在中國任意規模的食品商店和超市中，幾乎都可以看到方便面的身影。國內一家大型方便面制造商為了減少帶有封包瑕疵的產品流入市場，降低客戶對包裝瑕疵的投訴率，決定使用包括 TwinCAT 機器學習產品在內的倍?？刂萍夹g，使其方便面外包裝質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)是一家專注工業自動化技術的系統集成商，與中國最大的快捷食品和飲品生產企業之一簽訂合同，為其提供最先進的包裝檢測系統。這家食品制造商擁有世界上產能最大的方便面生產線，每條生產線的平均產量可達每分鐘 500 包，年總產量高達 48 億包。

　　包裝并封口是方便面生產中的重要環節。對于袋裝方便面來說，其包裝袋內通常裝有面餅，以及若干裝有干調料、調味醬和脫水蔬菜等佐料的獨立小包裝袋。在包裝生產線上，這些獨立包裝的一袋袋小調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。

　　在生產的過程中，總會因為各種不可控的因素，出現小調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。而由此生產出來的瑕疵品會引起消費者投訴，讓生產廠家聲譽受損。

　　因此，生產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，方便面生產商使用了延遲時間非常短的全自動質量檢測設備。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量控制系統。

　　他們先研究了封包機的機械和電氣結構。據天津豐昱介紹，在這個過程中他們發現，由于倍福產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據。他們在封包機內安裝了幾個傳感器，并利用 TwinCAT Scope View 快速而方便地采集到第一批數據，以進行樣機分析。

　　通過隨后的數據分析發現：當切刀切中調味包時，在采集的數據中會觀測到一定的擾動。然而，經過實踐證明，使用傳統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據的影響，如震動、包裝材質的變化、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。

　　*天津豐昱項目經理蘆鵬與倍福工程師萬品雷、解少偉合影

　　機器學習在工業領域的應用

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

　　倍?？梢蕴峁└鞣N工具和開放接口，支持從數據采集和模型訓練，到將調整好的模型直接部署到控制系統中等整個工程周期：

　　數據采集：數據的數量和質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 模塊和軟件產品種類繁多，幾乎可以滿足采集任何種類數據的要求。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據存儲到工業 PC、本地或遠程數據庫或者云端。

　　模型訓練：通常需要先對采集到的數據進行預分析或預處理，以期找到這些原始數據與期望結果的關聯性，或加強關聯性。然后再選擇一個合適的機器學習算法，并設置超參數訓練模型。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(開放神經網絡交換格式文件)標準化數據交換格式的文件。ONNX 文件描述了訓練好的模型的運算和參數，然后可以轉化成二進制格式(BML)文件，更適合在 TwinCAT 中進行序列化(即加載執行)。

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

　　這次方便面生產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 數字量和模擬量輸入端子模塊結合 TwinCAT Scope View 采集傳感器數據。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。控制系統中的 TwinCAT Condition Monitoring可以預處理傳感器數據。然后再轉換成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 對實時采集的數據進行推理，再將推理結果經過 EL2xxx 系列 EtherCAT 輸出量端子模塊，實時剔除瑕疵品。

　　據天津豐昱介紹，倍?？刂萍夹g具備系統開放性優勢，可以非常輕松地與生產線上現有的第三方主控系統集成 。

　　開放式平臺助力縮短 ML 算法的開發周期

　　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，生產設備上記錄的數據被分成訓練和測試數據。先利用訓練數據來訓練 ML 模型。然后在訓練環境中使用測試數據，以測試訓練好的模型在未知數據上的表現如何。

　　在成功移植數據預處理算法和ML算法到TwinCAT 中后，就可以進行算法驗證。代碼在測試系統或實際使用的嵌入式控制器或工業 PC 上執行，驗證數據集通過 TwinCAT Database Server 功能流式傳輸給 TwinCAT 實時環境，以用作虛擬數據源。采用與現場傳感器相同的采樣頻率從數據庫中讀取數據，因此可以優化模擬最終客戶現場的應用場景。從生產設備采集到的新數據集在測試環境中可以用于挖掘各種應用場景。最后，利用測試數據調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行 ML 算法。

　　利用開放的 TwinCAT 平臺開發和驗證 ML 算法，有效地避免了在工業現場不必要的 ML 算法調試，從而顯著縮短了算法的開發周期。天津豐昱強調，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行，又保證了多個 PLC 任務之間可靠的數據交換。另一個優點是，這些功能只需要簡單的配置和調用現成的 PLC 功能塊來完成，開發成本低。在方便面生產項目中，通過采用兩個 PLC 任務和兩個處理器核，可靠實現了上述 ML 的兩步執行算法。

　　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據挖掘，可以更快、更有效地解決生產中遇到的問題，從而降低研發成本。天津豐昱方便面生產線的經驗證明，TwinCAT 機器學習在異常檢測方面優于傳統的工程方法。借助倍福開放的 TwinCAT 平臺，數據采集、訓練和 ML 推理這一完整流程可以在客戶現場全自動實現。截止到 2020 年底，該質量檢測設備已在最終客戶的多條生產線上測試運行了近 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，可以在不修改現有主控制系統的情況下實現檢測系統;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。

　　系統集成商天津豐昱指出，通過使用倍福的 CX51xx、EtherCAT I/O 和 TwinCAT 等產品，設備的使用變得更加簡單和靈活。盡管客戶的產線機械條件復雜，但在倍福工程師的大力支持下，每條新產線的調試和后期的維護都變得很輕松。此外，通過使用倍?；? PC 的開放式控制技術，幾乎可以不用考慮原有機器設備的品牌，幾乎可以在任何新舊機器上采集需要的數據，從而使用機器學習方法解決客戶質量檢測的問題。天津豐昱相信，在不遠的將來，會有越來越多的最終用戶受益倍福的機器學習功能。