倍福中國

在中國任意規(guī)模的食品商店和超市中，幾乎都可以看到方便面的身影。國內(nèi)一家大型方便面制造商為了減少帶有封包瑕疵的產(chǎn)品流入市場，降低客戶對包裝瑕疵的投訴率，決定使用包括 TwinCAT 機器學習產(chǎn)品在內(nèi)的倍福控制技術，使其方便面外包裝質(zhì)量可以得到實時可靠的智能化檢測。

天津豐昱菱控機電設備有限公司（以下簡稱：天津豐昱）是一家專注工業(yè)自動化技術的系統(tǒng)集成商，與中國最大的快捷食品和飲品生產(chǎn)企業(yè)之一簽訂合同，為其提供最先進的包裝檢測系統(tǒng)。這家食品制造商擁有世界上產(chǎn)能最大的方便面生產(chǎn)線，每條生產(chǎn)線的平均產(chǎn)量可達每分鐘 500 包，年總產(chǎn)量高達 48 億包。

包裝并封口是方便面生產(chǎn)中的重要環(huán)節(jié)。對于袋裝方便面來說，其包裝袋內(nèi)通常裝有面餅，以及若干裝有干調(diào)料、調(diào)味醬和脫水蔬菜等佐料的獨立小包裝袋。在包裝生產(chǎn)線上，這些獨立包裝的一袋袋小調(diào)料包先會被有序地放置在流水線上高速運動的面餅上，再一起進入橫切封包機進行包裝和封口等工作。

在生產(chǎn)的過程中，總會因為各種不可控的因素，出現(xiàn)小調(diào)料包掉落在兩個面餅之間，被切刀一分為二，分裝在前后兩袋方便面中的情況。而由此生產(chǎn)出來的瑕疵品會引起消費者投訴，讓生產(chǎn)廠家聲譽受損。

因此，生產(chǎn)廠家為了降低客訴率，就必須想辦法減少瑕疵品的流出。為了盡可能地阻止瑕疵品流入市場，方便面生產(chǎn)商使用了延遲時間非常短的全自動質(zhì)量檢測設備。天津豐昱在這個項目中幫助最終用戶快速實施了高性能的質(zhì)量控制系統(tǒng)。

他們先研究了封包機的機械和電氣結構。據(jù)天津豐昱介紹，在這個過程中他們發(fā)現(xiàn)，由于倍福產(chǎn)品和技術具有良好的開放性和靈活性，非常適合用于采集所需的分析數(shù)據(jù)。他們在封包機內(nèi)安裝了幾個傳感器，并利用 TwinCAT Scope View 快速而方便地采集到第一批數(shù)據(jù)，以進行樣機分析。

通過隨后的數(shù)據(jù)分析發(fā)現(xiàn)：當切刀切中調(diào)味包時，在采集的數(shù)據(jù)中會觀測到一定的擾動。然而，經(jīng)過實踐證明，使用傳統(tǒng)的工程設計方法無法可靠地檢測出造成瑕疵品的擾動因素。因為這里需要考慮一些不確定性因素對數(shù)據(jù)的影響，如震動、包裝材質(zhì)的變化、傳送帶的速度變化和切刀應力的變化，等等。此分析應用要求非常嚴苛，因此，天津豐昱決定使用 TwinCAT 機器學習軟件來解決這一難題。

一、機器學習在工業(yè)領域的應用

瑕疵品檢測的實質(zhì)就是使用分類器把無瑕疵和有瑕疵的產(chǎn)品區(qū)分開來。如果使用基于 ML 的分類器，需要基于樣本數(shù)據(jù)訓練一個數(shù)學模型，從而無需顯式編程就能做出正確的決策。

倍福可以提供各種工具和開放接口，支持從數(shù)據(jù)采集和模型訓練，到將調(diào)整好的模型直接部署到控制系統(tǒng)中等整個工程周期：

1、數(shù)據(jù)采集：

數(shù)據(jù)的數(shù)量和質(zhì)量對采用機器學習方法的應用場景具有決定性的影響。倍福 I/O 模塊和軟件產(chǎn)品種類繁多，幾乎可以滿足采集任何種類數(shù)據(jù)的要求。TwinCAT 軟件中的各種功能插件，如 Scope View、Database Server、Data Agent 和 Analytics Logger 等工具可以采集并將數(shù)據(jù)存儲到工業(yè) PC、本地或遠程數(shù)據(jù)庫或者云端。

2、模型訓練：

通常需要先對采集到的數(shù)據(jù)進行預分析或預處理，以期找到這些原始數(shù)據(jù)與期望結果的關聯(lián)性，或加強關聯(lián)性。然后再選擇一個合適的機器學習算法，并設置超參數(shù)訓練模型。倍福推薦使用如 PyTorch、Keras、Scikit-learn等開放的機器學習框架進行模型訓練。最后，將訓練好的模型保存為 ONNX（開放神經(jīng)網(wǎng)絡交換格式文件）標準化數(shù)據(jù)交換格式的文件。onNX 文件描述了訓練好的模型的運算和參數(shù)，然后可以轉(zhuǎn)化成二進制格式（BML）文件，更適合在 TwinCAT 中進行序列化（即加載執(zhí)行）。

