自动配置以实现经济高效的数字解决方案

《COMPUTERS IN INDUSTRY》：Automated configuration for cost-effective digital solutions

中小制造企业数字解决方案开发存在技能与成本瓶颈，本文提出基于Shoestring参考架构的自动配置平台（ASC），通过模块化硬件/软件组件（Building Blocks, BBs）与服务模块（Service Modules, SMs）实现低代码定制。实验表明，ASC可被不同技能水平用户快速部署，生成的解决方案虽代码量多于专家手动编写，但功能可靠。工业案例涵盖设备状态监控、复合材料质量检测和温度监测，验证了其跨场景适用性，且70%的BBs可复用。未来可结合生成式AI优化需求分析与BB库扩展。

　　制造领域的中小企业（SMEs）在采用数字技术方面面临诸多挑战，尽管这些技术有潜力改变运营模式、降低成本并提升生产效率。本文提出了一种自动化配置方法，旨在减少数字解决方案的开发成本，并使SMEs能够在不依赖高级编程技能的情况下创建和定制数字解决方案。该方法基于一种特定的参考架构——“Shoestring”方法，该架构通过模块化设计，将解决方案分解为多个关键功能模块（Service Modules，简称SMs），而这些模块又由低成本技术元素（Building Blocks，简称BBs）组成。通过这一架构，可以系统地规划、定制和自动产生低成本的数字解决方案。

### 研究背景与挑战

在制造业中，许多SMEs缺乏必要的数字和编程技能，使得它们难以自行开发和部署数字解决方案。这种技能差距使得中小企业在数字化转型过程中处于不利地位，因为它们通常无法与大型企业竞争以获取专业人才。此外，即使某些企业尝试采用数字技术，高昂的初始成本和复杂的技术集成也成为了阻碍。因此，研究的重点是如何利用低成本且易用的技术，使得中小企业能够更便捷地实现数字化。

为了应对这些挑战，过去几年出现了一些低代码开发平台，例如Node-RED、Wix等，它们通过图形化界面帮助用户创建和定制软件解决方案。然而，这些平台通常仅限于特定功能的开发，如脚本生成、UI设计或系统间通信，而无法支持完整的数字解决方案构建。同时，许多现有的框架和参考架构虽然适用于特定的工业场景，但缺乏对低成本数字解决方案的系统支持。例如，某些框架过于抽象，难以直接应用于具体问题；而另一些则局限于特定硬件或软件环境，限制了其通用性。

因此，本文提出了一种基于“Shoestring”方法的自动化配置平台——Automated Solution Configurator（ASC），旨在解决上述问题。该平台不仅支持用户通过图形化界面进行方案设计，还能够自动生成可执行代码，并提供相应的硬件配置建议。这一方法在多个工业案例中得到了验证，展示了其在降低开发成本、提高可操作性和支持广泛应用方面的潜力。

### 自动化配置方法的设计与实现

ASC平台的设计围绕着“Shoestring”方法展开，该方法是一种系统性的低成本数字解决方案设计框架。其核心思想是将解决方案分解为多个功能模块，每个模块由一组“Building Blocks”组成，这些模块封装了基本功能，并提供了标准化的接口。例如，硬件BB可能包括摄像头、传感器和显示器等低成本设备，而软件BB则涉及数据处理、用户界面构建和系统通信等关键功能。

在ASC的设计过程中，采用了分层架构，包括以下四个关键组件：

1. **图形界面**：提供了一个直观的环境，用户可以在其中通过拖拽和配置BB来设计数字解决方案。这一设计使得用户无需深入了解底层代码即可完成方案的构建。
2. **Building Blocks库**：该库包含了多种预定义的硬件和软件模块，每个模块都包含相应的代码片段，以支持最终解决方案的执行。这些BB既可以用于构建新的解决方案，也可以在不同项目之间复用。
3. **解决方案框架**：该框架负责将用户设计的BB和SM组合成一个可运行的系统架构。它不仅定义了各个组件之间的连接方式，还提供了通信协议和数据处理机制，以确保解决方案在工业环境中的稳定性和可靠性。
4. **解决方案生成引擎**：根据用户在图形界面中选择的组件，该引擎自动生成可执行代码，并输出相关配置信息，如硬件清单和部署指南。这使得用户能够快速将解决方案部署到实际生产环境中。

### 工业案例研究与用户测试

为了验证ASC平台的有效性，研究团队进行了三组工业案例研究，分别涉及不同的制造场景。这些案例包括：

- **案例1**：一家企业希望远程监控和记录其控制面板上的过程数据。传统面板无法存储数据，因此需要一个低成本的解决方案。ASC平台帮助用户构建了一个图像处理系统，利用摄像头和图像分析模块来读取和记录数据。
- **案例2**：另一家企业专注于复合材料的生产，需要监测生产过程中纤维的排列角度，以确保产品质量。ASC平台支持用户选择不同的传感器和分析模块，并自动构建相应的解决方案。
- **案例3**：第三家企业需要监测其产品制造过程中蜡的温度，以防止因温度变化导致的缺陷。ASC平台帮助用户配置了温度传感器和数据存储模块，使得整个监测系统能够稳定运行。

