人機介面（HMI）和可程式化邏輯控制器（PLC）是現代工業自動化系統中最重要的兩個組件。這些技術使生產設備能夠相互通信，從而可以對複雜的生產過程提高效率自動化的控制。

HMI和PLC為各種工業過程的自動化提供全面的解決方案，確保可靠的運行，並可即時監控。HMI是一種允許人類以安全有效的方式與生產設備進行通信和互動的介面；而PLC則是基於運算的系統平台，提供生產設備的操作控制，達到更加高效和可靠，以及安全性。

然而，在許多情況下，內建有PLC架構的HMI通常是首選，因為它可以提供更複雜的應用程序所需的更高程度的控制和自動化。透過PLC更可以讓HMI發揮最佳功能。然而，在某些情況下，HMI還是可以獨立於PLC使用，因為它被設計為即使沒有PLC的支援下也可以執行某些任務。

對於生產設備來說，HMI是非常有用的工具，可應用於手動控制設備或即時監視各項數據，但卻又無需依賴PLC架構。例如，如果操作員需要對生產設備進行數據的存取，而卻又不希望透過複雜的程式架構，那麼 HMI應該是相當理想的解決方案。

智慧工廠HMI三大趨勢

隨著元宇宙主題的發酵，在製造智慧工廠引入AI、物聯網、數位分身、AR/VR等技術後，人機介面（HMI）智慧化的步伐越來越快。其中，高彈性、可視性和可靠性將是其發展的三大趨勢。

HMI在目前的技術領域已經變得越來越重要，因為它們允許用戶同時有效地監視和控制多台生產設備的作業，提供了作業人員與設備之間架起了一座寶貴的溝通橋樑。更進一步的，還可用於數據收集、可視化和分析。

在許多IIoT裝置中採用的是前面提到的SQL。這種關係型數據庫管理系統是免費，且開放原始碼，並可以得到來自各界廣泛的技術支援。它也很安全，因此可以安全地整合到控制器HMI和平板電腦中。這樣做的好處是IT人員的存取會比依賴各種控制替代方案更容易實現。無論系統採用Raspberry Pi等基本控制還是複雜的基於PC的物聯網數據庫介面（通常需要額外的硬體和軟體），情況都是如此（圖1）。

圖1 : 智慧工廠以具有現場總線、有線乙太網、無線和雲端連接的組件和設備為主。（source：Design World）

而基礎設施、平台和軟體即時服務（包括了IaaS、PaaS和SaaS），或雲端服務也廣泛採用支援多管齊下的IIoT設計方法。其中包括阿里雲端、騰訊雲端、谷歌雲端、IBM雲端和 Oracle雲端。然而，目前在包括美國的大多數市場，目前兩個領先的機器自動化公共雲端服務提供商是Amazon Web Services和Microsoft Azure。

此類雲端平台服務主要支援數據庫的使用（例如Amazon簡單儲存服務或 S3儲存站，和 Amazon DynamoDB 託管數據庫服務等產品）、在線上和本地應用，以及按需計算能力。與後者相關的是AWS Lambda服務，它允許 Python、Node.js、Java 和 C#等程式語言在該伺服器上運作。而扮演操作的主角-HMI則是讓終端用戶能夠充分利用這些IIoT功能。

藉由HMI來進行更便利的雲端存取

目前的主流趨勢是越來越多地用戶，開始採用供應商預先規劃的雲端服務入口。而這些入口（為工程師提供了一種開始使用IIoT的簡單方法）是與用戶的控制器和HMI觸控螢幕連接的線上服務機制。就像是工程師可以根據需求來制定HMI螢幕和功能區，並使用從雲端入口管理的規則引擎來配置HMI電子郵件通知，或是允許對元件進行遠端軟體更新，和遠端查看元件的網路視覺化。這些功能不勝枚舉。

事實上，SQL也可以與一些控制器HMI搭配使用，以方便監控和分析。例如，將這種HMI連接到MySQL資料庫，可以在靈活和可高可靠度的資料庫中收集、組織和儲存資料，以方便存取和業務最佳化操作。

一些供應商的設計軟體也可幫助工程師利用AI HMI使用MySQL，並將資料放在Excel試算表中進行：

● 在HMI螢幕上顯示資訊

● 將資料和事件日誌同步到本地網路的遠端MySQL伺服器上

● 在伺服器上管理這些資料

● 使用MySQL和MS Excel來收集、分析和回應資料，以做出更明智的決定和最佳化作業。

軟硬兼施的PLC進化

儘管過去幾十年來，PLC有許多漸進式的創新，但這些創新都集中在改進的硬體元件的整合上，例如每秒更多的操作或更新更快的通訊協議，而不是對PLC的程式設計模型或架構進行結構性改變。

硬體和軟體的解耦（Uncoupling）不僅可以實現擴展，而且由於標準x86伺服器硬體的廣泛可用性，還有助於克服專有PLC硬體的供應鏈挑戰。如果利用COTS伺服器中的即時管理程式，讓虛擬機器運作的軟PLC的話，伺服器和電腦就可以提供足夠的資源來完成PLC、HMI和程式設計終端的功能。

圖2是執行虛擬PLC的伺服器與生產線、雲端進行通訊。雲端和生產線的耦合進一步允許進行基於軟體的PLC操作（Ops），以及資料收集和使用先進的機器學習演算法下，同時仍然滿足確定性的即時要求。

