下一代自动化系统架构演进

第8章 下一代信息物理自动化系统架构的工程化

8.1 引言

生产系统是由各种不同且通常为特定工程学科的子系统组成的复杂系统。其中一个需要考虑的重要子系统是自动化系统。由于自动化系统与执行器和传感器等其他系统组件之间存在紧密交互，因此在处理自动化系统架构时，必须考虑整个系统及其环境。从这一角度来看，其目的（例如待生产产品）和系统目标（例如输出能力）是主要影响因素。此外，整体系统架构（例如生产系统的结构、布局、IT系统）以及对自动化系统的功能性和非功能性需求（例如自动化程度）也会对自动化基础设施产生影响。最后但同样重要的是，还需考虑可用技术和硬件。

对于当今的系统而言，在生产系统的整个生命周期内，环境、系统目标和系统架构都被视为稳定的。当发生产品变更（例如新车型、新化学物质）或需求变化（例如新的安全法规）时会出现变更，但这些变更通常不会影响架构本身，仅影响自动化系统的软件和运行时方面。一旦发生变更，生产将停止，系统进行修改后再重新启动生产。这些停机时间即使是有计划的，也会导致生产能力损失，最终造成经济损失。这一点也体现在第8.2节讨论的传统自动化系统架构中。

问题是：上述影响因素在未来是否仍会保持稳定？为回答这一问题，德国国家科学与工程院（ACATECH，2011年）研究了信息物理系统（CPS）应用的四种未来场景，时间范围直至2025年。

其中一个场景“面向未来工厂的信息物理系统”描述了生产系统的特征和挑战。生产系统应能够利用信息物理系统，几乎实时地响应市场和供应链中的变化，这些信息物理系统甚至在企业边界之外也具备超高灵活性并协同工作。因此，需要一种未来的工业系统架构，重点关注Kagermann等人（2013）所确定的关键方面：
- 实现灵活性与可重构性（无停机）
- 实现高生产系统韧性（应对不确定性）
- 实现持续自动化的生产优化 更快、更自动化地响应不断变化的客户需求和生产需求 支持高度个性化生产以及小批量/批量大小（单件生产（批次大小为1））

所提出的需求体现在几个关键研究问题（RQs）中。然而，本章主要涉及应对或支持以下研究问题（RQs）的方法（参见第1章）：

对信息物理生产系统（CPPS）结构和行为的建模（RQM1）
- 价值链内外的信息集成（RQ I1）
- 工程与运行时即插即用功能及接口的描述（RQ I3）
- CPPS灵活性和自适应能力的建模（RQ C1）
- 连接面向灵活且自适应CPPS的学科专用工程视图（RQC2） 本章的贡献与新兴的信息物理系统（CPS）领域密切相关，特别是在其在生产系统中的应用方面。本章的讨论重点在于概述自动化系统的需求与发展，这些需求如何迁移到新的以信息驱动、可互操作且支持服务的基础设施，以及未来面临的关键考虑因素和挑战。本章的目的并非提出一种新的基于模型的方法，而是理解为何以及如何在工业实践中，现有的支持生产系统灵活性和CPPS自适应能力的方法与工具仍不充分或实施效果不佳。

根据所讨论的关键需求，不同的研究方法中正在出现新的自动化系统架构，这些将在第8.2节中更详细地描述。由于全新生产系统（也称为绿地项目）的设计相对次要，而现有大量遗留系统，因此需要适当的迁移策略，以实现从现有的自动化系统架构向未来架构的转换和迁移。这一转型过程在第8.3节中进行阐述。此外，还需重新思考这些未来自动化系统的工程方法。这必须包括为工程师提供的新方法和工具，以设计、实施和支持此类系统。同时，教育项目也需要更新，以确保能够培养出具备应对新系统架构和新工程范式能力的专家。第8.4节将深入探讨这些方面。最后，第8.5节展望未来并提出主要结论。

8.2 自动化系统架构的演进

如今，制造行业的企业正面临着新的市场挑战。为了应对新需求，根据德国“工业4.0”范式（Kagermann 等，2013），近期已相应地引入了创新的制造形式。新制造方法的需求受到多个方面的影响，即市场竞争性、技术创新和客户需求。

全球竞争要求缩短交付时间、上市时间，减小批量大小，并缩短产品生命周期。同时，工艺技术的快速变化迫使必须将新功能快速集成到易过时的现有系统中。此外，客户期望不仅包括更低的价格，还包括更多样化的产品、更高的质量和更快的产品交付。为了动态应对商业环境的持续变化，对生产系统控制的看法必须不断演进。

