FDE Times 数据在招 FDE 职位 882▼2 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 52在招公司 185支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 98
ENVI

前线部署工程师(FDE)的专业媒体

工具

今晚就能在笔记本上跑起来的工厂 SCADA 系统

Ignition 试用版功能完整,只是每两小时要重置一次,FDE 可借它在首次会议前摸清工厂。

分享微博

要点速览

  • Ignition 基于 SQL、Python、OPC UA 和 MQTT 构建,软件工程师会觉得其中很多内容并不陌生。
  • 试用版功能完整,唯一的限制是 Gateway 运行两小时后停止,点击 Reset Trial 即可继续运行。
  • Ignition 按服务器授权,点位和用户数量不限。需求调研时,要问客户运行了多少台服务器、买了哪些模块。
从左到右的数据流图:设备经 OPC UA 或 MQTT 到 Ignition Gateway,再到 SQL,然后是 Python 模型(橙色底,标注“AI 部分是你的工作”),最后是供操作员查看的 Vision 画面。
在运行 Ignition 的工厂引入异常检测模型时,数据流转路径的草图。每个环节都是可以带进调研会议的一个问题。

要了解一座工厂、再把 AI 引入其中,不必等到拿到控制室的权限。Inductive Automation 允许任何人下载 Ignition。这款服务器软件被该公司称为面向企业集成和工业应用的“无限”平台。

试用版功能完整。据该公司介绍,唯一的限制是 Gateway 运行两小时后会停止。

Ignition 并不新。Steve Hechtman 于 2003 年在加利福尼亚州 Folsom 创立 Inductive Automation,Ignition 于 2010 年 1 月发布,取代了 FactorySQL 和 FactoryPMI 两款老产品。即便如此,也不要靠猜。尽早问客户:工厂用的是哪套 SCADA 系统?

如果答案是 Ignition,你就有了前线部署工程师(FDE)难得的优势。大多数工业系统都在工厂大门之内,这套系统却今晚就能在你的笔记本上跑起来。越早上手,到现场的头几天就越少花在学术语上。

为什么软件工程师觉得 Ignition 容易上手

按该公司的说法,Ignition 基于 SQL、Python、OPC UA 和 MQTT 等开放技术构建。前两项你每天都在用。后两项是设备侧的连接协议,而 AI 项目恰恰要从这里取数据。

据官方文档,Vision 模块负责工厂现场的画面和人机界面(HMI),通过 OPC 连接设备。

Vision 只是众多模块之一,因为 Ignition 的设计是:装了哪些模块,就有哪些功能。阅读客户的架构时,不要问“Ignition 能做什么?”,而要问“这座工厂装了哪些模块?”

数据怎样流到你的模型?

假设客户想检测包装线上电机的异常。

下面是一份规划草图,并非任何真实工厂的配置。信号从设备出发,经 OPC UA 或 MQTT 到达 Ignition Gateway。随后数据需要写入 SQL 数据库,供你的 Python 模型读取,结果再返回 Vision 画面,供操作员查看。

这份草图的用处在于,每个环节都对应一个调研问题。设备用什么协议?哪个 Gateway 接收这条产线的数据?数据已经写入 SQL 了,还是需要你提出方案?谁来看显示结果的画面?

如果你亲手配置过 Gateway,第一次会议就能用来问这些问题;如果没有,你只能用它来问 Gateway、Designer、tag 和 module 分别是什么意思。

笔记本上的两小时窗口

最低配置要求不高:双核 CPU、4 GB 内存、10 GB 磁盘。Ignition 支持 Windows、macOS 13 及以上版本和 Linux(该公司在 Ubuntu 上做过测试)。下载页面显示的当前版本为 8.3.10。

安装后,在浏览器里完成 Gateway 的初始配置。默认 HTTP 端口为 8088,HTTPS 端口为 8043,所以只需打开 localhost:8088。

没有授权时,Gateway 每次运行两小时。时间到了,点击 Gateway 页面顶部的 Reset Trial,就能再用两小时。因此要把工作拆成若干段,每段都有明确的停止点:第一段用于初始配置和记笔记,下一段打开 Designer、熟悉 Vision 画面。

第一个练习:一张表,一台电机

这个练习针对草图的中段,即从 SQL 到模型。创建一张表 motor_readings,包含四列:ts、motor_id、current_a 和 temp_c。然后为一台电机写入合成数据,比如每秒一行、共一小时,即 3,600 行,并刻意埋入几次温度尖峰。

接着写一个 Python 脚本读取这张表,标记 temp_c 超过自定阈值的行。假设你埋了 30 行异常数据,脚本只抓到 20 行。这样你就有了一个具体的数字可以讨论,也有了一个可以带给客户的真问题:电机的实际阈值由谁来定?

熟悉 Gateway 之后,下一步是让数据经过 Ignition 流转,而不是直接写进表里,再把告警标记显示在 Vision 画面上。到那时,你已经在自己的机器上把草图的整个闭环走了一遍。

自学时的三个常见错误

第一是端口冲突。如果机器上已有其他服务占用了 8088 或 8043 端口,你可能前半小时都在排查问题,所以安装前先检查。

第二是让两小时的时限把某个步骤拦腰截断。给自己设一个稍早一点的计时器,先保存工作,再点击 Reset Trial。第三是拿 Maker Edition 给客户做演示。它是功能受限的免费版本,只能用于个人的非商业项目。

授权方式决定原型能扩展多远

Ignition 按服务器授权,点位和用户数量不限。每台服务器还包含不限数量的并发 Designer,不额外收费。对 AI 原型来说,增加数据点或查看者不会抬高授权成本,增加服务器则会。

所以在规划从一条产线扩展到全厂时,首先要问的是还需要多少 Gateway 和模块,而不是还需要多少点位。在调研阶段问清楚,就不会拿出一份技术上很漂亮、却卡在运营部门预算上的方案。

应该说清楚的局限

试用版适合学习和短时演示,不适合需要连续运行的系统。不要把该公司口号里的“无限”理解为对 AI 的承诺。该公司描述的是平台、协议、模块和授权方式。AI 是你的工作;Ignition 是数据进来、结果呈现的地方。

学什么,按什么顺序学

先从已有的技能开始:SQL 和 Python。然后把 OPC UA 和 MQTT 学到足以画出从设备到 Gateway 的数据路径。之后配置一个 Gateway,打开 Designer,搭一个简单的 Vision 画面。

如果你的目标是在做制造业 AI 的公司担任 FDE,这就是面试前值得练习的技能组合。简历上不要只写“了解 Ignition”,而要写一行具体内容,介绍你在 Maker Edition 上做的个人项目:接入了哪个数据源,显示了什么,排查了什么问题。

在工厂现场,操作员信任那些懂他们日常所用系统语言的人。在第一个两小时窗口里,你就可以开始学这门语言。

这篇文章对你有帮助吗?

6 个信源
路线图上的下一篇 · 阶段 5: 部署上线发现数据漂移,先选对模型表现良好的那个月Evidently 拿参考数据集比对生产数据,基线一偏,告警全偏;你离场后,工具归客户团队接手。