虛擬PLC可提供更多的靈活性、更好的資源利用、可擴展性和更低的成本，來克服基於硬體PLC的各項限制。

圖2 : 可以從邊緣或雲端監控和管理多個虛擬PLC

實現虛擬PLC是可以利用準系統服務器、VMWare的ESXi 7.0管理程序、Linux Debian 11、CODESYS SoftPLC運行和 EtherCAT來完成的。而由於虛擬化具有上述優點，因此價值百萬美元的問題是：它是否也能滿足 10毫秒左右離散自動化的實時要求？為了測量實時性能，Software Defined Automation這家業者，設置了虛擬PLC（vPLC）架構，並執行了廣泛的性能測試。結果顯示，虛擬PLC對於工廠自動化的重要領域來說是一個可行的選擇，其中5-10毫秒的響應時間是可以接受的（圖3）。

圖3 : 輸入上升沿和下降沿從輸入到輸出的平均響應時間。水平誤差線代表最小和最大記錄值。（source：Software Defined Automation）

使用 PLC 進行機器學習和預測性維護

時至今日，PLC已經廣泛用於控制工業設備和生產過程的自動化操作架構平台。駕馭著這些生產設備能夠執行根據每台設備，或生產流程下特定需求進行的定義，達到精確控制工業設備的運轉。

這些指令也可透過人工智慧的驅動系痛來執行各種特定任務，例如控制電機、繼電器或監控感測器的準確性,而這些速度通常比手動操作更有效率，實現生產流程自動化和提高生產線的效率。此外，PLC架構平台更可以從感測器所收集到的數據，來提供有價值性的分析，並協助輸出的最佳化，或檢測系統中的任何異常狀況。

圖4是Omron在Isolation Forest機器學習引擎的基礎上開發了這項獨特的演算法。將PLC與最先進的機器學習功能進行整合，這意味著作業人作員可以收集有價值的即時數據，有助於延長設備生命週期和產品品質。控制器能夠通過異常檢測，來通知管理者任何問題。由於其強大的機器學習能力，控制器更可以輕鬆檢測到是否有任何與機器正常操作不同的情況。

圖4 : AI機器學習引擎同時提供了速度和準確性。（source：OMRON；作者整理）

目前主流AI PLC的預測維護流程包括了五個主要步驟：

● 生成學習模型—名義上的機器行為被學習，即時機器資料被用來產生學習模型和閾值。

● 監控機器—根據產生的學習模型持續監控機器。如果特定數值超過閾值，則會向操作人員發出通知。

● 設置新閾值—檢查機器狀態，如果沒有發現問題，則設置新的閾值。

● 執行的維護—以程式化方式確定需要進行哪些維護，包括更換組件。

● 使用新元件產生學習模型—替換元件後，根據先前的錯誤級別產生新的學習模型和閾值。重複這些步驟可以使基於狀態的維護更加可靠。

使用振動感應器和PLC進行狀態監測

預測性維護技術是減少意外機械故障的有效策略。而振動感測是迄今為止使用最廣泛的預測性維護技術，因為它提供了大量的機械狀態資訊。大多數採用振動感測的工廠都從可攜式數據收集器，和定點的數據收集點開始，收集振動數據並分析趨勢。

工廠規模和測量點數量，使得進行振動感測變成一項艱鉅的任務。規劃數據收集路線和數據收集頻率也可能是一項艱鉅的任務。這些問題，再加上各種生產設備不同故障率，因此許多工廠為了一次解決測量機制的問題，大多會使用永久安裝的連續振動感測解決方案，但這類型大多數的儀器會出現與監控用PLC不兼容的訓號，導致必須使用專用（proprietary）和可重複（duplicative）的設備。

此外，如果將線上或DIN導軌安裝的振動感應器可透過ICP加速度計的輸出轉換成與PLC相容的4-20mA輸出，從而可消除了對重複設備的需求（圖五）。當振動水準過高時，PLC會向振動分析器發出警報。這些警報提醒預測性維護團隊需要進行更仔細的調查以確定確切的故障模式。利用振動發射器來提供的原始振動信號，可以使用可攜式診斷設備來進行分析，提供額外的分析。

圖5 : 使用線上或DIN導軌安裝振動發射器的振動監測系統的建議設置包括ICP 加速度計、振動發射器和PLC以及適當的電纜。（source：Automation；作者整理）

生產設備的狀態監測是現代維護的一個重要概念，避免意外停機對於保持企業競爭力至關重要。使用通用ICP加速度計、線上或DIN導軌安裝振動發射器，再搭配工廠的PLC監測儀器進行低成本機械狀態監測，是收集資訊來幫助和確定整體設備健康狀況的絕佳方法。

PLC程式化會被AI取代嗎？

在不久的將來，PLC不太可能完全被人工智慧所取代。今天的PLC已經廣泛應用於工業自動化領域，用於控制和監控各個行業的過程，包括製造、能源和運輸。

雖然人工智慧和機器學習技術取得了重大進步，但它們通常與PLC結合使用，而不是完全取代它們。人工智慧可以透過提供智慧分析、預測性維護和最佳化控制策略來增強PLC的功能，還可以根據PLC收集的數據進行數據分析和決策。

而PLC的可程式涉及創建特定於自動化工業過程的邏輯和控制算法。它需要對流程、設備和行業標準有深入的了解。因此PLC專為即時控制而開發，並具有為此目的量身定制的專用硬體和軟體。

雖然人工智慧可以自動執行某些任務並提供見解，但PLC的可程式化能力在控制系統的設計和實施中，仍然發揮著決定性的作用，同時PLC的高可靠且確定性的控制，這對於安全關鍵型應用至關重要。

此外，使用基於人工智慧的解決方案，改造現有工業系統可能成本高昂且複雜。許多行業都擁有基於PLC的完善系統，如果過渡到完全由人工智慧驅動的系統，這需要對基礎設施和流程進行重大改變和投資。

因此整體而言，人工智慧更有可能補充和增強PLC，而不是完全取代它。PLC與人工智慧技術的結合可以為工業自動化提供強大的解決方案，提供精確控制和智慧決策能力。