装备工业软件发展难点分析

导读

INTRODUCTION

本文为贝加莱工业自动化宋华振先生在11月2日SAC/TC124年会(国家标准委员会/全国工业过程测量控制与自动化标准化技术委员会)上的分享内容,名为“装备工业软件发展难点与创新路径”
 

文章来源

本文作者宋华振,贝加莱工业自动化(中国)有限公司技术传播经理,公号「说东道西」。

为什么要重视装备的工业软件?
制造业面临转型升级的压力,各产业越来越清楚的意识到了工业软件的重要性。但是,相对来说,装备所受到的重视并不充分。从以下几个视角来说,它更为关键。
图1-为什么要着重发展装备制造业?

 

1、工业软件的应用场景在装备

CAD/CAE、仿真等工业软件,装备也是其主要应用场景。在过去,我们一直采用的是采购设备及成套线引进,利用国内廉价劳动力资源进行组装生产。工业软件通常在装备的设计、测试验证、运行的各个环节工作。因此,直接的采购这种方式也使得我们自身的装备开发的工业软件没有发展起来。

2、卡脖子的关键

但是,离散制造分为成型和组装,组装由人工完成,但成型,无论是机床的金属切削、车铣刨磨,还是剪裁、冲压,半导体长晶、光刻、沉积,或包装的纸盒、纸箱,无论哪个领域,都是牵扯到关键成型工艺问题,这都是我们卡脖子的关键环节,这个认识必须是清晰的。

3、系统的数据源

我们推进数字化,那么数据来自哪里?生产管理相关的可以来自于现场数据的单独采集,但是,品质优化、成本降低等关键的决定产品竞争力的指标,如何被优化、分析、改善—这才是数字化价值含量比较高的地方,我们不能绕开难题,而装备是这些数字化的数据源。

4、智能制造的执行机构;

如果我们所谓排产、作业变更、智能分析、参数优化等数字化、智能化的应用要执行的时候,它必然是要经由设备来实现,而装备是执行载体。

5、品质工艺及生产柔性的载体;

制造的话题,就品质、成本、交付能力几个话题,这些都必须在机器上实现,而不是在大脑里实现,大脑里的思想,必须经由工程测试验证,最后封装为软件来让机器来执行。

6、装备是工厂重要的资产

 

作为工厂重要的资产,如果我们装备发展不好,这个资产就得花费大量的资金来购买进口设备。依赖于中国市场的规模效应,我们显然可以发展好自己的装备制造业。花费的资金不算,而在于它下游的产业更大,装备的下游都是大于10倍以上的市场,并且长期可用。带来的制造业产值是巨大的。

 

如何理解工业软件的发展难题?

如果我们想要理解工业软件的发展的难点在哪里?首先,需要制造业的复杂性在哪里?然后,分析为何需要工业软件?其次就是工业软件的本质是什么?

图2-制造复杂性与工业软件的难题

 

2.1 / 制造业的复杂性在哪里?

 

制造的复杂性在哪里?它会告诉我们工业软件的形成与制造业紧密相关。而装备又是重中之重。

制造业会细分为众多的行业,每个行业,都没有我们想象的那么轻松简单,这是制造业发展给我们的深刻感受。很多时候,我们把制造理解为采购了装备,生产出产品—但是,这就是问题的关键,我们买的进口设备,来赚快钱,这个看似简单的行为,正是使得我们难以掌握真正的核心技术的原因。

◉ 机器本身是多要素的强耦合关系

制造的复杂性在于机械、材料、控制、工艺之间的复杂性,在每个行业,都牵扯到非常复杂的材料工艺问题。比如,印刷行业,纸张、薄膜都是上千种,每种都有其自身的物理特性,而要让这些材料在不同的印刷速度、印刷工艺(凹版、柔版、胶印)的情况下,如何来实现色标的检测、印刷套色控制算法的设计、电子传动的PID控制、温度控制,它都是需要经过长期的物理测试与实践,来获得产品的品质优化的。在轮胎行业,根据轮胎的尺寸规格、用途所需的材料组合(面胶、肩胶、三角胶、内胶、帘子线、钢丝圈)变化,轮胎成型机、硫化机都要为其配置所需的参数—而这些参数,都需要非常长周期的现场运营来获得稳定的品质。就哪怕是一个弹簧的制造,它也会随着钢丝的直径、材料的弹性、韧性、加工的弹簧节距、轮廓等发生变化,这会带来成千上万种组合,需要在机器上为其配置所需的参数,才能确保机器生产出来的产品品质稳定。

