说：“通过和客户的接触，我们发现他们越来越需要把领域知识和新技术融合在一起的工程师，他们是未来工程师的发展方向。”

在这方面，MathWorks通过培训或者Online课程帮以及各类活动帮助工程师，让他们与MathWorks的数据工程师或者领域工程师一起参与到项目中来，让他们相互学习，帮助这些传统的、只具备领域知识或者只具备数据科学知识的工程师成长为未来工厂所需要的综合类型工程师。此外，MathWorks还通过提供丰富的、与AI技术相关的工具APP，让领域工程师方便使用AI技术，让他们把AI技术纳入到工作中去。

对于未来的工厂，Philipp说：“完全的无人化生产可能还需要很多年的发展才能实现。现在，并不能让AI去替代人工，而是让AI帮助人工进行更好的工作。我们与AI技术属于协作关系。”

最后，“2020年已展示了数字化的重要性，但2021年则是到了数字化转型阶段，它变得比以往更加重要！” Philipp说。