让人头疼的数据
AI开发的瓶颈中，数据通常最让人头疼，而PLC的数据更是如此。术业有专攻，即便是经验丰富的AI工程师在面对PLC进行开发时，也会受到各式各样的瓶颈所制约：
- 数据读取不正确：PLC的数据依据变量类型不同，所占用的“位”不同，布尔型的1位足矣，而数值型的可能需要8位，也可能需要更多。因此，这些偏向于底层，诸如使用的位数、高低位、补位等问题，会在开发过程中会产生风险。例如如果一个变量将8位完全用满，但并非希望表达一个int8的数值，而是表达8个布尔型。这些对于PC的应用开发者而言无疑是一道超纲题。
- 数据读取延迟高：以稳定著称的PLC具备至少毫秒级的循环周期，如果PLC的数据同步有500ms的延迟，而PLC的循环是5ms，那么每两次读取的数据之间就会遗漏掉99次的循环。因此，高延迟意味着数据风险的陡增。这样的暗坑，可能会带来难以预期的影响；
- 学习成本高：对PLC的数据开发与应用，和PC上软件的开发和应用差异显著。因此，要基于PC进行基于PLC数据的AI算法开发和应用（例如基于PLC上数据进行训练的AI算法来辅助人工操作进而降本增效），既需要有PLC的知识，也要求有AI领域熟练的开发经验。然而这样的通才很少见，进而在开发时，就需要大量额外的学习成本和重复造轮子的时间。
- 依赖成本高：因为历史原因，PLC的数据采集往往依赖于windows和一些windows上的库，这就导致了开发和应用过程中，windows服务器或工作站难以避免。如果说昂贵的windows授权成本和工作站的采购成本可以接受，那么windows与AI开发者所熟悉与乐于使用的linux/macOS系统则难以调和。
- 颠覆开发习惯：对于习惯基于PC进行开发的工程师而言，在“内存”中定义变量、读写变量、定义变量的逻辑与循环是符合习惯的流程。而PLC则需要先从寄存器的物理位置上调用、解析，且寄存器地址是给定且不能情已修改的。这个过程对于习惯于PC开发逻辑的工程师者而言，自然要颠覆以往的开发习惯。
因此，很多场景下，AI开发者需要通过从控制系统中手工拷贝数据集，或者异步访问到数据库（很可能数据库本身也是异步的）来下载数据进行训练与开发。这种开发效率怎么可能提高呢？
解决之道——解耦，在擅长的领域中处理
术业有专攻，AI工程师使用最熟悉的环境和工具进行开发，部署在最熟悉的IT系统中。与此同时，控制系统中的程序不需要调整，也不需要由专门的上位机（工作站）来获取、应用PLC的数据，让控制系统与IT系统彼此解耦，各自做最擅长的事情，既保证弹性可扩充，也节省成本。
有什么收获？
通过解耦，对基于PLC数据开发AI有什么帮助？
对于AI开发者而言，无论是训练模型的调用还是基于模型的应用，所输入的数据均是开发者最熟悉的方式。而模型的部署也可以在其最佳的环境中部署，不必囿于操作系统的限制。
对于控制系统的工程师而言，维护好控制系统的正常作业，不必修改控制系统的程序，不变更控制系统中的组织架构。毕竟稳定是控制系统的第一要务。
对于系统的拥有者即老板而言，节省的成本意味着收益的提升，那我们来看一下如此解耦，在基于PLC数据开发AI应用中哪些地方可以降低成本：
（1）昂贵且作用有限的工作站；
（2）昂贵的windows授权或无授权带来的风险；
（3）AI开发者学习PLC通讯方法的时间成本；
（4）寻找既懂PLC又懂AI开发的通才所消耗的成本；
PLC作为控制系统的核心设备，所创造的数据与其被白白浪费，不如将这些数据转化成价值，AI应用或许是价值落地的一个重要方向。然而，AI应用往往在初期很难将结果量化预期，那么突破瓶颈，用低成本的方式开发，是一个合理的方式。而在这种方式中，解耦开发，降低成本，让专业的人做专业的事。
通过EDA工具，桥接控制系统与IT系统，让AI开发在最熟悉的环境中，用最擅长的工具来开展，迅速建立最小可执行方案，循序渐进的降本增效。