图3-印刷机的机械传动与印刷工艺

图4-BOPP薄膜生产装备

 高速高精度机器的难点

华中科技大学机械学院的冰老师,之前特别交流过一次关于机械系统“模态”的问题。他谈到了“低速、低精度”和“高速、高精度”的制造系统中,机械的模态发生了较大的变化,并且,可以理解为已经完全不是一回事。

在速度不断提高的过程中,像摩擦力对于传动的影响就不会是线性的,它对制造的精度带来较大的扰动,整个机械传动链就不会像在低速状态下的可控性,正所谓“失之毫厘,谬以千里”。在高速下获得高精度,需要考虑的干扰因素更多—而生产系统最大的问题在于:这些影响生产品质的因素之间是强耦合的,并且究竟谁影响比较大,也很难被发现,如何调节—没有规律可循,需要进行测试。这使得它需要开发者有非常强的机械、电气、光学、热动力、电磁学、流体、化学方程等深厚的机理建模能力。而最为复杂的则在于工程测试与验证的过程,通常一个软件都需要积累数十年的工程数据,基于模型—这些来自于科学发现的规律,又成于工程—必须经过大量的物理测试与验证获得更多的规律。

品质的稳定性,主要来自于这种机械传动、系统控制的稳定性,一方面,这些稳定性需要机械设计、控制工艺的稳定性,其次,在工况发生变化时,又产生了复杂的适应性-系统的自适应能力,也是由软件来实现。

这些复杂的材料间的关系,它在设计过程中、组装的过程大量经验、机器运行的嵌入式软件中,它以一种看不见的形式存在。

关于这种机械系统的复杂性,如果你踢过足球,就肯定会深有感触—就算我们再鄙视的国家队如何的菜,但是,他们对于业余队员来说,也是碾压式的—这些需要经过长期的训练,才能掌握高速下球的路径、速度以及最好的处理方式—这仅仅是个人技术。对于团队,也要把阵型训练到最优的流调度,最简化的过程获得进攻进球,你会发现最牛的比赛就是精妙的团队传切配合的流畅性。这些都是经过大量的测试验证,以及对抗中训练出来的,在人的大脑中的软性能力。即使国家队如何碾压你,但是,他们遇到了巴西他们也要被碾压,因为,对抗速度完全不同,对于高速下的高精度处理,这些顶级球队从个体到整体都会高出你很多。

人的大脑里的那个软件—它也是经过大量的测试验证获得的。

2.2 / 工业软件的本质和意义

 工业软件本质在知识复用

图5-工业软件的本质在于知识复用

工业软件的本质在于“知识复用”,而这里的知识包括了显性和隐性的知识(经验),如何通过数学建模的方式把它构建出模型,然后才能被软件代码开发。而建模的方式,其实,就类似于人的推理方式,主要有三种,即,演绎法、归纳法、类比法。其中,演绎法就相当于我们的物理建模方式(Physics-Based Modeling),它的知识来自于人类历史上对于自然规律的探索(科学)。对于无法用演绎法-即,已有的先验知识的情况下,可以采用归纳法,这类似于数据驱动建模(Data-Driven Modeling),以学习的方式来获得模型。类比方法则相当于我们将这种获得的模型迁移、扩充到其它领域-所谓举一反三。

在建模后,我们其实需要获得这些模型的边界,即,有效、可控的工作区间,由于被控量必然受到其它因素影响。而这种影响又无法被有效的描述,那么,就需要通过工程测试来实现收敛。它是整个制造中最为复杂的过程,因为,这里需要大量的物理测试验证成本的投入。而工业软件,包括建模、仿真这类软件,主要还是通过虚拟的方式来降低测试验证成本。

