【行家观点】中国智能工厂发展趋势Q＆A

Silicon Labs（亦称芯科科技）亚太区区域营销高级经理陈雄基先生近期接受行业媒体的访问，针对智能工厂的应用需求以及在中国地区的发展趋势进行了一系列的问答。欢迎往下阅读或点击阅读原文至Silicon Labs中文社区观看完整的Q＆A内容。

实施智能工厂需要哪些关键技术？目前最大的技术挑战是什么？

陈雄基：智能工厂必须实施多样化的工业物联网（IIoT）技术。 IIoT利用无线和有线网络、传感器数据、机器对机器（M2M）通信、机器学习和基于云的分析来实现自动化的生产操作。工业物联网背后的理念是智能机器在捕获和传输数据方面比人类更快、更准确、更一致。IIoT在改进质量控制、可持续和绿色实践以及整个供应链效率方面具有巨大潜力。

鉴于工业物联网系统和网络的复杂性，在使用不同协议和架构的设备和机器之间实现互联互通是工业物联网系统开发人员的主要关注点。工业互联网联盟（IIC）等标准组织正在通过推动开放互操作性和开发通用架构来解决这些问题。

如何确保智能工厂边缘和云上的数据安全性？

陈雄基：从终端节点到云的安全性是为实现可靠和安全的IIoT应用，以及防止智能工厂受到入侵和数据泄漏而必须具备的能力。

IIoT安全性是在工厂自动化系统的整个生命周期中都必须加以管理的一种流程，从架构到实施以及该系统在现场的整个生命周期的所有阶段皆需进行管理。系统仅在给定时间内对特定的对手而言是安全的。通常，在考虑更强大的对手时，保护系统的成本会大幅增加。对于大多数嵌入式设计而言，它们不可能以价廉物美的方式抵押多个国家的攻击。值得注意的是，随着安全性等级的提高，对手的数量急剧减少。因此，为了减少安全威胁，有必要提高系统的安全性等级。好消息是，对于大多数系统，有几种廉价且简单的方法可以显着提高安全性等级。

在设备层面，控制设备上运行的软件尤为重要。这可通过控制如何将新软件编程到设备中的机制来实现的。特别是，需要关闭JTAG接口并实施安全的引导加载程序。

在通信层面，启用通信协议中的安全性功能至关重要。诸如Zigbee、蓝牙、Thread等所有新的无线协议，以及传输层安全（TLS）功能都实现了相当好的安全性，并且在开发过程中可以直接使用。

在系统层面，支持软件分发机制非常重要。这一点极其重要，因为时间会影响大多数嵌入式设计的安全性。随着时间的推移，对手变得越来越强大。今天以1000美元左右的投入可发动的攻击，比十年前用同样规模的资金来发动攻击而产生的威力更大。因此，将系统的使用寿命周期纳入考虑范畴是至关重要的，能够和未来对手相抗衡的唯一方法是设计具有可升级的安全系统，并在产品整个生命周期中通过远程升级方式对系统进行升级。

AI如何促进智能工厂的实施？

陈雄基：机器学习是人工智能（AI）的一个分支，它在现实应用中已变得无处不在，特别是在智能工厂中。重复性的人工任务最终将由智能机器来处理，而不再要求员工之间去建立深厚的情感联系。例如，机器人流程自动化（RPA）可以使诸如数据输入和分析、ERP事务和文件存储等等一系列业务流程实现自动化，从而解放知识性工人，让他们能够发挥更高的价值。随着智能不断向边缘转移，物联网也将受益于机器学习的进步。

人工智能技术正在将更多的智能和数据分析推向边缘。甚至在人工智能成为全球流行词之前，微控制器就已经能够完成一些非常先进的处理和控制任务，例如MCU可以管理自主导航和机器人、传感器融合、图像和图形处理等等功能。目前业界的趋势是更加类似人类的功能，例如声音处理和人类语言处理，并且在基于云和网络的软件领域中有更多的AI类型应用。通过使用MCU和高级处理器的可视化应用，我们现在在工厂和自动化应用中看到了很多有关识别对象的新技术。然而，图像和目标处理往往需要处理能力更高的处理器件（而不是传统的MCU）。音频处理和“文字唤醒”是可以由性能较低的MCU来处理的简单功能，而不能支持视频处理这样复杂的应用。

这正是Silicon Labs在混合信号处理、低功耗技术和无线连接方面的专长可能带来更多益处的地方。一般来说，这些新的AI应用程序正在物联网中开拓和创造一个新的利基，但并非所有终端节点都需要这些高级功能。许多应用程序将继续利用网关和云资源来处理类似AI的任务。这将继续成为系统架构师要做的一个决定，他将在特性、成本、性能、延迟、安全性以及客户对这些功能的整体价值取向等各个方面进行全面的评估。

请列出智能工厂中使用的NB-IoT、Wi-Fi、蓝牙、4G和5G等不同无线通信技术的优缺点。请指定每种无线技术最适合使用的场景。

陈雄基：随着自动化的发展，人们需要拓展到更宽广的视野，例如全球需求、本地物流和整体供应链。管理所有这些数据的流动需要新的网络拓扑，而今天的大多数网络是基于数据包的。每个数据包中是一个有效载荷(数据)，通常在头部(路由信息)之后、尾部(包含有用的信息，如纠错)之前。

