這里講一講Python在工業自動化領域的應用。

當我們開始討論在工業自動化應用中使用哪種編程語言時，通常我們會首先談論IEC 61131-3標準中用于可編程邏輯控制器（PLC）的語言，比如經典的梯形圖（LD）或結構化文本（ST）。對于機器人等應用，我們經常看到低級編譯語言，比如C語言。

這幾年有不少人討論在工廠生產線上使用Python。是什么讓Python這種解釋型的高級語言突然變得吸引人？Python代碼運行速度通常比更接近機器代碼的編譯語言慢，而且它顯然無法勝任實時控制的任務，這是開發工業系統時的一個主要問題。

然而，現在我們看到了一系列因素的影響，使Python在工業應用領域備受關注。首先，工業4.0正在改變我們對工業自動化的看法，特別是它強調了“智能”制造的重要性，其具有更高的自主性、豐富的大數據，并與增材制造、云計算等下一代技術全面集成。

工業4.0的另一個影響是工業物聯網（IIoT），它連接了本地網絡上的工業機械，用于實時機器對機器（M2M）通信，并提供持續的傳感器數據流以供分析使用。因此，我們正在見證信息技術（IT）和運營技術（OT）之間的融合，打破了長期以來分隔信息技術專業人員與運營技術專業人員的隔離。畢竟，IIoT設備需要使用信息技術來優化其運作。

這里Python就有了用武之地。當我們考慮世界上最流行的編程語言的優勢時，我們可以看到Python在IIoT方面具有明顯的優勢。

首先，Python分析和處理大數據集能力強大。其次，Python可讀性強，可以讓團隊成員更好地協作編寫或維護代碼。最后，Python是開源的，擁有強大的開發社區，很多應用都選擇Python作為開發和維護語言，比如Tensorflow、Pytorch等。

機器學習

毫無疑問，Python影響最大的領域是機器學習（ML），這是人工智能（AI）的一個分支，其中算法從數據中學習，而不需要任何人工編寫規則。常見的工業應用包括預測性維護和自動化機器人。

如今大多數的ML都是用Python編寫的，諸如PyTorch和Google的開源TensorFlow等框架使用Python，亞馬遜的云AI服務AWS SageMaker帶有內置的Python軟件開發工具包（SDK）。簡而言之，Python是最適合這項工作的工具。

以下是常見的工業ML場景。機器和傳感器數據被發送到云端，我們可以利用高性能資源來訓練ML模型。一旦我們有了一個訓練有素的模型，例如可以分析機器何時可能會出現故障的模型，然后我們可以將該模型返回到工廠生產線上。

通過在生產設備中嵌入GPU進行邊緣計算，或者利用本地IIoT網關的資源進行霧計算，我們可以在現場使用我們訓練有素的模型。

我們觀察下自動化機器人，Python代碼將解釋高級目標，然后由與硬件直接交互的低級編譯代碼解釋成動作。一個簡單的類比是移動你的手臂：你的大腦設定高級意圖，而低級的神經系統移動你的肌肉。

隨著我們進一步深入工業4.0并找到更多用于AI的創新用途，預計Python工程技能將成為越來越重要的資產。

計算機視覺

要讓機器手臂撿起東西，首先需要知道它在看什么。這就是計算機視覺（CV）的作用，它是一種使機器能夠使用攝像頭作為眼睛并且更關鍵的是能夠識別它們看到的物體的人工智能領域。僅僅考慮到Python在ML中的重要作用，就不難看出Python對CV非常有用。

最初由英特爾在90年代末開發，OpenCV現在是開源CV開發的最佳選擇之一。盡管庫仍然是用C++編寫的，但Python包裝器opencv-python對于像深度學習的CV應用非常有用，因為它保留了原始C++代碼的速度，同時仍然具備Python的優點。

此外，由于opencv-python創建NumPy數組作為輸出，因此我們可以立即將數據轉移到其他Python工具，比如SciPy、Matplotlib或其它ML工具。其結果是，一臺機器可以看到的不僅僅是像素，它可以區分產品，執行質量保證檢查，并以復雜的細節處理其環境。

搭建系統間通信連接的橋梁

當機器制造商創造產品時，他們通常不會將與人機界面（HMI）之外的通信的能力置于首位。再加上許多機器運行專有代碼，這些代碼非常接近硬件，IT方面的IT/OT融合變得更加困難。如果這些機器不能說相同的語言，我們如何使它們彼此通信？

嗯，我們需要一個翻譯器——Python正好能夠勝任這項任務。像OpenMTC這樣的程序充當M2M和物聯網應用程序的中間件或“軟件膠水”。例如，如果我們將這個中間件放在像樹莓派這樣的設備上，然后Python腳本從一個來源獲取數據，進行轉換，并以另一臺機器能夠讀取的格式發送到不同的機器。

一個簡單的示例是任何對溫度敏感的制造過程。雖然機械可能無法自行調整溫度，但它的溫度計可以進行讀數，如果溫度越過某個閾值，那么它會通知中間件，然后中間件可以告訴加熱器降低恒溫器的溫度。

我們可以將這個邏輯應用于依賴于另一臺機器輸出的任何機器。此外，我們不僅可以使用這種方法來集成當前的機器以提高性能，還可以打開通往新可能性的大門。

其中一個領域是無人駕駛汽車，通過與道路上的其他車輛通信，它們將優化交通模式，縮短通勤時間，減少事故發生率。可以預料的是，Python將是這個互聯未來的關鍵模塊。

總結

雖然我們最終可能不會使用Python來控制機器硬件或直接與制造設備進行接口，但這并不意味著Python沒有工業應用。

當我們從大局角度看工業4.0時，我們發現數據是其關鍵特征。我們正在直接將數字世界疊加到物理世界上。這就是為什么我們需要Python的原因：為了彌合它們之間的差距，處理我們正在生成的前所未有的大量數據，并支持宏觀控制。