 工业软件的意义在于降低工程成本

因此,工业软件的核心意义在于降低工程(Engineering)的成本,包括在设计阶段的成本、开发的“集成”工程成本,以及测试验证环节的成本,最终在装备的批量化、系列化中,将这些知识固化在装备中。

由于需要对机械系统进行设计,然后加载材料进行生产,以注塑为例,塑料颗粒经由加热成为熔体,然后由螺杆注射进入模具之中。但是,塑料材料在模具中的成型会受到注塑压力、螺杆进给速度、模内温度、塑化压力(背压)、材料本身的塑化特性(如时间特性)、同样材料还会与加工件的厚度有关。

由于这些复杂的关系会交织在一起,具有强耦合关系,使得注塑件的产品质量受到多种因素的影响,而如何获得这些因素之间的关系,就需要为其建立模型。

对于任意一个制造的细分行业,存在于其中的复杂机械、电气、材料的耦合关系,都需要经过大量的测试验证才能完成。

因此,我们的制造业工业软件,尤其装备领域没有获得好的发展,在于①拿来即用的装备,内嵌的知识并没有被我们掌握。即使在装备开发,②因为直接的仿制,以及低速低精度的设备,对于机械系统本身的模态分析并未有深入的积累。③那些看不到的知识:装备行业的发展,都是通过仿制,而这些往往是别人已经“测试验证”过可行的机器设计,但是,在形成这个结果的过程中,会有大量看不到的知识,例如材料的选择、流程的优化—哪些是没有效果的?哪些是不合理的?哪些是高成本的?…凡此种种,那些被放弃的设计方案,其实是更大的知识,而这些知识会在新产品设计中被有效避开。

 

工业软件发展的难点在哪里?

 

功夫在诗外,解决工业软件的问题,本身需要重新理解我们对于工程的认知、对制造业复杂性的认知、对工业软件的重要性的认知,惟其如此,我们才能有效的清晰工业软件的本质,以及存在的问题,并有效的寻找解决之道。

3.1 / “赚快钱“思维对工业软件发展的影响

首先,在于赚快钱的思维,导致不去在工业知识与核心技术的投入上。其次,在于赚快钱的思维难以发展工业软件本身-工业软件不是快钱。甚至说,如果你想赚快钱,赚大钱,做工业软件肯定不是个好的选择。

 赚快钱,带来缺乏装备自主开发的知识

对于企业,赚钱最快的办法就是直接买成熟的设备、引进产线,然后开始生产,这的确是最快的赚钱办法,我们的大部分制造业都是这么发展起来的。因此,这样就会很难去购买国产设备,这使得国产设备很难能够有机会在大型终端生产企业那里进行测试。因为,买入成熟的设备、产线是最快的办法,但是,这的确导致了我们的确可以生产某些产品,例如,芯片,但是,我们却没有制造这些设备和产线的能力,而使得我们能生产芯片,却并未掌握芯片制程设备的工艺,而这些往往被以软件形式封装在装备里。

 直接买设备和产线,买不来技术。

我们经常会有抱怨买了设备,买不到技术—这不难理解,因为,有个朋友说,“难道你买了杯可乐,就能买到可乐的配方了吗?”。同样道理,我们买了设备,并未买设备本身的技术,因为,购买的是使用权,而不是设备本身的知识产权。而这个设备的设计的软件以及软件中的知识,都脱离于这个设备本身的。即使是嵌入式软件,蕴含在机器里的应用程序,它的确可以被复制,但,那种能力、知识却很难被复制,以及试错过程中的知识,就更无法被掌握了。

但是,为什么我们又可以通过制造业干掉了很多国外企业呢?这是因为中国的制造业有大规模的成本优势,因为在标准化生产的时候,规模越大,我们就会制造的成本越低,因此,从产品视角就会以更低的价格把别人干掉。

 赚快钱与长期主义

前面我们分析的赚快钱对于工业软件发展的影响是从需求侧-即,制造业的用户侧来分析。而另一个视角则是从供给侧—即,装备开发侧,这个领域的赚快钱,也使得机器的开发。经常就是为了赚这个市场钱,必须加快开发过程,通常采用快速上线,而不是从建模仿真视角—这个也是建模仿真有一个难题,就是周期往往比较长,而市场不等待我们的完美主义的开发过程。