在这些案例中，用户使用ASC平台进行了方案设计、代码生成和部署。结果显示，即使是缺乏编程经验的用户，也能在较短时间内完成解决方案的构建和部署。ASC平台通过图形化界面和模块化设计，降低了用户的操作门槛，使得非技术背景的员工也能参与数字解决方案的开发。

此外，研究团队还进行了用户研究，邀请了七名来自不同背景的参与者，测试ASC平台的可用性和用户友好性。参与者被分为三组，分别代表不同的技能水平：一组是经验丰富的软件工程师，另一组是教学和工程领域的技术人员，第三组则是对技术了解较少的初学者。所有参与者都能够在规定时间内完成两个主要任务：构建基本的监控系统，并扩展其功能以支持更多的传感器和数据处理模块。

用户反馈表明，ASC平台的图形化界面和模块化设计显著提高了其易用性。参与者普遍认为，平台的使用过程简单明了，且能够提供清晰的指导。然而，部分用户也提出了一些改进建议，例如增加更多的帮助功能和详细的技术说明，以进一步降低使用门槛。

### 自动化配置与解决方案生成

ASC平台的一个重要特点是其自动化配置能力。通过将用户的需求转化为具体的BB和SM组合，平台能够自动生成解决方案的代码，并确保其在工业环境中的可靠性。与专家手动开发的解决方案相比，ASC生成的代码虽然更长，但依然能够有效运行。这表明，尽管ASC在代码结构上更加复杂，但其生成的解决方案在功能实现上是可靠的。

在解决方案生成过程中，ASC平台不仅支持代码的自动生成，还允许用户在不修改底层代码的情况下，对解决方案进行定制和调整。例如，如果企业需要增加新的传感器或修改现有模块的配置，ASC能够快速生成相应的代码，并提供硬件配置建议。这种灵活性使得平台能够适应不同的生产需求，同时减少重复开发的工作量。

此外，研究还探讨了ASC在解决方案扩展和重新配置方面的表现。通过比较ASC生成的代码与专家开发的代码，发现ASC生成的代码虽然更长，但其结构更加清晰，有助于后期的维护和扩展。例如，在温度监测案例中，ASC生成的解决方案包括更多的系统组件和连接方式，但这些增加并未显著影响其运行性能。

### 平台的局限性与未来方向

尽管ASC平台在多个方面展现出优势，但研究也指出了其局限性。首先，平台目前主要依赖于“Shoestring”方法的架构，这意味着用户需要对这一框架有一定的了解才能有效使用。其次，虽然平台支持多种功能模块，但其对复杂系统（如MES或ERP）的支持仍存在不足，因为这些系统通常需要更复杂的逻辑和更多的连接方式，而ASC目前的模块化设计难以满足这些需求。

此外，用户研究的样本量较小，仅包括七名参与者，这可能限制了研究结果的普遍适用性。未来的研究应扩大用户群体，并测试更多不同类型的任务，以进一步验证ASC的适用范围。同时，平台还需要支持更多的硬件设备，例如Raspberry Pi Pico、ASUS Tinker和ArmSoM等，以提高其灵活性和兼容性。

另一个潜在的改进方向是利用生成式人工智能（如大型语言模型）来增强ASC的功能。例如，LLMs可以用于自动提取用户需求，并将其转化为具体的BB和SM配置。这不仅能够减少专家的参与，还能加速解决方案的开发过程。此外，LLMs还可以帮助生成新的BB，使得非技术背景的用户也能参与到解决方案的设计中。

### 结论

本文提出了一种基于“Shoestring”方法的自动化配置平台——ASC，旨在帮助制造领域的中小企业以较低的成本创建和定制数字解决方案。通过模块化设计和图形化界面，ASC降低了用户对编程技能的依赖，并提供了可靠的解决方案生成机制。工业案例研究和用户测试表明，ASC平台能够被不同技能水平的用户有效使用，并且在多个实际应用中表现出良好的性能。

尽管ASC平台在多个方面展现出优势，但其目前仍有一些局限性，例如对复杂系统的支持不足、对用户技能的依赖以及硬件兼容性的限制。未来的研究应针对这些问题进行改进，例如扩展平台的适用范围、增加更多的帮助功能，并探索如何结合生成式AI技术来进一步优化解决方案的生成和定制过程。此外，平台的推广和应用也需要更多的实际测试，以确保其在不同制造场景中的有效性。随着技术的不断发展，ASC有望成为制造领域中小企业数字化转型的重要工具，推动更多低成本、高效能的数字解决方案的开发与应用。