试想有一个可以弯曲和转动的机械臂,它的每个轴都配备了十分精准的电机驱动器、传感器或机器视觉,仿佛在演奏一曲运动交响乐。但如果没有“指挥”告诉系统的每个器件在何时该如何执行各自的操作,那么机械臂可能会发出刺耳的碰撞声和金属摩擦声。
在之前的实时控制系列文章中,我们探讨了用于感应、驱动和处理的实时控制 (RTC) 仪器。而要将它们贯穿起来需要借助“指挥”:实时通信。在本文中,我们将以基于实时通信和控制的工业 4.0 作为讨论的出发点。
推动自动化领域大数据发展的因素
受疫情影响,无人工干预的工厂运营模式广受欢迎。大数据(牛津词典将其定义为可以通过计算分析揭示模式、趋势和关联的超大数据集,特别是与人类行为和互动有关的数据集)的收集和适当分布可为数字孪生、计量、服务收费和预测性维护提供支持。例如,拥有可用的大数据能够监测机械臂的性能和系统运行状况,以及数据速率、温度、湿度、振动等,从而开发出能够基于使用大数据进行学习的 AI 预测未来性能和运行状况的模型(数字孪生)。要充分利用这些优势,有必要将信息技术 (IT) 和运营技术 (OT) 相结合,从而能够支持互联网协议 (IP) 以及 RTC 系统边缘。从逻辑上讲,这称为 IT 和 OT 融合。
在以太网中,开放系统互连 (OSI) 模型的网络层和传输层支持传输控制协议/互联网协议 (TCP/IP),因此以太网与生俱来地能够支持 IPv4(和 IPv6)。除此之外,还能确定地传输所需的信息量,这便是工业以太网正成为工业自动化融合领域中实质性通信标准的原因所在。由于现有基础设施通常使用两线协议,不支持本地 TCP/IP,因此传统现场总线目前仍用于与边缘器件的通信。图 1 展示了当前工业自动化领域的通信方式。

图 1:当前工业自动化领域的通信方式
工业通信的实现方式已经开始变革。单对以太网 (SPE) 可以维持现有的两线制系统架构,同时也可支持工业以太网的更快速度和诸多优势。先进的现场诊断支持分布式和集中式监测和操作。当然,SPE 能够重复使用由多个现有现场总线建立的现有两线制基础设施,从而简化融合驱动的升级并充分降低成本。
深入了解以太网
虽然以太网在企业应用中是开放且无处不在的,但目前还不能应用于实时应用,原因在于 IT 以太网帧的传输是“尽力而为”并且不受管控;任何情况下,出现错误都是令人厌烦的。对于实时 OT 来说,错误会造成严重后果甚至带来危险。RTC 系统需要以可靠的通信作为系统的“指挥”,确保系统按预期运行,从而避免产品故障或者造成系统损坏或人员伤害。由于 IT 以太网通常用于企业或消费类环境,因此很少遇到环境方面的挑战。与之相反,RTC 系统往往处于恶劣的环境中。
对稳健、确定性行为(例如在宽温度范围、噪声和脏污环境中的可靠性)以及更高数据速率的需求推动了工业以太网的应运而生。工业以太网确定且稳健,能够提供额外的带宽和固有的 IP 连接来充分利用 RTC 系统。
下面我们来了解一下时序特性及其如何应用于以太网物理层 (PHY)。
时序特性的重要性
RTC 系统中有三大重要时序特性:

图 2:延迟及其确定性
结语
成功的 RTC 和通信部署是工业 4.0 的基石。但是又不止是实现工业 4.0,借助确定性、同步和低延迟的通信 PHY 及工业以太网协议,所有仪器均能组合在一起,演奏一曲美妙的音乐。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。