传统生产控制系统无法帮助工业应对此类问题（Delsing 等，2012）。集中式和分层控制架构具有僵化和自上而下的通信流特征，难以实现新模块的集成，因此无法应对突发且快速的变化。考虑到所有这些方面，工业面临新的挑战（Karnouskos 等，2014a），下一步的努力旨在工业中引入一种新型生产方法，该方法具备对不同加工任务的灵活性、对变化的生产环境的适应性，以及支持这些变化的可重构性，同时保持经典生产系统所提供的安全性、安全和稳定性。

8.2.1 经典自动化系统架构

传统自动化控制系统通常由于自动化任务的复杂性和组件之间的交互而采用分层或集中式结构。根据ISA‐95/IEC 62264（美国国家标准学会/国际自动化协会，2010）标准，主要自动化任务被划分为如图8.1所示的金字塔结构的不同层级。美国国家标准学会/国际自动化协会（2010）标准定义了一个包含五个抽象层级的系统间信息交换模型：第0级—现场层，第1级—控制层（PLC），第2级—过程控制层（SCADA），第3级—制造执行层（MES）以及第4级—企业管理层（ERP）。

位于不同层级的应用程序通常考虑不同的时间范围，较高层级从月、周、天到较低层级的小时、分钟、秒和毫秒。前三个层级执行控制功能以实现工艺生产过程。现场层使用执行器和传感器来测量、确定和显示设备

数据，而控制和过程控制层级分别与产品/工艺技术的控制以及对整体生产系统的监控相关。第三级包含生产执行的协调与管理活动，特别是针对主要数据和工作流的不同应用程序的集成。第四级是最高层级，代表企业的整体业务管理，包括经济和物流活动。

根据ISA‐95结构化的系统架构中，决策控制分布在这些层级之间。这种结构具有可预测性和鲁棒性优势，同时具备良好的全局优化能力。由于易于开发和维护，它适用于小型系统，也适合在稳定且结构化的环境中运行的系统。然而，由于对生产变更的适应性和灵活性不足，以及在出现单点故障时性能下降，因此不适用于新兴的具备自适应特性的自动化制造系统。

分析“面向未来工厂的信息物理系统”（ACATECH，2011年）这一场景可知，层级式自动化控制系统无法实现生产系统对市场变化的“实时”响应。为了更快速地响应客户需求和环境变化，需要实现自动化金字塔各层级之间更无缝的集成，从而相应地调整生产设备和功能。生产单元需要相互协作并自主组织，以优化生产系统，节省时间和成本。在缺乏跨层互操作性的刚性通信结构中，灵活性、适应性和可重构性等能力受到限制（Delsing 等，2012），因此，传统的层级式ISA‐95结构需要转变为具有分布式控制系统的模块化和灵活的自动化系统架构。设想中的未来生产系统具备自适应特性、成本高效且易于大规模集成，以跨层方式协作，并与多个利益相关方互动等，这些特点印证了向分布式方法发展的趋势，而这一趋势通过传统方法难以实现或实现成本过高。

8.2.2 新兴自动化系统架构

信息物理系统（CPS）概念代表了符合工业4.0范式的生产系统创新的关键推动因素之一。CPS致力于通过网络技术（机电一体化、通信与信息）集成逻辑与物理过程，以控制分布式物理系统（Lee，2008；Leitão 等，2016a）。数十年来，多智能体系统（MAS）和面向服务的架构（SOA）一直被认为是实现信息物理系统并在工业中开发分布式控制系统的主要方法（Leitão和 Karnouskos，2015b）。多个项目（Leitão 等，2016b）已证明了这些方法的优势。多智能体系统是最常见的方法之一

通过智能、模块化和分布式代理实现去中心化控制架构，这些代理可与物理硬件设备互连（Leitão 等，2016a）；而SOA是一种用于组织和利用分布式能力的架构模型，以使所有组件能够通过服务进行通信和交互（ MacKenzie 等，2006）。

除了这些范式之外，其他概念（如即插即生产技术、Web服务和云制造）也已被研究用于构建灵活可重构的制造控制系统。近年来，已开展了大量研究，最近一些欧洲资助项目报告了该领域的重要进展，并在高技术成熟度等级上展示了成果。

