湖北省西门子电源模块中国（西门子）授权总代理

图4为5G/TSN的时钟同步方案架构，对于通信而言，5G需要解决包括带宽、丢包率、抖动、时钟同步及精度等一系列问题。由ACIA组织来自移动通信、自动化领域、用户端的厂商共同推进5G的传输方案。移动网络的优势和缺点其实是一样的明显，这必须结合工业场景，在控制系统中集成5G，还有就是成本的经济性也是需要跨越的。

把5G集成到PLC上，还是说用一个盒子（交换机），将TSN有线和5G发射的集成在一起作为一个“桥”，可能更多的人还是愿意选择一个盒子，毕竟很多个PLC作为终端节点汇集到TSN/5G交换机，这样就一个车间一个5G节点，否则，每个PLC带一个5G通信口，这个成本还是有点高。

PLC与AI集成

显然，这是可以的，对于PLC来说，AI与PLC的集成。训练和推理是两件事情，训练的话仍然是需要较大的算力的，部署这个算法则并不需要较大的算力。

之前，个人认为AI需要大算力，在工业里缺乏经济性，记得几年前在家附近园区里散步，晚上总看到一个在做测试的移动台子，很感兴趣就和那个工程师聊，他说在做安防系统的夜间视觉测试，我心里想那些摄像头才200块钱怎么就这么智能呢？他告诉我这个训练是要大数据训练，但形成的判断模型则不需要较大的算力，普通摄像头就可以了。这个事情让我茅塞顿开…训练与推理自然是可以被分离的，当然，这需要离线升级算法包。

那么，对于PLC与AI结合的算力考虑就可以放在本地推理上的算力需求上。而在实际的自动化系统里，目前来说，就是视觉的数据量较大—那么AI的问题就简化为对视觉的处理。这个处理方案有两种，一种是基于PC的图像处理，那就把PC的算力用上进行信息处理。另一个就是直接在视觉上嵌入AI能力，硬件方式来处理数据，采用FPGA或专用的AI芯片—这里的问题就是视觉处理与自动化系统的集成问题。

在贝加莱的机器视觉中，即将推出的就是采用了26TOPS的AI处理器，内置深度学习模型，快速的处理信号，并可以将这个分析结果与自动化系统通过实时通信来实现同步。

PLC与边缘计算

边缘计算这个概念也慢慢的火起来了—我这里指的不是概念起来，而是现实应用的需求起来。

既然我们认为PLC已经可以做算法，又有大的数据处理能力—那作为一个嵌入式边缘节点也是可以的。还有就是如果PC+PLC被集成在一起，那作为一个边缘节点也可以。如果一个PC服务器作为边缘计算节点，那它也需要与现场任务进行交互，采集数据并下发指令。

AIPLC、云PLC、虚拟PLC都是为了能够将AI的计算任务与控制的实时任务结合。由于AI、云PLC设计思想都是在边缘侧，通常边缘计算主要处理全局性的协作类、优化、调度、策略性任务—以PLC、SoftPLC、云PLC、虚拟PLC作为一个边缘计算的实现方案，这也并非不可以。

PLCZui新技术趋势有哪些？

PLC本身来自于需求的演变和横向技术的融合—这也是系统创新的两个抓手。要了解技术的趋势，其实，关注市场的需求、横向科技的发展则更为关键。

从需求侧来说，未来控制器更为强调开放性，这个在过去的数十年均是如此—它主要源于整个制造的集成度更高的发展需求。必须打破纵向边界，让PLC融入到数字化的系统中，PLC是一个非常关键的数据节点，它作为机器控制的中心，但也是一个数字化系统架构的数据节点。

1.通信增强数字化融合能力

PLC本身的通信能力集成，使得分布式架构更为通畅，OPC UAFX扮演了这个重要的角色，无论PLC的控制部分被部署在嵌入式对象上，还是PC、云端、虚拟架构下，那么，它对于通信的能力就会增强。OPCUA FX就解决同声翻译的问题，FX包括TSN/5G/WIFI-6它解决的是“同声”，而OPCUA则解决语义互操作中的“同语言”的问题。