最近几年里，工业软件变得非常热门，其大逻辑在于制造业的创新需求背景下产生的，是一种从做大到做强的转变，从粗放到精益的转变。

为什么就这个时段被看重了？

☛ 真正的创新需求：不存在不烧钱的创新，制造创新并不需要“发明”而是“工程”创新，制造业创新难在“实证”，即测试验证设计的可行性，必须要在物理对象上进行验证，而这个验证的代价极其昂贵，因此，如果能够通过将这些前人已经进行过的验证以软件形式封装，那么，就可以降低物理验证的成本。

而大量的工业仿真类软件的作用正在于此，他们将已经前人进行过的大量重复工作变为可被复用的模块、功能、程序，这减少了在不必要的任务上的时间，而使得用户在更为有价值的创新上消耗。

☛ 个性化需求：对于大规模生产来说，单一的配置参数即可满足数月乃至年的生产任务，尽管在初始会产生测试浪费，但对大批量来说可以接受，但在个性化时代，这个频繁的换型带来浪费大幅增长，对于企业则无法承受。

☛ “一机多能”需求：对于机器制造商而言，要满足个性化的生产需求，本身也需要具有“一机多能”，具有广泛的材料、流程、范围的适用性，才能赢得竞争，而这种“一机多能”则需要机器具有自适应能力，而这种自适应能力，就其本质来说，就是软件智能。

☛ 软件关乎成本

图1-软件关乎成本

在标准化生产中，产线的投资也会按照折旧分摊方式给每个产品，因此，当产量越大的时候，这个成本将会被稀释，其它成本也会同样道理被稀释。这同样符合软件的投入，当核心的工艺被复用，那么，前期的人员、测试验证的成本等等都会被稀释，另外，知识被封装为软件，也加速了机器的开发效率，这同样是成本的节省，如图1所示，工业软件在测试验证成本、机器研发周期缩短、知识复用的成本稀释方面，都为机器制造商带来了成本的节省。

事实上，工业软件的本质是知识复用，包含了制造相关的机电控制、流程、材料工艺，以及工具平台本身的知识。图2显示了工业软件的形成过程，隐性或显性知识被以建模方式形成算法，然后经过测试验证的工程（Engineering）最终封装成为可复用的软件模块。

图2-智能的本质在于知识的复用

而工业软件之难在于它与物理对象的紧密耦合关系，这需要工匠的耐心长期打磨沉淀，因此它的价值来自于产业的专家、技师的知识凝聚。而建模的方法也包括了物理建模（Physics-Based Modeling）和数据驱动建模（Data-Driven Modeling）两种，无论哪种最终都是需要大量测试验证的，而这个环节就是非常烧钱的。

综上，很多人也许会觉得奇怪，那么“建模仿真”、“知识复用”、“工业软件”也并非新鲜，因何今天才开始变得重要？这其实包含了几个方面的原因：

（1）需求产生了巨大的变化：大规模生产，依赖于人工经验的试凑法是可行的，因为一旦机器设置好参数，会有持续的大批量生产。但小批量生产这种试凑带来的开机浪费难以承受。

（2）通过数据建模的方法，在过去一直有算力和成本的障碍，而今天软件与芯片技术已经降低了这个门槛。

（3）中国整体产业从代工到自主产品的转型，即，我们不是以“生产”而要包含自主创新的产品，并由自主的制造技术来支撑。

不同于基于产品和渠道业务模式，贝加莱一直提供针对机器制造业的直接方案提供业务模式，这使得贝加莱更为深刻的理解软件的价值，图3是早在10余年前贝加莱即理解的软件价值体系。

图3-工业软件价值

它包含了多个维度：

☛ 机器开发的平台效率软件之道：这是Automation Studio的核心，即，通过复用的模块，加速机器的开发进程，并提高工程师项目管控效率。

☛ 行业工艺Know-How封装：自动化行业最大的优势在于多个行业的开发，这使得共性技术，例如在印刷薄膜、流延膜、纺纱、金属板材开卷，有共性的张力控制算法需求，对于注塑、挤出、单晶炉、涂布等有高速高精度温度控制的共性需求-贝加莱将这些封装为mapp模块，实际上，每个用户分享都是贝加莱在不同行业的专家的经验。

☛ 开放的软件连接：这包含了针对CAD/CAE、建模仿真软件的接口能力，无论通过专用的接口，FMU/FMI还是未来的OPC UA模型交互接口，贝加莱为机器制造商打造开放的连接能力。

☛ 标准化支持：PLCopen、EUROMAP规约、PackML等，都是降低开发的标准模块；

☛ 智能算法：开放的高级语言支持能力，以及Hypervisor的PC架构，支持控制系统可以将数据驱动的建模进行集成。

在本文中，我们将通过两个典型的案例来阐明工业自动化软件对于机器开发的实现。

对于烫金来说，烫金块温度控制是关键，但是，烫金工艺影响的因素众多，包括环境温度、速度、产品规格，而加热板与烫金块间有蜂窝板的间隔，这使得温度本身具有不可测的特点，而传统的解决方法都是采用“查表法”进行温控，通过大量测试建立记录，这种方法需要较长时间的工厂内测试，且在现场也依赖于人的经验。

图4-自适应温度控制建模

为了解决这个难题，贝加莱的专家对整个加热的热传导过程进行了建模，如图4，并对其中的干扰因素烫金速度、烫金块尺寸、环境温度等予以纳入模型。通过此模型，可以计算出烫金块的准确温度，从而为温度控制提供反馈，之后在控制策略中，融合前馈以补偿干扰引发的温度波动。

在轮胎的生产中，内部的加工是否合乎质量要求，通常需要大量的检测，通过X光检测后，提供的图像，由人工进行判断，这样的方式耗费体力，也依赖于经验，而贝加莱的PC基于通用计算架构来实现工业的AI视觉缺陷检测与分析。

图5-基于深度学习的轮胎缺陷检测

如图5所示，在通过X光机获得轮胎的成像信息后，学习系统将代替人工对缺陷进行分析，因为钢丝圈的缠绕过程中，由于机器状态或生产中的异常带来非常多的缺陷问题，例如钢丝圈的缠绕层次偏差、异物、不均匀的排列、叠加、突出、翘起、异常弯曲干扰其他钢丝、气泡等；而轮胎本身因为其内部的帘子线、钢丝圈、橡胶材料的特性，使得在其X光成像后会有各向异性的纹理，而这些纹理又会对图像的判断形成干扰，使得系统出现误判。

而基于深度学习的方法可以通过对这些不同缺陷的相关要素进行特征提取，从这些复杂的图像中寻找到缺陷点，并对缺陷点进行分类、标定其尺寸规格，并最终对轮胎的质量、等级做出评判，并决定是否归为废品，并反馈给制造系统持续改善。

软件，凝聚了工业人的智慧与汗水，重视软件，也即重视知识、重视人的价值。

软件，可以发挥既有硬件的更多可能性；

软件，可以将知识封装，复用；

软件，保护您的知识产权；

软件，持续成本降低；

软件实力，即，企业的巧实力。