GRACE——基于多代理技术的过程与质量控制集成——项目（ Castellini 等，2011年）开发、实现并验证了一种协作式多代理系统，以在本地和全局层面集成过程控制与质量控制。该多代理系统架构旨在管理生产过程中设定值的计划变更，以及过程参数和变量中大量意外干扰和变化。自适应程序和针对过程与产品参数的优化机制被实施并集成到控制和诊断系统中，其中在本地层面体现为单个智能体，在全局层面则考虑整个生产系统采集的数据。

与此同时，IDEAS——可即时部署的可进化装配系统——项目（Onori 等，2013）开发了一个完全分布式可插拔环境，能够利用代理技术在车间层面实现自组织和控制。IDEAS 装配系统采用多代理控制架构，可在运行时动态实时重构，确保在车间层面集成不同的自配置模块。此外，每个模块的自诊断能力实现了分布式诊断，整个系统能够检测问题传播，并在无需编程工作的前提下，针对组件（模块）插入时出现的不可预测行为进行重新适应。

基于这些项目的经验，PRIME——基于标准技术的即插即生产智能多代理环境项目（Antzoulatos 等，2014）更进一步，支持装配系统在分布式重构与监控方面的能力。该项目开发了一种基于即插即生产原则的多代理架构，用于模块集成（包括遗留设备）以及通过创新的人机交互机制快速配置生产系统的方法。PRIME 方法采用标准技术（JADE多代理软件框架、 Vaadin 和 Cassandra数据库）和语言（JAVA 和 OPC‐UA程序用于接口与数据交换），实现来自不同设备供应商的异构控制系统之间的集成与联网，以支持与过程性能和产品产量变化相关的系统演化。

The I-RAMP3——面向智能即插即生产生产的可重构智能机器项目（ Goncalves 等，2014）专注于的转型

将传统生产设备转化为网络使能设备（NETDEVs）。NETDEV接口支持在制造执行系统（MES）层面集成即插即用型设备、传感器和执行器，通过标准化的通信与协作机制实现工作流优化和生产数据评估。

SOCRADES——面向服务的跨层分布式智能嵌入式系统基础设施——项目（Colombo 和 Karnouskos，2009；Karnouskos 等，2010； Colombo 等，2010）采用了面向服务架构范式，在设备和应用层面构建了一个用于创新工业自动化系统的设计、执行和管理平台。该项目专注于设计和实施一种跨层基础设施，以实现工业自动化系统和设备与 MES/ERP 层级的集成（Karnouskos 等，2007，2009）。该方法基于开放标准、基于服务的集成以及各利益相关方之间的协作，为下一代自动化系统奠定了基础（ Colombo 和 Karnouskos，2009）。

IMC‐AESOP——面向服务流程的工业监控与控制架构——项目（ Colombo 等，2014b，a）以 SOCRADES 方法为基础，并进一步扩展以实现基于云的工业信息物理系统。该项目由工业自动化中关键的新兴信息与通信技术驱动，并高度关注云技术（Karnouskos 和 Somlev，2013），构想并实现了一种工业信息物理系统自动化基础设施架构（Karnouskos 等， 2014b）。其成果已在下一代基于云和服务的数据采集与监控系统/分布式控制系统（Karnouskos 和 Colombo，2011）中得到验证，涵盖监控与控制功能，包括其设计、实施、协作和迁移的愿景。该架构通过利用面向服务的集成和云，实现了水平和垂直层面的跨层面向服务协作。

基于情境感知服务的可靠自学习生产系统（Self‐Learning）项目（ Stokic 等，2011）提出了将不同辅助过程以服务为导向集成到主控系统中的方法。这些过程被表示为服务，并在 Web 服务平台上实现完全互操作。该自学习系统能够根据系统运行时获取的用户经验对机器和流程进行重新配置。

先进柔性自动化单元（FLEXA）项目（Webb 和 Asif，2011）开发了一种基于 Web 服务架构的柔性制造系统，该系统将单元控制器连接到企业资源计划（ERP）/制造执行系统（ MES）。

自维持制造系统的健康监测与全生命周期能力管理（SelSus）项目（ Sayed 等，2015）提出了一种新的范式，即利用基于 Web 的服务和多模态数据采集技术，实现高度有效的自修复生产系统，以在更长的生命周期内最大化其性能，并验证、更新和记录有关故障模式或退化状态的所有信息。

卡萨移动——用于集装箱内本地和定制化生产的灵活迷你工厂项目（Friedrich 等， 2014）开发了一种新型的本地化、灵活且环保的生产系统，用于高度定制化的生产

