隨著工廠努力提高生產(chǎn)力和降低運營成本，對能夠增強邊緣智能的新技術需求也在不斷增長。您可能會好奇，“邊緣是什么意思？”ADI對“邊緣”的定義是機器與現(xiàn)實世界融合或交互之處！

例如在工廠自動化領域，增強邊緣智能意味著減少工廠在一年內損失的生產(chǎn)力。造成這一問題的最大原因是工廠停機時間，或者生產(chǎn)線停工，導致公司虧損。事實上，根據(jù)麥肯錫在2018年10月發(fā)表的一篇有關“數(shù)字化可超越預測性維護提升可靠性”的文章，每年工廠生產(chǎn)線的停工時間平均為800小時，或每周平均15小時。這給公司的收入和利潤帶來了顯著影響。舉個例子，當工廠停止生產(chǎn)時，汽車制造商每分鐘將損失近22000美元。這意味著每小時損失130萬美元，或每周損失近2000萬美元。增強邊緣智能為生產(chǎn)線帶來了積極影響，生產(chǎn)力提高了10%，維護成本節(jié)省了20%。因此，在工廠環(huán)境中，增強邊緣智能通過預防成本高昂的生產(chǎn)線停工，能夠使生產(chǎn)線保持正常運行。

雖然很明顯，增強邊緣智能可提高生產(chǎn)力并降低運營成本，但真正的問題是“增強邊緣智能需要什么”？作為半導體供應商，我們需要交付支持智能傳感器和執(zhí)行器、支持軟件可配置IO并提供高級診斷功能的解決方案。下面我們來看一下這4個關鍵要素的重要性，以及它們在增強邊緣智能方面提供的重要功能。

1 智能傳感器技術

傳感器無處不在！在我們的日常生活中，傳感器應用十分普遍。在制造環(huán)境中，所有制成品都需要一系列傳感器協(xié)同工作，以幫助機器檢測物體，確定與物體的距離，配置物體的顏色和組成，以及監(jiān)控物體或液體的溫度和壓力。

調試新傳感器以替換受損的傳感器，或改裝設備以便制造不同的產(chǎn)品，這需要耗費大量人力，并且由于生產(chǎn)力損失，將造成很大的成本負擔。派遣技術人員到工廠車間更換傳感器，然后重新校準到正確的制造參數(shù)，這些操作成本會影響工廠的吞吐量。如果工廠里的每個傳感器均實施相同的維護級別，所有生產(chǎn)線的最大一筆費用就是更換或重新配置傳感器。

IO Link是一項激動人心的新技術，能夠讓工廠車間的機器均實現(xiàn)智能檢測。該新技術可幫助實現(xiàn)靈活制造，從而改善工廠吞吐量，提高運營效率。IO-Link技術通過提供與傳感器的雙向信息交換，將傳統(tǒng)的數(shù)字或模擬傳感器轉換為智能傳感器。該技術提高了遠程調試傳感器的智能和功能水平，并且通過隨時調整傳感器參數(shù)，能夠實時作出反應?，F(xiàn)在，工廠自動化機械具備全新的智能水平，能夠根據(jù)遍布工廠車間的傳感器網(wǎng)絡的運行情況和狀態(tài)，動態(tài)響應實時運行條件。通過利用智能傳感器網(wǎng)絡提供的大量端到端信息，工廠可創(chuàng)建其工廠車間的映射，從而為總體人工智能監(jiān)控解決方案提供更好的實時信息，以便能夠快速識別制造瓶頸、故障點，并提供優(yōu)化整個工廠車間的全新思路，從而提高運營效率。

通過使用協(xié)議棧和IO設備描述(IODD)文件的通用物理接口，IO-Link技術支持傳感器互換，從而簡化調試過程，提高工廠吞吐量。這樣，技術人員就能夠快速調試傳感器，從而減少工廠停機時間，允許隨時重新配置生產(chǎn)線。

隨著公司認識到使用通用接口的好處，即壓力、近距離和溫度等各個傳感器即插即用，更換起來非常簡單，IO Link傳感器的采用率不斷加速提高。Research And Markets表示，IO-Link市場持續(xù)發(fā)展，預計到2023年，將從2018年的30億美元增長到120億美元，CAGR達33.56%。

2 IO Link Hub和軟件可配置IO

很明顯，IO Link技術是催生一系列全新智能傳感器的推動因素，除此之外，IO-Link還可以通過IO Link Hub解決方案為邊緣賦予智能。這些全新的IO Link Hub提供一種簡單的方法，能夠添加模擬和數(shù)字IO擴展通道，并集成電磁閥和電機驅動器等智能執(zhí)行器。

IO Link Hub通過簡單的方式來擴展所需的通道類型和數(shù)量，以IO Link Hub通過簡單的方式來擴展所需的通道類型和數(shù)量，以支持意外的生產(chǎn)線重新配置。這些IO擴展中心解決方案充分利用IO Link技術的所有優(yōu)勢，并簡化了添加數(shù)字和模擬IO端口的任務。這些新型產(chǎn)品允許通過IO Link Hub調試傳感器，從而減少工廠停機時間。在Omron的NXR系列IO Link集線器產(chǎn)品系列中可以看到這些解決方案的示例，該產(chǎn)品系列聲稱能夠使設置和調試時間減少90%。

