KEM Konstruktion 主編 Michael Corban對B&R 首席技術官 Florian Schneeberger的采訪； Florian Schneeberger 解釋了軟件和 IT 以及人工智能和機器學習等主題在 B&R 中的作用，以及為什么自動化趨勢正朝著標準化和互操作性的方向發展。

您自2022年5月起擔任B&R的新任首席技術官。作為一名工程師，您也帶來了大量的信息技術知識。軟件和IT對B&R有多重要？

Schneeberger：軟件已經變得非常重要，自適應制造就是一個很好的例子。在這里，我們在機電一體化和機器人技術方面投入了大量資金，同時軟件所占的份額也非常高。此外，從機器控制到云基礎設施，一致性程度也在不斷提高--IT 和 OT 的整合、軟件在這里也變得越來越重要。這就是我們投資為物聯網提供強大的物聯網解決方案的原因。

為什么？

Schneeberger：在此基礎上，我們的客戶可以非常容易地圍繞他們的機器構建平臺產品，從而提高他們的競爭力。我們的專長是生成相關數據，并將其整合到物聯網應用程序中--無論是在機器的控制系統上還是在云中。在此過程中，我們也會處理專有數據協議，但隨后會通過 OPC UA 等標準協議提供所有數據。換句話說：我們將自己視為數據提供商。

物聯網標準有多重要？

Schneeberger：在物聯網和云環境中，專有系統沒有未來；互操作性和標準化更為重要。在我看來，這是行業的關鍵問題。自適應制造尤其受益于此--它必須能夠連接來自多個供應商的系統。這就是為什么我們B&R關注的是數據和邊緣，而不是上面的平臺基礎設施。同樣重要的是，我們的機電一體化系統應用程序應盡可能標準化地在邊緣或云端運行，這反過來又強調了軟件的重要性。

您能舉例說明嗎？

Schneeberger：以我們的 Acopostrak 運輸系統為例。在這里，我們希望為客戶提供預測性維護應用，通過機器學習來記錄和評估滾筒的磨損情況。為什么要這樣做？因為這樣可以確保我們系統的可靠性，防止意外停產。創建這樣的應用程序需要特殊的專業技術，Acopostrak 就是其中之一。而我們擁有這些技術。

它是如何工作的？

Schneeberger：具體來說，我們將 Acopostrak 系統的運行數據匯集到云中，在此基礎上開發出一種算法，可以非常精確地預測現場系統的狀況，或者換一種說法，確定最佳維護時間。然后，我們通過一個可在機器控制系統中運行的應用程序向客戶提供這種算法。

除了預測性維護，你們還關注哪些其他應用？

Schneeberger：在使用我們的相機進行圖像處理方面，我們正在研究異常檢測或更廣泛的圖像數據分析和使用。順便說一下，這也是應用程序在攝像機中運行最好的領域。否則，通過網絡傳輸大量數據的效率會非常低，最好是直接在攝像機上運行圖像數據分析。

說到數據分析，機器學習和人工智能（AI）在B&R 中扮演什么角色？

Schneeberger：機器學習是人工智能的一個子領域，不同于 ChatGPT 等生成式人工智能。機器學習使用一個非常大的定義數據集來計算概率。而人工智能的基礎更為廣泛，可以獨立得出結論。未來，人工智能肯定會在軟件生成方面發揮重要作用。尤其是當我們想給機器下達語義指令時--即 "請先做這個，然后再做那個"。順便說一句，在自動生成代碼的過程中，模擬和測試將變得更加重要。可以想象，人工智能生成的代碼將由人工智能通過與數字孿生系統進行模擬來進一步優化--這是非常令人興奮的，也將很快實現。不過，具體來說，我們目前主要致力于機器學習應用。

那么，人工智能能否幫助緩解熟練程序員和軟件開發人員短缺的問題呢？

Schneeberger：人工智能將無法取代軟件開發人員--歸根結底，必須始終由有頭腦的人來組織和控制結果。這將更多地是一個讓程序員和軟件開發人員的工作變得簡單的問題。