这种基本格式存在于有线和无线网络中。延迟和带宽等参数用于评估网络提供数据的能力，随着工业变得更加自动化和分散化，这变得更加重要。对于无线网络，还需要考虑其他重要参数，例如覆盖范围、稳健性和功耗等。

功耗是无线IIoT网络中的重要考虑因素。对于有线网络，驱动连接所需的电力实际上可以由连接本身来提供。但是，对于无线网络，需要额外提供或收集电力。这意味着功耗是无线IIoT网络的关键考虑因素。因此，无线IIoT设备必须在输出功率、占空比和吞吐量等方面进行权衡。

覆盖范围与无线网络的操作频率密切相关。那些在sub-GHz范围内工作的器件通常具有比在2.4 GHz范围内工作的器件更大的覆盖范围(对于给定的功率而言)。但是，无线网状网络可以帮助扩展2.4 GHz的覆盖范围，有许多流行的网状技术，例如Zigbee、Thread和Bluetooth Mesh等。由于标准和2.4 GHz频段的采用，这些协议对IIoT的未来也很重要。因此，预计IIoT将采用运行在2.4 GHz和sub-GHz频段的协议。

为智能工厂设计电源系统的挑战是什么？

陈雄基：随着工厂变得更加的智能化和互联互通，设计人员将必然去使用那些能够提供可靠防护的工具，以保护敏感且昂贵的电子产品免受恶劣工业环境的影响，这些环境可能会给电子元件造成致命损害或导致数据损坏，这对于诸如化工厂或汽车生产装配线等制造工厂的流程控制和工厂自动化系统尤其真实。恶劣的环境也普遍存在于快速发展的行业中，如太阳能逆变器以及电力供应和电信系统等。恶劣环境可能带来的危害如下：

• 高电压 – 在上面列出的许多应用中，敏感的低压电子元件必须与额定用于高压的其他元件通信。在这种情况下，对电压敏感的元件在发生电气故障时容易损坏。

• 电压快速瞬变 – 它们是由相对较高的电压在被接通和断开时引起的，例如向重载电机提供受控开关电源的大功率逆变器就会带来这种瞬变，它们可给敏感的电子元件造成永久性损坏，这是因为这些电子元件的初始设计不是用来在这些瞬变中维持运行。即使元器件避免了永久性损坏，这些瞬态也可能导致数据损坏，从而导致系统故障或停机的情况。

• 共模压差 – 这种情形产生于具有不同参考电压的子系统之间的通信，如通常情况下我们所指的采用3V电源的子系统必须能够与可能具有240V参考主电源的其他子系统进行通信。在这种情况下，如果不充分考虑不同的参考电压，通信链路可能会严重受损，并且数据可能会丢失。

对于上面提到的所有情况，有一种易于实现的通用解决方案。这些敏感元件的电流隔离可保护它们免受高电压、快速瞬变以及共模压差的影响。基于近年来的技术创新，Silicon Labs等公司提供的采用CMOS工艺的即插即用数字隔离解决方案可以轻松确保敏感元器件得到充分的保护，不仅可以防止数据损坏，还可以防止受到致命的损害。从而确保即使在恶劣环境中也能提供可靠且持久的系统。

工业物联网边缘设备设计中对MCU的定制要求是什么？

陈雄基：IIoT涉及众多不同的应用和市场。Silicon Labs主要致力于楼宇自动化、智能照明、智能表计、资产管理以及其他类似的IIoT应用。这些应用需要基于标准且专有的低功耗无线连接。为满足这些应用的需求，Silicon Labs提供了一系列具有不同硬件集成度和连接协议的微控制器（MCU）和无线系统级芯片（SoC）器件，以提升整体系统的集成水平，并帮助开发人员降低系统成本和复杂性。

Silicon Labs的无线SoC为智能工厂应用提供了一系列连接选项，包括能够在2.4GHz和sub-GHz频段运行的Thread、Zigbee、蓝牙低能耗、蓝牙Mesh和许多专有协议，所有这些协议都可在同一个无线SoC器件上运行。这些SoC还支持多协议操作，以支持连接的设备在运行时可在不同协议之间动态切换，从而使应用程序开发人员可以自由地设计具有良好互通性和连接性的设备。Silicon Labs的一个关键差异化指标在于，我们为工业物联网提供了无偏好的无线连接能力。由于我们的无线SoC构建在一个支持多种标准和专有协议的通用平台上，因此我们能够为客户提供极高的灵活性，从而为其工业物联网应用在多种协议中选择任意一种。

Silicon Labs的无线SoC与公司的EFM32 Gecko MCU架构相同，可以提供许多的MCU功能，从而使它们能够控制复杂的工业物联网终端节点应用。其中大部分功能在各种睡眠模式下都可以使用，支持MCU和SoC在监视传感器或等待其他事件时仍可进入睡眠状态，以降低整体使用功耗。内置安全性也是Silicon Labs的MCU和无线SoC的一个关键方面，也是工业物联网系统的一个关键关注焦点。这些器件提供了支持ECC、SHA和AES算法的最先进的硬件加密引擎，其速度和能效远远高于普通软件算法的能力；我们还提供经NIST认证的TRNG引擎以及安全管理单元（SMU），可提供对片上外围设备的细粒度访问。

您也可以扫描以下维码，关注Silicon Labs社交媒体平台