表8.1	新兴自动化系统架构中的技术概述
技术	研究项目
	GRACE
多智能体系统	✓
面向服务的架构/Web服务	✓
云	△
即插即用	✓
自*特性	✓

图例：✓ 已覆盖；△ 部分覆盖

基于不同制造工艺的组合来生产零部件。生产基于模块化架构，该架构通过面向服务的架构系统实现机械和控制系统的适配。

当前未来自动化控制研究的一个趋势是在同一架构中集成这些解决方案概念。一个例子是ARUM—自适应生产管理—项目（Leitão 等，2013），该项目结合了基于企业服务总线（ESB）的异构多智能体系统与服务架构，以改进规划与控制系统。

这些项目展示了使用不同技术将集中式架构转变为分布式控制系统的过程，如表8.1所示。通过多智能体系统实现了个体实体的高度自主性和协作性，其中智能体拥有自身的智能，并通过相互交互迭代优化其行为（ Wooldridge，2002；Leitão 等，2016b）。面向服务架构技术能够实现提供服务的组件与其所连接的其他组件之间的集成，从而为生产系统构建服务互联网。Web服务包含组件描述并交换数据信息，增强了设备层与企业层之间的垂直协作。此外，将这些服务托管在云中，只需选择和组合存储的信息即可快速构建新的工业应用（Colombo 等，2014b）。研究人员正在探索即插即用技术，以构建模块化结构，提高组件互操作性和可重用性，满足系统快速重构能力的需求（Antzoulatos 等，2014）。此外，自*能力支持设备集成、控制与监控，以及协作和适应。

这些项目各自为涉及多智能体系统（Leitão 等，2016b）、标准通信协议、Web服务和信息物理组件的灵活且可重构的分布式控制架构提供了独立的解决方案。然而，这些解决方案仅解决了特定的狭隘问题，忽略了其他技术问题。为了促进更广泛的工业应用，未来的工业系统架构应是这些

技术以一种独特形式（例如，如图8.2所示），涵盖整个生产系统的架构、资产和流程方面。例如，SOCRADES项目已通过Web服务实现了跨层集成以及设备、系统和其他利益相关者之间的协作，从而在很大程度上验证了这一愿景的可行性（Colombo等，2010；Karnouskos等，2009；Taisch等， 2009）。最近一项关于代理系统在工业中接受度因素的调查（Leitão和 Karnouskos，2015a）为进一步探讨未来工业自动化系统工程中应重点关注的关键方面提供了新的见解。

在图8.2中，提出了一种基于通用服务基础设施的自动化系统集成愿景。

在此新愿景中，分布式基于服务的集成层发挥着关键作用，旨在确保各类异构硬件设备（例如机器人单元和可编程逻辑控制器（PLC））以及软件应用（例如MES和SCADA/DCS）之间的透明、安全和可靠的互连（ Karnouskos 和 Colombo，2011年）。当前的业务系统和高层级应用（如 ERP和MES等）通常在其与其他系统的交互中已完全采用基于服务的方式。因此，可以通过服务（通常通过互联网技术如Web服务）实现与这些系统的集成。然而，任何未提供基于服务接口的专有系统，都需要通过服务封装器进行集成，该封装器将专有接口转换为标准基于服务的接口，从而将系统连接到其他软件应用和工业硬件设备。这一集成层的一个重要创新（例如在 PERFoRM项目（PERFoRM，2016a）中开发的）是其采用分布式和云架构方法，而非当前普遍存在的集中式架构，后者可能成为单点故障，并限制系统可扩展性。为此，该分布式集成层负责处理这些异构

生产组件通过遵循面向服务原则，即每个组件将其功能作为服务暴露出来，供其他组件发现和请求。

由于新的控制技术的实施将直接影响生产，因此仅实施新的去中心化控制架构不足以充分发挥信息物理生产系统（CPPS）的潜力。过去在项目中对支持工业采用新技术的迁移策略考虑尚不充分，例如，IMC‐AESOP 设想了下一代SCADA/DCS系统（Karnouskos 和 Colombo，2011），并研究了将SCADA和DCS系统迁移到面向服务的架构（SOA）的方法（Delsing 等，2011）。目前，迫切需要为工程师、设备开发者和终端用户提供一套指南，以规划、支持并实现现有工厂向新一代智能工厂的简便且平稳的迁移，并同时兼顾技术和经济问题。