3、模型部署：

針對機器學習（TF3800 和 TF3810）的 TwinCAT Runtime 環(huán)境，可以將訓練好的模型文件（BML 格式）動態(tài)加載到控制器中，模型可以在控制器中實時運行，其執(zhí)行周期小于 1 ms。這樣可以直接處理推理結果（執(zhí)行訓練好的機器學習模型），并通過超高速 EtherCAT 通訊系統(tǒng)傳輸給輸出設備，實現(xiàn)設備的實時控制。

這次方便面生產(chǎn)線的瑕疵品識別完全依照這三步法進行實施。

首先，使用倍福的EL1xxx 或 EL3xxx EtherCAT 數(shù)字量和模擬量輸入端子模塊結合 TwinCAT Scope View 采集傳感器數(shù)據(jù)。然后使用開源的學習框架 Scikit-learn 訓練機器學習模型，并生成模型描述文件。控制系統(tǒng)中的TwinCAT Condition Monitoring可以預處理傳感器數(shù)據(jù)。然后再轉(zhuǎn)換成BML 文件，最后將該文件部署到一臺CX51xx 嵌入式控制器上運行，借助TwinCAT Machine Learning Runtime 對實時采集的數(shù)據(jù)進行推理，再將推理結果經(jīng)過EL2xxx系列EtherCAT輸出量端子模塊，實時剔除瑕疵品。

據(jù)天津豐昱介紹，倍福控制技術具備系統(tǒng)開放性優(yōu)勢，可以非常輕松地與生產(chǎn)線上現(xiàn)有的第三方主控系統(tǒng)集成 。

二、開放式平臺助力縮短ML算法的開發(fā)周期

此外，開放的 TwinCAT 平臺可以有效驗證算法，而無需直接訪問機器。在模型訓練開始前，生產(chǎn)設備上記錄的數(shù)據(jù)被分成訓練和測試數(shù)據(jù)。先利用訓練數(shù)據(jù)來訓練 ML 模型。然后在訓練環(huán)境中使用測試數(shù)據(jù)，以測試訓練好的模型在未知數(shù)據(jù)上的表現(xiàn)如何。

在成功移植數(shù)據(jù)預處理算法和ML算法到TwinCAT 中后，就可以進行算法驗證。代碼在測試系統(tǒng)或?qū)嶋H使用的嵌入式控制器或工業(yè) PC 上執(zhí)行，驗證數(shù)據(jù)集通過 TwinCAT Database Server 功能流式傳輸給 TwinCAT 實時環(huán)境，以用作虛擬數(shù)據(jù)源。采用與現(xiàn)場傳感器相同的采樣頻率從數(shù)據(jù)庫中讀取數(shù)據(jù)，因此可以優(yōu)化模擬最終客戶現(xiàn)場的應用場景。從生產(chǎn)設備采集到的新數(shù)據(jù)集在測試環(huán)境中可以用于挖掘各種應用場景。最后，利用測試數(shù)據(jù)調(diào)試嵌入式控制器上的 ML 算法，對其進行分析，以確保準確可靠地執(zhí)行ML算法。

利用開放的 TwinCAT 平臺開發(fā)和驗證 ML 算法，有效地避免了在工業(yè)現(xiàn)場不必要的 ML 算法調(diào)試，從而顯著縮短了算法的開發(fā)周期。天津豐昱強調(diào)，正是由于此原因，該合作項目的進展幾乎未受到新冠肺炎疫情的影響。

TwinCAT 的多任務多核處理功能既保證了多個 PLC 任務可在嵌入式控制器的多個處理器核中可靠執(zhí)行，又保證了多個 PLC 任務之間可靠的數(shù)據(jù)交換。另一個優(yōu)點是，這些功能只需要簡單的配置和調(diào)用現(xiàn)成的 PLC 功能塊來完成，開發(fā)成本低。在方便面生產(chǎn)項目中，通過采用兩個 PLC 任務和兩個處理器核，可靠實現(xiàn)了上述 ML 的兩步執(zhí)行算法。

三、機器學習和基于 PC 的控制技術顯著減少工作量

通過機器學習方法和數(shù)據(jù)挖掘，可以更快、更有效地解決生產(chǎn)中遇到的問題，從而降低研發(fā)成本。天津豐昱方便面生產(chǎn)線的經(jīng)驗證明，TwinCAT 機器學習在異常檢測方面優(yōu)于傳統(tǒng)的工程方法。借助倍福開放的 TwinCAT 平臺，數(shù)據(jù)采集、訓練和 ML 推理這一完整流程可以在客戶現(xiàn)場全自動實現(xiàn)。截止到 2020 年底，該質(zhì)量檢測設備已在最終客戶的多條生產(chǎn)線上測試運行了近 4 個月，期間沒有任何人為干預。最終客戶反饋：由于采用了倍福的開放式解決方案，可以在不修改現(xiàn)有主控制系統(tǒng)的情況下實現(xiàn)檢測系統(tǒng)；異常包裝可以得到及時、準確地識別，從而達到了降低客訴率的目的。