概要
当我们开始讨论在工业自动化应用中使用哪种编程语言时，通常我们会首先谈论IEC 61131-3标准中用于可编程逻辑控制器（PLC）的语言，比如经典的梯形图（LD）或结构化文本（ST）。对于机器人等应用，我们经常看到低级编译语言，比如C语言。
这几年有不少人讨论在工厂生产线上使用Python。是什么让Python这种解释型的高级语言突然变得吸引人？Python代码运行速度通常比更接近机器代码的编译语言慢，而且它显然无法胜任实时控制的任务，这是开发工业系统时的一个主要问题。
然而，现在我们看到了一系列因素的影响，使Python在工业应用领域备受关注。首先，工业4.0正在改变我们对工业自动化的看法，特别是它强调了“智能”制造的重要性，其具有更高的自主性、丰富的大数据，并与增材制造、云计算等下一代技术全面集成。
工业4.0的另一个影响是工业物联网（IIoT），它连接了本地网络上的工业机械，用于实时机器对机器（M2M）通信，并提供持续的传感器数据流以供分析使用。因此，我们正在见证信息技术（IT）和运营技术（OT）之间的融合，打破了长期以来分隔信息技术专业人员与运营技术专业人员的隔离。毕竟，IIoT设备需要使用信息技术来优化其运作。
这里Python就有了用武之地。当我们考虑世界上最流行的编程语言的优势时，我们可以看到Python在IIoT方面具有明显的优势。
首先，Python分析和处理大数据集能力强大。其次，Python可读性强，可以让团队成员更好地协作编写或维护代码。最后，Python是开源的，拥有强大的开发社区，很多应用都选择Python作为开发和维护语言，比如Tensorflow、Pytorch等。
机器学习
毫无疑问，Python影响最大的领域是机器学习（ML），这是人工智能（AI）的一个分支，其中算法从数据中学习，而不需要任何人工编写规则。常见的工业应用包括预测性维护和自动化机器人。
如今大多数的ML都是用Python编写的，诸如PyTorch和Google的开源TensorFlow等框架使用Python，亚马逊的云AI服务AWS SageMaker带有内置的Python软件开发工具包（SDK）。简而言之，Python是最适合这项工作的工具。
以下是常见的工业ML场景。机器和传感器数据被发送到云端，我们可以利用高性能资源来训练ML模型。一旦我们有了一个训练有素的模型，例如可以分析机器何时可能会出现故障的模型，然后我们可以将该模型返回到工厂生产线上。
通过在生产设备中嵌入GPU进行边缘计算，或者利用本地IIoT网关的资源进行雾计算，我们可以在现场使用我们训练有素的模型。
我们观察下自动化机器人，Python代码将解释高级目标，然后由与硬件直接交互的低级编译代码解释成动作。一个简单的类比是移动你的手臂：你的大脑设定高级意图，而低级的神经系统移动你的肌肉。
随着我们进一步深入工业4.0并找到更多用于AI的创新用途，预计Python工程技能将成为越来越重要的资产。
计算机视觉
要让机器手臂捡起东西，首先需要知道它在看什么。这就是计算机视觉（CV）的作用，它是一种使机器能够使用摄像头作为眼睛并且更关键的是能够识别它们看到的物体的人工智能领域。仅仅考虑到Python在ML中的重要作用，就不难看出Python对CV非常有用。
最初由英特尔在90年代末开发，OpenCV现在是开源CV开发的最佳选择之一。尽管库仍然是用C++编写的，但Python包装器opencv-python对于像深度学习的CV应用非常有用，因为它保留了原始C++代码的速度，同时仍然具备Python的优点。
此外，由于opencv-python创建NumPy数组作为输出，因此我们可以立即将数据转移到其他Python工具，比如SciPy、Matplotlib或其它ML工具。其结果是，一台机器可以看到的不仅仅是像素，它可以区分产品，执行质量保证检查，并以复杂的细节处理其环境。
搭建系统间通信连接的桥梁
当机器制造商创造产品时，他们通常不会将与人机界面（HMI）之外的通信的能力置于首位。再加上许多机器运行专有代码，这些代码非常接近硬件，IT方面的IT/OT融合变得更加困难。如果这些机器不能说相同的语言，我们如何使它们彼此通信？
嗯，我们需要一个翻译器——Python正好能够胜任这项任务。像OpenMTC这样的程序充当M2M和物联网应用程序的中间件或“软件胶水”。例如，如果我们将这个中间件放在像树莓派这样的设备上，然后Python脚本从一个来源获取数据，进行转换，并以另一台机器能够读取的格式发送到不同的机器。
一个简单的示例是任何对温度敏感的制造过程。虽然机械可能无法自行调整温度，但它的温度计可以进行读数，如果温度越过某个阈值，那么它会通知中间件，然后中间件可以告诉加热器降低恒温器的温度。
我们可以将这个逻辑应用于依赖于另一台机器输出的任何机器。此外，我们不仅可以使用这种方法来集成当前的机器以提高性能，还可以打开通往新可能性的大门。
其中一个领域是无人驾驶汽车，通过与道路上的其他车辆通信，它们将优化交通模式，缩短通勤时间，减少事故发生率。可以预料的是，Python将是这个互联未来的关键模块。
总结
虽然我们最终可能不会使用Python来控制机器硬件或直接与制造设备进行接口，但这并不意味着Python没有工业应用。
当我们从大局角度看工业4.0时，我们发现数据是其关键特征。我们正在直接将数字世界叠加到物理世界上。这就是为什么我们需要Python的原因：为了弥合它们之间的差距，处理我们正在生成的前所未有的大量数据，并支持宏观控制。