8.3 自动化系统架构的转型

8.3.1 迈向信息驱动的自动化系统

业务连续性和敏捷性是现代全球企业核心的运作模式（Karnouskos， 2009），能够实现更高效自动化系统的努力是完全合理的。为了实现所追求的敏捷性和连续性，必须将高度分布式生产系统中执行的业务流程与复杂的车间基础设施进行高效集成，使其能够及时响应动态适应（Karnouskos， 2011）。

信息物理系统（CPS）的普及及其所提供的先进能力，意味着未来自动化系统架构将发生根本性重塑。相关系统的复杂性和精密性不断增加，使得传统的整体式和一刀切的方法难以适用，向模块化、动态化和开放系统的转型势在必行（Colombo 和 Karnouskos，2009；Karnouskos，2011年）。

近年来，业界已在面向服务的架构及与之交互的系统方面开展了大量工作 （Colombo 等，2014b）。信息物理系统的原则进一步拓展了这些边界，因为信息物理系统自身、它们的组合以及更大规模的系统之系统，都需要遵循类似的设计模式和原则。

在如此复杂的基础设施中，重点在于信息物理系统与其周围环境的交互，这种交互可能动态变化，并且基于开放技术与交互模式，而非封闭系统和专有软件。因此，集成方面的重要性日益凸显，其关注范围也显著扩大，涵盖由成千上万的设备、系统和服务组成的大型基础设施和高度异构的环境。

以高效的方式进行交互、协作并实现其目标（Colombo 等，2013）。

考虑到如图8.3所示的预期架构转变，未来自动化系统在工程层面所面临的高层级变化正变得越来越清晰。图8.3表明，除了工业基础设施中的传统分层架构外，不同层级上的选定功能（例如，由ISA‐95范式定义的功能）可以作为信息物理系统服务的集合被提供出来。这些服务可能存在于信息物理系统、传统系统以及云中，从而形成一个高度异构、动态且性能充足的生态系统（Colombo 等，2013；Karnouskos 和 Somlev，2013）。基于这些服务，应用程序可以选择所需的功能，以快速高效地实现其目标。

需要注意的是，这种自动化系统的转型主要是在虚拟的IT层面进行的，而不是在系统的物理部分进行，这简化了从当前工厂中运行的现有自动化生产系统向未来系统迁移的过程。此外，根据麦肯锡的报告（McKinsey， 2015），实施“工业4.0”解决方案将带来显著效益，且仅需更换约40%至 50%的设备。

考虑到第8.2节中描述的所提出的创新自动化系统架构，可以发现它们之间存在一些相似之处。这些架构基于将控制功能分布在智能、模块化和协作的实体上，从而提供模块化、灵活性、鲁棒性、可扩展性和可重构性，而这些都是传统单体架构的薄弱环节。这种分布式方法旨在满足对适当自动化系统架构的需求，以

应对“未来工厂”的场景，同时符合“工业4.0”平台定义的指南。这些架构还在分布式节点和涌现系统行为中嵌入了智能与适应能力，并且某些架构展现出演化与自*特性，例如自组织、自适应、自优化和自修复。

在工业环境中部署这些新的去中心化智能自动化架构时，需要以平稳方式进行，将基于传统分层ISA‐95自动化结构的解决方案转变为基于信息物理系统网络的解决方案（ACATECH，2011年；Leitão 等，2016a）。该转型过程应考虑异构机器人与自动化设备的集成，以及现有工业解决方案中运行的遗留系统，以避免中断并实现平稳迁移。为此，通过采用适当的工业标准来规范协议与技术，简化系统的即插即用性，从而实现系统与服务之间的易于集成与交互，同时避免形成“技术孤岛”。

8.3.2 迁移策略

所设想的下一代工业自动化架构具有切实的优势，非常适合新建基础设施（绿地项目），例如可在新工厂中部署。然而，大多数现有基础设施属于棕地项目，因为它们已存在各种约束（例如与遗留系统和流程的集成），需要经历迁移阶段，以实现从现有系统向所设想的复杂基础设施的平稳过渡。

生产设施当前寿命较长，且变更稀少且有限。然而，这一情况正在逐渐改变，随着第四次工业革命中软件与计算处理在核心领域的普及，变革将不再是偶然发生，而是成为日常业务的组成部分，并逐步过渡到DevOps文化。

