智能软件将成为未来工业自动化的重要因素

过去二十年里，中央处理器与网络带宽的性能实现了高达一万倍的跃升。遵循摩尔定律的发展轨迹，未来二十年间这一增长幅度还将达到同样量级。对于设计寿命长达四十年的工业自动化（IA）架构而言，计算能力将累计提升一亿倍——这个数字远超常人的想象。

如何驾驭这种变革力量，将直接决定哪些公司、行业乃至经济体成为赢家或输家。对于当下正在规划长寿命系统的专业人士来说，智能软件是唯一真正需要认真对待的关键要素。

事实上，这一幕已在多个行业上演。软件正逐渐成为每个系统中价值最高的部分。工业自动化（IA）一直以来都是这个规则的例外——但这一例外不会持续太久。如同自动驾驶汽车与智能医疗系统一样，IA同样可以通过传感器融合、快速分布式响应以及人工智能（AI），用智能自主性取代僵化或手动操作流程。

当前正在开发的架构，其目标正是解决近二十年来面临的核心挑战：工作单元的重配置、小批量生产、柔性自动化以及供应商互操作性。而以灵活的软件来应对这些挑战，远比僵化的规范更为有效。未来，属于软件。

不容回避的现实

如今的离散自动化系统仍采用以硬件为中心的简单架构。可编程逻辑控制器（PLC）通过现场总线连接设备，管理设备并向上与HMI、历史数据库等高级软件通信。工厂底层的软件负责读取传感器数据、执行逻辑运算、驱动执行器，在工作单元中执行重复性操作。整个工厂由一系列这样的工作单元组成，每个单元包含数十台设备。

这些工作单元几乎不依赖编程。制造工程师或技术人员通过一系列设备实现单元功能，设计目标就是让组装变得容易，尽量少用软件。问题在于，这种“最小化软件”的思路恰恰阻碍了对先进计算和智能系统的利用。正如一位行业领导者精辟指出的：

“制造软件领域有一个严酷的现实：它并非由软件工程师或计算机科学专业人士开发。我们不会要求电气工程师去设计机械系统，也不会要求化学工程师设计电气系统，但我们却常常让机械、电气和化学工程师去设计和开发软件系统。” ——Brand, Dennis L. (2012-11-13T22:58:59). 《工厂IT：将信息技术集成到自动化制造中》.

Brand所说的“严酷现实”已经难以为继。卓越的定制软件将取代可靠性、性能和互操作性，成为竞争的核心要素。这意味着工业公司需要组建专业的软件团队，编写自己的代码——你无法用别人的软件打赢软件战争。

那么，如何走向这个未来？首先需要了解当前可用的工业架构框架，然后才能将它们组合起来，构建软件驱动的IA系统。

什么是OPC UA和DDS？

目前两大顶级工业架构框架分别是OPC统一架构（OPC UA，由OPC基金会管理）和数据分发服务（DDS，由对象管理组织OMG管理）。两者都在工业系统中广泛采用，但应用场景并不重叠。DDS在医疗系统、交通运输、自动驾驶、国防、电力控制、机器人以及石油天然气领域拥有较强影响力。OPC UA虽然也出现在许多这些行业中，但主要应用于离散自动化和制造领域。事实上，两者的用例几乎没有交集。

OPC UA集成的是外部来源的软件——比如带有嵌入式软件的设备、HMI和历史数据库。它通过定义“配套规范”的标准接口来强调供应商互操作性，但缺乏针对定制编写软件的能力，因此大多数系统的最终用户软件几乎为零。相比之下，DDS提供了一个通用的数据模型，这是编写分布式软件的关键要求。它支持程序员团队构建具有广泛自定义功能的大型分布式系统。与OPC UA不同，DDS场景中几乎没有供应商软件。

DDS支持发布/订阅模式，OPC UA的新规范“PubSub”也支持这种模式。但OPC UA不会、也永远不会做DDS所做的事。DDS从根本上说是一种软件开发架构，而OPC UA不是。因此问题不在于“选DDS还是OPC UA”，而在于理解它们各自的角色，并判断你的设计需要哪一个，或者两者都需要。