欧美的机器开发者通常会采用建模仿真的思想去开发机器,搭建功能框架、考虑各个细节的使用中的成本节省,以为用户提供长期价值来赢得市场。另外,也非常注重差异化的竞争力打造,这体现在更多的软件能力,包括操作的易用性、机器的可靠性测试、材料的广泛适用性,维护的便利性、升级的便利性等,考虑维度较多。

而我们则为了更快投入市场,通常会直接“拷贝”的方式,做一个能用的机器,而不考虑“好用”—这样对于一些低端的、标准化的生产场景还是适用的。但是,这样的机器往往不具有可持续性,包括稳定性、广泛的材料适用性,因此,就会经常用几年就会被淘汰。而且,大规模标准化生产的市场,也无需考虑那么多的模型成熟性设计,只要在某个产品上进行测试验证,即可实现—这并不难。

因此,要求高端的企业,通常就会选择高性能的进口设备,从长期效益来看,这些设备虽然价格的确很高。但,对于企业经营来说,它并不在于考虑初始采购成本,而在于投资回报视角的评估。这不是崇洋媚外,而是长期计算的考量。

 面向组件的开发-解决复杂性问题

中国的确是个快速发展的市场,需要快速的装备开发,但,这种快速的模仿无法带来知识沉淀,以及架构在未来会被推倒重来的结局。而欧洲人擅长建模,长期可用,但是会需要花费周期比较长。而这个需要我们的智慧,如何平衡短期利益与长期主义,在快速响应和长期可用方面选择有效策略。

这就像著名计算机专家Frideric.Brook所说的那个“银弹问题”,他最初认为软件开发“不存在银弹技术”,后来,他发现基于组件的开发(Component-Based Development)就是一个“银弹技术”。另外,像集成开发平台,也是一种提高软件开发效率的技术,这就像贝加莱的Automation
Studio这样的集成开发平台,它的mapp技术,基于CBD的思想开发,可复用的APP,而Automation Studio平台来实现快速集成、软件模块化封装,成为长期创新的平台支撑。

图6-基于组件的开发(CBD)

以贝加莱Automation
Studio为例,它属于典型的集成开发平台,主要针对于机器的嵌入式应用开发。在去年,我也曾经与e-works的黄培博士谈到这个话题,以及赵敏老师也经常呼吁大家重视这个问题,即,嵌入式应用的开发软件。

在Automation
Studio里,它解决了装备开发的几个平衡问题:

在快速开发与个性化之间的平衡

 

mapp基于CBD,为了高速开发,但,它不能解决所有的用户工艺Know-How问题,以及用户自主的行业特性,不便让包括贝加莱这样的企业掌控的APP怎么办?

 

那么,用户就可以基于C/C++这些自己来开发,并采用PLCopen的标准封装,因为mapp也是基于PLCopen的封装。

②控制与计算的集成问题

 

为了增强Automation Studio对于数字化的能力,在2019年贝加莱推出exOS的概念,并在2022年发布其应用版本。可以使得用户对于开放世界的资源得以应用。

③解决长期可持续性发展

 

Automation Studio平台对于装备企业的研发项目管理也有很大的意义,这包括它的版本控制,标准化封装能力,这使得企业可以基于此平台来封装自己的机器长期可用的知识、以及应用经验、包括项目文档等等,mapp的数据应用里也保存文件、帮助文件。

还有一个很重要的地方在于“程序安全”,即,如何保证客户自己的Know-How不被抄袭的问题,因为采用了编译系统,加密机制,使得程序得以二进制方式被下载到控制器。程序安全是非常关键的问题。

3.2 / 对工业软件的认知问题

英诺威盛的赵敏老师谈到了对于工业软件的认知问题,包括之前很多次谈到像嵌入式系统的软件:

①愿意为硬件付费,不愿意为软件付费:这里的确存在一个问题,即,硬件属于一种可以被看到的“资产”,而软件则是一种无法被看到的资产。从财务视角,软件的费用则属于看不到的,缺乏专业的资产评估,且在资产盘点时也无法被有效计价。