因此，可以认为这些变更将在设备、服务、系统与架构的整个生命周期内通过渐进式迁移步骤来实施。这一点尤为重要，因为工厂运营商通常会对其生产系统投资数百万。一次性对自动化系统进行全面改造以实现去中心化控制，不仅带来高失败风险，还会使大量投资在回收之前就归零。采用逐步的系统切换方法，可以每次引入小部分新的分布式控制，从而降低风险，同时允许根据工厂运营商的投资能力逐步完成系统切换。因此，迁移策略预计将对设想中的基础设施的成功发挥关键作用。

考虑到向如图所示的信息扁平化与服务型基础设施的迁移8.3，所需采取的步骤 在高层次上进行了展示

如图8.4所示。每个ISA‐95层级中普遍存在的不同系统特性，需要逐步在服务中进行捕获并提供使用。然而，由于存在多个相互依赖关系，必须评估潜在的迁移路径，并逐步实施迁移。在此过程中，部分新功能将对应用程序和服务可用。此类迁移还将由于不同设备和系统之间的动态交互，在系统层面引发涌现行为。必须详细分析自上而下和自下而上的方法（Delsing等， 2011年），由此产生的迁移策略可能非常复杂，具体取决于前提条件、需求和目标。有关迁移及其挑战的更详细示例可参见Colombo等（2014b）。图 8.4明确表明，迁移不是一次性操作，而是一个持续的过程，自动化行业必须适应这一过程。

软件行业在系统的逐步开发、发布和升级方面拥有丰富的经验，能够很好地管理此类逐步变更。然而，当涉及到具有严格操作和时序要求的CPS基础设施时，情况就变得具有挑战性。此外，任何迁移策略都包含多种目标，这些目标超越了技术范畴，还包括成本效益、资源效率、敏捷性、确定性行为、操作简便性、业务连续性等（Karnouskos，2009）。由于其跨学科性质并应用于企业层，此类迁移策略带来一定风险，需要加以管理。然而，一旦设想的架构和运行模式到位，这些渐进式迁移行动预计将更容易实现。

第8章 下一代信息物理自动化系统架构的工程化

8.4 关于未来自动化系统架构的考虑

从现有的传统工业自动化系统（主要基于产品生命周期（PLM））向新型基于信息物理系统（CPS）的方法过渡，应当是平滑的，并且需要重新思考工程方法论，整合来自信息物理系统所在不同领域的方法与工具以及最佳实践。由于此类变革还必须考虑现有基础设施和业务连续性，因此制定迁移和缓解策略以应对已识别的挑战被视为至关重要。在讨论基于CPS的自动化系统工程时，有三个主要任务集群需要考虑：

• 在设备层（信息与物理视图）创建新型信息物理系统组件的工程，以及构建CPS系统的工程。
• 对现有信息物理系统在设备和系统层面进行重构或适应、运行以及管理其演化的工程
• 设计、实施、运行和管理智能自动化基础设施中自主/智能CPS组件的工程方法

8.4.1 重新思考自动化系统工程

必须认识到，未来自动化系统架构中涉及的所有部分将不受单一机构和技术的控制，因此，集成、交互和操作需要通过服务提供的开放接口来实现（ Karnouskos，2011年；Colombo 等，2014b）。考虑到第8.1节中讨论的信息物理系统的目标，适应运行时信息物理系统的工程工作必须最小化。这意味着必须准备并实现在运行时的“零工程”。重新配置现有元素以及集成新元素的能力必须是信息物理系统层面的“内置”功能。此类系统的工程必须能够应对基础设施（包括硬件和软件）的持续更新，并为信息物理系统提供高弹性。

信息物理系统集成和动态重构等方面需要一系列互补性工程任务，这些任务与适当的系统之系统工程方法所需涵盖的主要特性密切相关，即

• 由于信息物理系统组件的即插即用集成和在线移除，实现了系统层面的工程可演进性；
• 动态需求工程，以支持对系统的结构与行为修改进行增量式在线验证（理解与管理“紧急情况”）；
• 针对多个强耦合系统的控制重构；
• 最后但同样重要的是，在生命周期的每个阶段整合人为因素，同时不失去系统之系统的视角 由于此类系统的不同部分将独立发展，因此需要遵循工程、升级、运行和维护方面的良好实践。

将物理与虚拟（数字）世界融合的核心思想，是无缝地收集有关物理世界对象的有用数据和信息，将其转化为知识，并赋能各种工业应用（ Karnouskos，2011年；Colombo 等，2014b）。如前所述，在高度复杂的基础设施中运行的新兴工程系统有望消除许多现有痛点，但不可避免地也会产生新的问题。这些新问题将要求工程师借鉴多学科的知识（Broy 和 Schmidt，2011年；Karnouskos 等，2014a），才能有效利用这些新能力。