这自然引出另一个问题：它们为什么如此不同？

DDS最初是作为控制系统的软件开发框架而演进的。它的第一个应用是通过以太网通信的智能分布式机器人反馈控制系统，这些系统由计算机科学家编写了大量定制软件。几乎所有的DDS应用都集成了AI组件或非常智能的算法。DDS直指构建智能分布式机器的软件团队。

相比之下，OPC UA成长于工厂环境——正如Brand指出的那样，那里的软件工程师非常少。它的主要目标是帮助以PLC为中心的工作单元设计，选择不同供应商的硬件，而不需要编写软件。工作单元会无休止地重复操作，但它们并不真正“智能”。OPC UA追求的正是最小化软件开发，而不是激发软件能力。

必须区分“集成现有软件组件”和“编写新软件”这两个概念。OPC UA支持HMI、历史数据库等模块的软件集成，但它不提供构成智能软件模块的功能。它并非面向分布式应用的软件开发架构。

OPC UA PubSub能做什么？

OPC UA PubSub是一种简单地将信息从发布者发送到多个订阅者的方式。发布者定期收集“数据集”，并将其写入订阅者。这些数据集从OPC UA信息模型中提取，本质上是键值对的列表。订阅者解压缩数据并将其推回UA信息模型。此外还支持简单的结构化数据类型。

大多数用户计划将OPC UA PubSub与UDP传输一起使用。它提供了一些简单选项：可以“打包”超出网络数据包容量（通常1.5 kB）的数据；可以将每条消息重发固定次数以期望提高可靠性，但无法通过检测和重传丢失消息来保证可靠性；而且它严格锁定执行，每个订阅者必须以相同格式获取相同数据。OPC UA PubSub也支持其他非实时消息中间件——MQTT和AMQP。

从根本上说，OPC UA PubSub提供了一种简单的机制，用于连接一组紧密耦合设备上的变量。每个设备在同一时间以相同速率获得相同数据。配合正确的配套规范，可以确保设备的互操作性。UA PubSub非常新，目前部署的应用还很少。

DDS能做什么？

与OPC UA不同，DDS通过一个简单的概念支持模块化软件定义系统：共享的“全局数据空间”。这意味着所有数据看起来“好像”都存在于每个设备和算法的本地内存中。当然这是一种幻想——所有数据不可能无处不在。DDS的工作方式是跟踪每个应用程序需要什么数据、知道何时需要，然后进行交付。因此，任何应用程序实际需要的数据都会按时出现在本地内存中。应用程序只与“本地”数据空间通信，彼此之间并不直接对话。

这就是以数据为中心的本质：每个设备、每个算法在任何层级、以任何方式、随时“即时”访问所有数据。最形象的比喻是分布式共享内存，类似于虚拟实现的分布式控制系统（DCS）沙箱RAM。

每个DDS模块都规定了可以在内存中交换的结构（类型）。DDS通过QoS参数控制流入和流出该结构化内存的流量，这些参数指定了数据流的速率、延迟和可靠性。没有服务器、对象或特殊位置。由于DDS应用程序仅与共享的分布式内存交互，它们与其他应用程序的编写方式、运行位置或执行时间完全无关——这是整个系统中一种简单、自然并行的软件架构。

DDS实现了一系列功能来支持软件驱动的分布式控制，包括：

• 服务质量（QoS）控制，使软件模块解耦
• 冗余管理，提高并行度
• 内置发现，可找到正确的数据源和数据目标
• 类型兼容性检查和可扩展性，支持系统演进
• 范围界定和桥接，提高扩展能力
• 符合以数据为中心架构的安全机制
• 透明路由，实现从上到下的一致数据访问
• 数据持久性，使应用程序可以随时加入和退出
• 读者指定的内容过滤，提高效率
• 速率控制，消除速率耦合