②软件服务费用:在软件定制服务、软件后续服务方面支付费用,缺乏对知识的尊重。

③知识产权保护:这是个长期存在的问题,在很多时候,盗版软件,侵犯产权的问题,为了保护自己的企业,会很难举证,或采用比较妥协的手段,买一部分,法律追溯也比较难。

但是,国外的软件在中国遇到这个问题,很多人觉得他们卖的那么贵,这使得软件知识产权无法得到保护。但是,也无法让知识的价值被保护,这使得国产软件更无法发展,因为,即使是你开发了软件,也无法获得有效的收益-无论是盗版、还是客户的重视程度。

3.3 / 缺乏生态合作

 缺乏陪伴-支持工业软件企业发展的力量

而工业软件类企业作为供给侧,他们缺乏这种测试场景。按照冰老师的说法,就是缺乏“陪伴”,没有愿意支持国产工业软件发展的陪伴力量,让一个工业软件来有机会测试,并不断迭代其技术。

也有专家谈到这个问题,工业企业为了产品质量、稳定考虑,还有产品研发进度考虑,使用国外先进产品不担责,比如一些国企这个责任问题也是大家不敢使用国产的原因。而另一方面,民营企业则因为市场的快速变化,无法支持,因为不满足快钱的属性。

工业软件企业无法独自发展

这就是难题中的难题,还是在需求侧的问题,因为,工业软件的企业,它的发展通常都需要大量的测试验证。因此,今天的工业软件企业,基本上都是由制造型企业脱胎出来形成的,因为,在母体有测试验证条件。

①工业软件与物理对象的耦合问题,需要测试条件,装备企业没有测试条件,得去终端制造现场,但是,现场也不会有机会给你-因为他们很忙,也不愿意浪费材料-成本太高,无异于烧钱。

②需求不开放,除非是自己的内部企业,或者有非常强的关系绑定,很难把需求敞开。因为,这样意味着企业自身的数据、Know-How要开放,然后进行封装,这种使得工业软件企业很难获得发展机会来迭代自身。

③专业分工不足:国内的大型企业,不要说工业软件,就算是硬件都会自己去做。有些企业都会自己去做CNC、芯片-这也是个难题,对于工业软件企业来说,遇到这种情况也无法发展。

像工业自动化领域的软件如SIEMENS Protal、B&R Automation Studio,都是工业自动化企业发展的软件,它的内部应用来自于各个领域的应用,结合PLC/伺服驱动器这些硬件的应用发展起来的。

3.4 / 人才培养的难点

 

对于人才的重要性,相信大家都会有认识,不必多言,但是,开发工业软件的人才培养存在难题;

◉ 工业软件是复杂的人才需求:工业软件如前所述,与制造现场的对象及对象的各种物理化学特性紧密相关,因此,它不是纯软件开发可以实现的。因此,它的人才需求一定是复杂的,包括对机械、电气、工艺都需要了解的人才,并且,需要现场的实践积累。这样的人才不是短期可以培养的,过去就缺乏这方面的积累,现在要开始发展工业软件,就必须得要有复合性的人才来支持。

◉ 需要优秀的架构师:作为工业软件的开发,其架构需要非常强的规划能力,这种类型的人才不要说在工业软件领域,即使更为广泛的商用软件领域,也是难得的人才。而考虑到工业领域的规模、盈利能力,具有规划能力的架构人才,很难被吸引到工业软件领域。

◉ 敢于试错,包容发展:工业软件需要大量的试错,而这种试错需要大量的成本投入,以及测试机会,这些都要对于人才的包容性。试错的过程中,犯错误也是必然会发生的。

因此,人才培养的难题,在工业领域还是需要综合性的人才-跨学科培养,从大学到企业,都需要。在大学需要人才多学科的学习,而在企业,则需要给予人才发展空间,如果用KPI考核的方式,那么,就得不到好的人才-因为,人才需要吃饭。严格的考核,没有高的薪酬回报,也留不住。

本篇聚焦于对问题的分析,下篇关注于对问题的解决途径分析,敬请期待。

THE END