利用軟件可配置數(shù)字和模擬IO解決方案，自動化工程師和技術人員可以輕松地遠程調試通用IO端口。這些新型軟件可配置的數(shù)字和模擬IO產(chǎn)品可與IO Link提供的優(yōu)勢相媲美，不僅簡化了工廠的布線工作，還可靈活地將任何數(shù)字或模擬IO傳感器或執(zhí)行器物理連接至任何未分配的數(shù)字和模擬IO端口。此項軟件可配置技術可提高成本效益和工廠車間的通道密度。

3 智能執(zhí)行器

執(zhí)行器用于影響和控制工廠車間里產(chǎn)品的移動方向和速度。由于所有應用都需要一組獨特的運動控制和電機驅動特性，因此這些智能執(zhí)行器需要根據(jù)其環(huán)境動態(tài)調整，從而形成完善的機電網(wǎng)絡物理系統(tǒng)。目前，智能執(zhí)行器不斷發(fā)展以提供自動配置功能，能夠自動調整其性能參數(shù)，從而滿足運營環(huán)境的需求。要想使執(zhí)行器對環(huán)境建立自我意識，并允許系統(tǒng)優(yōu)化其性能，從而最大限度提升吞吐量或提高執(zhí)行器的長期可靠性和運行性能，這是第一步。無論哪種情況，都會降低運營成本和提高效率。

為了實現(xiàn)該智能運動組合，需要將兩個關鍵要素相集成。

第一個關鍵要素是高能效模擬驅動技術，用于實現(xiàn)高壓操作，同時提供本地環(huán)境的運行狀況和狀態(tài)，以實現(xiàn)電機優(yōu)化，從而在高效率和更快的吞吐量之間達到平衡。

第二個關鍵要素是能夠提供運動控制算法，以支持順暢的運動范圍。這包括能夠檢測運行期間的電機負載，以避免生產(chǎn)線故障和最大限度減少功耗。

運動控制算法提供順暢精確的移動，而截斷算法專注于提高電機的能效。此外，要想了解電機是否朝著正確位置移動，檢測電樞的位置至關重要。通常，這可以使用磁性檢測的霍爾傳感器或某些光學編碼解決方案來完成。

以下兩個新示例展現(xiàn)了下一代智能執(zhí)行器的價值：PD42-1-1243-IOLINK和最近發(fā)布的機械手末端工具(EoAT)夾具參考設計TMCM-1617-GRIP-REF。這兩個解決方案演示了將來自ADI和Trinamic的智能運動、驅動器和IO Link通信技術相結合所帶來的強大性能。這些全新的智能執(zhí)行器允許工業(yè)自動化工程師通過IO Link通信接口訪問50%以上的配置和性能參數(shù)，從而簡化調試，提高工廠生產(chǎn)力。最后，這些智能執(zhí)行器可動態(tài)調整，以適應運行環(huán)境變化和人工智能技術衍生的高級生產(chǎn)力解決方案的實施。這種根據(jù)運營環(huán)境塑造執(zhí)行器性能的能力是智能運動控制的未來。

4 診斷和實時決策

更高級別的診斷功能不斷提供更豐富的數(shù)據(jù)集，以改善基于邊緣的實時決策，從而提高工廠車間的生產(chǎn)力和運營完整性。根據(jù)Marketsand Markets在2019年1月發(fā)表的一份名為“制造市場的人工智能”的報告，預計到2025年，這些制造領域強大的人工智能算法平臺的收入將從2018年的10億美元增加至超過170億美元，或CAGR接近50%。在這段時間里，由于為實施智能工廠所做的快速投資，機器學習預計將是人工智能領域增長率最高的部分。這一增長背后的推動力源自IIoT支持設備網(wǎng)絡生成的大量運行狀況和狀態(tài)信息、提供預測性分析的算法、監(jiān)控產(chǎn)品質量以及評估機器狀態(tài)和運行狀況的機器視覺攝像頭。

在IC級別，將會監(jiān)控、收集越來越多的信息，并通過SPI總線與微處理器進行通信。這些IC數(shù)據(jù)報文的數(shù)量繼續(xù)成倍增加，因為它們攜帶關鍵信息，如設備的溫度狀態(tài)、過壓、過流、開路檢測、短路檢測、溫度過高警告、熱關斷和CRC?，F(xiàn)在，如果我們后退一步，在工廠車間的各種設備中大幅增加能夠提供診斷信息的半導體芯片數(shù)量，那么很明顯，就可以實現(xiàn)工廠車間的診斷映射，以預測、識別和診斷生產(chǎn)線故障。

有一點是明確的，通過實施這種“全新思維方式”，智能工廠可利用這些新功能來提高吞吐量和生產(chǎn)力。隨著這些新技術不斷成熟，下一代人工智能算法利用這些解決方案生成的更高質量的實時數(shù)據(jù)，將會產(chǎn)生更多效益。因此，這些具有自我意識的新機器將自動實施人工智能生成的解決方案，使生產(chǎn)線保持正常運行，直到需要技術人員維修或保養(yǎng)。這個具有自我意識的機器時代將會激發(fā)工業(yè)自動化領域的“下個大事件”。

審核編輯：湯梓紅