处理信息物理系统的工业系统的自动化工程师必须具备更广泛的技能，以理解不同组成系统在结构和行为方式上的相互作用，同时还需具备扎实的信息、通信、控制技术及其融合方面的背景。

因此，工程有效解决方案意味着例如技术卓越、对基础设施中硬件和软件组件的理解、对工业运行环境的知识、对设备和系统层面交互的理解、风险评估，以及对工程决策影响的理解，例如对安全性、安全性、可依赖性等方面的影响。

8.4.2 方向与挑战

向未来工业自动化系统的转变及其工业应用带来了若干挑战，这些挑战可归纳为6个主要类别（Leitão等，2016a）：

• 信息物理系统能力，包括信息物理系统能力的模块化与服务化、作为系统之系统（SoS）的信息物理系统的开发、其优化与实时监控与控制，以及高级（大数据）分析的考虑。
• 信息物理系统管理，其中包括大规模信息物理系统的安全与信任，旨在实现工业级成熟解决方案。
• 信息物理系统工程，包括安全编程与验证、弹性风险管理，以及信息物理系统及系统之系统生命周期支持的方法与工具，这些是工业界面临的关键挑战。其中一个挑战是在这些系统的工程中应用新方法的需求（例如，协作式工作流生成与处理）。
• 信息物理系统生态系统，包括协作式、自主式、自‐* 和涌现性信息物理系统的设计与部署，以及人在回路的集成，其中许多技术预计只有在长期才能成熟。
• CPS基础设施，涉及互操作性服务以及缓解与迁移策略，以支持将当前的自动化系统转变为未来的信息物理系统。
• 信息物理系统信息系统，该系统结合人工智能、数据转换和数据分析，充分利用大量收集的数据，以获得可操作知识。

对过去15至20年报道的研究与创新成果进行简要分析，有助于更好地理解如何通过结合信息物理系统、物联网和服务互联网技术来实现此类行动。

大规模嵌入工业代理和服务导向型自动化（SOCRADES，2016；Taisch 等， 2009；Leitão 等，2016b）是值得强调的一种创新方法。事实上，智能体可作为基于信息物理系统的工业系统架构的推动者，并在技术/解决方案成熟度、方法论与工具、人在回路、平稳迁移、自*特性以及标准化方面做出贡献（Leitão 等，2016b；Leitão 和 Karnouskos，2015a） 基于信息物理系统的自动化系统架构实现全面工业应用的另一个重要方面是标准化（Kagermann 等，2013；IEC，2015），因为标准合规性可能影响工业应用的开发、安装和调试。事实上，标准化可以支持信息物理系统的部署，特别是通过轻松地与现有遗留系统进行接口、实现设备与系统的即插即用，以及动态调整其行为与关系，从而实现这些系统的平稳迁移。将在回路中集成被视为实现灵活性的关键因素（Kagermann 等，2013），而不再像过去那样，尤其是在计算机集成制造（CIM）范式出现期间，被视为实现完全系统自动化的障碍。

工业4.0参考架构模型（RAMI4.0）标准（德国标准化协会，2016）提出了信息物理系统组件（标记为I4.0组件）的主要架构规范以及设计符合工业4.0的架构的一系列规则。与在符合ISA95的架构内实现信息物理系统集成、信息物理系统组件与系统的生命周期各个阶段相关的方面，被视为支持基于信息物理系统的工业系统工程的基础。在此意义上，需要特别强调的是六个数字化层级的规范，这些层级涵盖了构建信息物理系统组件的完整过程，从机械电子（资产）开始，经过集成、通信、信息、功能和业务层。一组基于互联网技术的通信与信息层，以及以服务形式暴露自动化功能并采用服务互联网的方式，使I4.0组件（CPS组件）能够在信息物理系统体系中与其他组件建立业务关系。

此外，新一代自动化系统的实施将对职业和学术培训以及继续教育提出新的挑战专业发展，由“工业4.0”高级别工作组在其建议行动中持续推动（ Kagermann 等，2013；Karnouskos 等，2014a）。事实上，当今工程师需要整合多学科和跨领域知识，更加注重对系统之系统视角的理解，而非单一深入的专题领域。与此同时，信息与通信技术不断渗透到传统的机电一体化、液压、气动系统中，持续重塑着世界，这也要求一种综合性的学习过程。