关键差异剖析

OPC UA PubSub并不提供DDS核心的以数据为中心的功能。下面深入剖析。

互通性

OPC UA通过设备模型和配套规范在数百种场景下实现了设备互操作性。展会上随处可见OPC UA设备，墙上贴满了互操作性的证据——工厂工程师和技术人员可以用OPC UA把设备拼成工作单元，而无需编写代码。

相比之下，今天没有设备预装DDS。因为DDS本身不是用来集成设备的，而是用来集成软件模块。要将设备加入系统，DDS用户需要把设备建模为软件。DDS不需要为每个排列定义规范，而是通过“系统数据模型”将一切集成起来——将设备功能从供应商的本地API映射到系统数据模型。DDS供应商提供了非常复杂的桥接和数据路由技术。因此，流行的“分层数据总线”架构允许系统通过在各层之间连接数据模型来扩展。这也意味着，尽管接口不同，DDS系统仍可以连接设备、Web技术甚至OPC UA。

自动驾驶汽车正在彻底改变汽车行业。通过以数据为中心的方法，DDS可以同时处理车载和控制室的用例。数据路由在全系统提供一致的数据模型，构建可靠的大规模基础架构。要走向软件驱动，IA行业也需要类似的系统方法。

耦合程度

耦合衡量软件和系统组件之间的相互依赖程度。耦合显而易见，比如客户端与服务器的绑定；也可能很微妙，比如软件模块必须以特定顺序启动或以相同速率执行。DDS以数据为中心的设计让所有数据看起来都是本地的，因此应用程序不与其他任何应用程序耦合。DDS通过21种不同的QoS策略控制与数据的交互，包括截止时间、延迟预算、更新频率、历史记录、活性检测、可靠性、持久性、所有权、排序和过滤。只要类型仍“足够接近”以兼容，它还能转换不断演化的类型。

DDS透明地运行在数百个平台和数十种网络上，不依赖语言、操作系统、芯片架构或网络类型。因此，以数据为中心的应用程序可以并行工作并透明地共享数据，互不干扰。耦合只发生在设计意图之内。

相比之下，OPC UA应用程序直接相互通信。在PubSub中，每个订阅者以相同速率从发布者获取完全相同的数据。每个订阅者都拿到全部数据流，因此整个系统还依赖相似的网络连接属性以及各处处理器的速度/负载。所有订阅者对发送的数据必须有相同的理解，版本必须完全匹配。每增加一个参与者就增加一个依赖项，直接导致系统耦合。

从根本上说，解耦帮助应用程序和设备独立运行。在工作单元中只有几个订阅者时，耦合可能无关紧要。对于最小延迟的同步反馈控制，耦合甚至可能是好事。但在更大的系统中，耦合就是隐患。松散耦合的系统更易于扩展、测试、用分布式团队构建、部署、理解和维护。每个耦合源都是实际问题，多个耦合源叠加则会让人寸步难行。除非绝对必要，好的软件架构应当避免耦合。

发现机制

无论应用程序位于何处，DDS都会在系统中自动发现命名的“主题”。应用程序无需做任何操作或事先了解，就能找到所需数据。OPC UA在这种意义上不支持发现。订阅者需要向服务器查询包含其所需数据发布者的配置，还可以对发布者进行自省以了解它能发布什么。两者都是主动查询，OPC UA不执行系统范围内的自动发现。

安全方案

OPC UA和DDS采用完全不同的安全方法。OPC UA保护基础传输层，不同的PubSub中间件选项和客户端-服务器需要不同的安全实现（通常是证书）。虽然可以在OPC UA客户端和服务之间安全地建立连接，但没有通用方式指示允许哪些数据流向哪个客户端。DDS同样可以保护基础传输，但主要方法是从整体上提供数据流安全，不管传输方式如何。DDS从根本上是一种流量控制技术，因此通过签名的权限文档描述允许的读写访问，它可以保护和控制数据流本身——不需要写任何代码。安全性可以在整个系统运行之后随时添加。