工程学生不再仅仅处理复杂工程系统的物理部分，而是主要面对其信息部分，这意味着他们所获得的知识会迅速过时（有时甚至比学生取得本科学位所需的时间还要短）。因此，他们需要学习不同的知识领域，以便在未来具备竞争力（更强调对系统及系统之系统的理解，而非纯粹的（深入的）领域知识）。例如，新一代工程师必须应对新的范式和概念（如建模、语义、 （群体）协作、互操作性、自组织和自诊断），以及新兴技术（如物联网、 大数据、机器对机器、高级数据分析、云计算和增强现实）。

考虑到所有提出的问题，在“工业4.0”背景下对工程师进行教育，意味着学习如何设计、开发、测试、部署和运行一个正在其结构以及行为/功能方面实现数字化的传统工程环境。

将传统自动化系统平稳迁移至新一代分布式自动化系统的策略实施至关重要，因为遗留系统将继续运行，并与新系统共存（Leitão et al., 2016b; Karnouskos et al., 2014a）。例如，在惠而浦的工厂洗衣机生产线中实施 GRACE多智能体系统时（Leitão et al., 2015），保留了使用可编程逻辑控制器运行IEC61313‐3程序的底层控制，以确保实时控制，同时在更高层级引入多智能体系统解决方案，从而提升系统的智能性与适应能力。然而，这是一个新兴课题，未来需要进行大量研究，以制定恰当的迁移策略，确保现有运行系统顺利转变为符合工业4.0标准的系统。这些迁移策略不仅应考虑技术层面（如第8.3.2节所述），还应深入研究其经济和社会影响。

8.5 结论与展望

工业环境中对灵活性、弹性和优化的需求，无法通过传统方法得到充分解决。尽管多智能体系统、面向服务的架构、云、信息物理系统等概念和关键技术的应用已取得显著进展，但在应对其工程化及在新兴协作环境中的交互相关挑战方面，仍需付出大量努力。

生产系统。本章的目的并非提出一种新的基于模型的方法，而是要理解为何以及如何现有的能够实现生产系统灵活性和信息物理生产系统自适应的方法与工具在工业实践中不够充分或实施得过于薄弱。最终，这些概念和技术的成功应用不仅取决于解决技术问题的能力，还需有效涵盖所有其他相关方面，以推动持续的业务增长和高效性。

其中一个方面涉及信息的可用性和质量。由于（子）系统不再被视为单一的构建模块，而是被视为处于高度互联的系统之系统环境中的组成部分，因此对信息可用性的看法需要进行调整。这种调整后的视角不仅需要反映系统本身，还需要反映其在环境、生命周期、功能层次结构等中的角色。这一方面已在本书的第5、6和7章中进行了描述。

信息物理系统各方面的日益集成也给系统应用带来了新的挑战（Lee， 2008；Leitão 等，2016a；Broy 和 Schmidt，2014；Karnouskos 等， 2014a）。过去，优化和改进主要集中在系统的孤立部分。因此，改进的生产流程和技术推动了新资产或改进资产的产生（见图8.5左上方），或系统架构中改进的控制方法和技术（见图8.5右上方）。将这些改进引入到

已有的生产系统中，基本上意味着用新的构件（例如，生产设备、IT 系统）替换现有的构件。如今。这些改进仍然是可能的，但它们将不足以应对由自*系统和分布式智能带来的新复杂性所引发的所有挑战。事实上，引入这些概念需要改变每个系统的核心，因为它们会导致多个领域的变化，而不仅仅局限于系统构建模块。资产与信息技术的集成将有助于改进整个增值过程（见图8.5）底部所示。

为了以适合工厂运营商的高效且具有成本效益的方式实现这一点，必须研究新的迁移方法并落实缓解策略，如第8.3和8.4节所述。作为此类努力的一个示例，PERFoRM（2016b）项目并不专注于开发新技术来应对灵活性、弹性和优化需求，而是重用现有成果并实现其协调统一，正如第8.2节中已展示的那样。此外，重点还放在开发合适的迁移方法以及消除现有障碍上，以便为工业界应用去中心化的自动化系统架构创造环境和提供指南。

这种方法（本章也提出了该方法）能够重用已开发的技术，特别是充分利用此前研究中已经投入的资金。此外，作为附带效果，它还能停止已开发解决方案中持续出现的多样化趋势，从而避免类似技术在未来需要进一步协调甚至标准化。这种方法的一个缺点是，它只能利用那些至少已经过了概念阶段、并被认定为可用技术的技术。