扩展能力

DDS支持将系统分隔为域、域中的分区，以及子系统和网络之间的透明路由。通过透明路由，数据源可以很远。DDS系统可以扩展到成千上万个应用程序。从上到下、跨子网或采用任何模式（发布/订阅、请求/回复或队列），DDS都提供统一的数据模型、单一的安全模型以及一致的数据访问。相比之下，OPC UA PubSub的扩展性尚未经过大规模验证——毕竟部署很少。基于UDP的OPC UA PubSub不适合单个网络上的多个设备。使用MQTT或AMQP，发布者可以与云服务器通信，但不能与其他OPC UA PubSub订阅者对话。OPC UA客户端-服务器的设计目标是将工作单元汇总成更大的工厂，因此它不能像DDS那样提供统一的系统数据访问。

过滤功能

OPC UA订阅者可以选择带过滤器的数据集，目的是确保接收正确的数据，还可以限制对单个发布者的访问。DDS则具有广泛的过滤功能：QoS匹配使订阅者只能从有能力的来源接收信息；基于时间的过滤器让生产者的速度与信息消费者的速度解耦；内容过滤会分析内容，只提供符合规格的数据。这些过滤器共同确保在正确的时间、以最小的带宽浪费，将正确的数据传递到正确的位置。

TSN集成

TSN（时间同步网络，IEEE 802.1）是一组开发中的标准，建立在现有以太网设计之上，能够在有限时间内传输数据（也称为“同步”网络）。使用TSN，OPC UA PubSub可以获得更好的实时性能。TSN本身可能带来可靠性，因此OPC UA中基于UDP的可靠性不足不再是关键问题。但TSN作为以太网的一种，需要集中配置，因此仅适用于较小的单子网系统。DDS最初就是为通过网络进行实时控制而开发的。QoS设置可以优化底层网络的使用，从慢速有损网络（如卫星链路）到同步传输（如背板总线和交换结构）都能支持。在功能强大的硬件上，它提供可预测且容错的一对多交付，且延迟有限。将DDS与TSN结合，可以实现更广泛的分布式确定性。OMG正在制定的DDS over TSN标准计划于2020年第四季度发布。

何时应该结合两者？

OPC UA的主要用例是帮助制造工程师在不编写软件的情况下构建工作单元。它用于“制造东西”，而不是作为“被制造的东西”内部的软件。相比之下，DDS用户是构建应用程序的软件工程师，DDS只用于“操作东西”。简而言之，OPC UA负责制造东西，DDS负责让东西运行起来。两者在“制造东西的东西”（即智能制造系统）方面存在重叠——这些系统很快就会需要复杂的系统软件和自定义编程。

OMG最近通过了OPC UA/DDS网关的标准。这个网关最基本的做法是将OPC UA信息模型暴露在DDS全局数据空间中。主要用例是将支持OPC UA的设备转化为DDS设备——OPC UA设备可以简单地加入DDS网络。因此，在大型智能系统中，基于DDS的软件环境可以与OPC UA设备协同工作，既利用了复杂软件的优势，又保持了可互操作的设备。这种设计提供了大量利用AI和智能软件的机会。在较高层次上，DDS与基于云的智能能力对接；下一代设计还可以在设备互操作性层面实现AI或智能算法。

智能机器的未来

未来的人们回望今天，可能会好奇我们过去是如何在没有智能机器的情况下运转的。这个转变不会一帆风顺——产品线、公司乃至整个国民经济都面临风险。Brand所说的“严酷现实”可能是自动化领域中最危险的部分，而它将在智能机器时代无法生存。

因此，卓越的软件必须成为制造技术组合中的核心。未来二十年，制造系统的性能不会提升一万倍，互操作性也不会变得更有价值一万倍，但软件的重要性将提升一万倍——这是计算指数增长的必然结果。任何不以计算能力为主要目标且充分利用这种能力的架构，都将面临被淘汰的风险。

工业自动化需要认真拥抱软件开发。未来的制造系统将在用户代码上展开竞争——而软件的未来，已然确定。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：智能软件将成为未来工业自动化的重要因素要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题