O-PAS для коботов: как управлять модульной мастерской без привязки к вендору

• Кобот Universal Robots (UR) — управляется на PolyScope
  
• Система видения для контроля качества — отдельный Linux-узел с OpenCV
  
• Захват (OnRobot) с электроникой — собственное API
  
• Конвейер — управляется Siemens S7-1200 на ST (Structured Text)
  
• OPC UA middleware — свой слой абстракции

• Специалист по UR для программирования траекторий
  
• Специалист по Python/OpenCV для видения
  
• Специалист по Siemens PLC для логики
  
• Интегратор для связи всего кучей

• Изменить программу UR: 30 мин
  
• Обновить параметры в S7: 20 мин
  
• Переделать видение (новая модель, новые параметры): 20 мин
  
• Интеграционное тестирование: 30 мин
  
• Итого: ~2 часа

• S7 ПЛК каждые 100 мс опрашивает датчик дальности (“детель прибыла?”)
  
• Кобот каждые 50 мс опрашивает S7 (“есть команда?”)
  
• Их нужно синхронизировать, иначе пропустишь событие или будет jitter

• Датчик срабатывает → сразу отправляет событие
  
• функциональный блок получает событие → тут же отправляет команду роботу
  
• Уменьшенный jitter, реактивная логика

class PickAndPlaceLogic(fb.FunctionBlock):
    """Логика захвата детали с видением"""
    def on_part_detected_event(self, detection_result):
        # Видение обнаружило деталь с координатами
        part_coords = detection_result.coordinates
        part_orientation = detection_result.rotation
        # Отправляем команду роботу через OPC UA
        self.robot_client.move_to_and_grasp(
            position=part_coords,
            orientation=part_orientation,
            force=5  # ньютоны
        )
        # Публикуем событие для следующего блока
        self.output("part_grasped")
class QualityInspectionLogic(fb.FunctionBlock):
    """Контроль качества после обработки"""
    def on_processing_complete(self, result_image):
        # ML-модель проверяет качество
        quality_score = self.quality_model.predict(result_image)
        if quality_score > self.threshold:
            self.output("part_ok")
        else:
            self.output("part_defect")
            self.publish_metrics({
                "defect_type": self.classifier.classify(result_image),
                "timestamp": time.time()
            })

• Может размещаться на отдельной подходящей машине (Raspberry Pi для машинного зрения, ПромПК или Edge сервер для ML, контроллер кобота с полевой шиной)
  
• Общение через стандартные протоколы (OPC UA, MQTT)
  
• Не зависит от конкретного производителя оборудования
  
• Может включать Python код, ML-модели, обработку образов — всё в одном проекте

• 3–5 разных типов плат в день
  
• Переналадка между типами 5–10 раз в день
  
• Требуется 98%+ качество (контроль дефектов)
  
• Кобот + CV для контроля

┌─────────────────┐
│ UR коbot        │  PolyScope программирование
│ PolyScope 5     │  (по 30 мин на переналадку)
└─────────────────┘
        ↑↓
┌─────────────────┐
│ Siemens S7      │  TIA Portal программирование
│ S7-1200         │  (по 20 мин)
└─────────────────┘
        ↑↓
┌─────────────────┐
│ Видение (Linux) │  Python код переделать
│ Basler camera   │  (по 20 мин + тестирование)
└─────────────────┘
        ↑↓
   OPC UA binding
   (20 мин отладки)
ИТОГО ПЕРЕНАЛАДКА: ~90 мин

┌─────────────────────────────────┐
│  O-PAS                 │
│  (единый проект 61499)          │
│                                 │
│  • Robot блок (OPC UA)          │
│  • Vision блок (Python + ML)    │
│  • Logic блок (IEC 61499)       │
│  • Quality блок (ML inference)  │
└─────────────────────────────────┘
        ↓ YAML конфиг ↓
Product_A.yaml → новые параметры
Product_B.yaml → новые параметры
ИТОГО ПЕРЕНАЛАДКА: ~3–5 мин

• Открытые интерфейсы — все компоненты говорят на стандартных протоколах (OPC UA, MQTT)
  
• Независимость от производителя — кобот от UR, машинное зрение от Basler, захват от OnRobot работают вместе
  
• Модульность — каждый компонент можно заменить на аналог без переделки логики
  
• Предсказуемость — функциональные блоки следуют стандартному интерфейсу IEC 61499

• Завтра вы захотите заменить кобота с UR на KUKA или Stäubli
  • Без OpenFB: переделывать всю логику
    
  • С OpenFB: просто новая OPC UA модель, остальное работает
• Через год появится новая ML-модель для контроля качества
  • Без OpenFB: перепрограммировать контроллер машинного зрения, тестировать
    
  • С OpenFB: скопировать новый .onnx файл, перезагрузить
• Нужно добавить ещё одну линию с похожей конфигурацией
  • Без OpenFB: лицензировать новый ПЛК, новую систему CV, интегрировать
    
  • С OpenFB: скопировать YAML, развернуть на новом узле (тот же Linux, Raspberry Pi или контроллер)

┌──────────────────────────────────────────────────────┐
│            OpenFB Runtime (Orchestration)             │
│  Python + IEC 61499 (работает на Linux/Raspberry Pi) │
│                                                      │
│  ┌────────────────┐  ┌──────────────┐  ┌──────────┐ │
│  │ Robot          │  │ Vision Block │  │ Quality  │ │
│  │ Management     │  │ (TensorFlow) │  │ Block    │ │
│  │ Block          │  │              │  │ (ML)     │ │
│  │ (OPC UA)       │  │ (GPU узел)   │  │          │ │
│  └────────────────┘  └──────────────┘  └──────────┘ │
│         │                   │                │       │
│    EVENTS+DATA          MQTT PUB         OPC UA     │
└──────────────────────────────────────────────────────┘
        │                   │                │
        ↓                   ↓                ↓
    ┌─────────┐      ┌──────────┐    ┌────────────┐
    │UR Cobot │      │Raspberry │    │ Database/  │
    │         │      │ Pi 5 GPU  │    │ Analytics  │
    │Polyscope│      │          │    │            │
    └─────────┘      └──────────┘    └────────────┘

• Обновлён
  
• Масштабирован (добавить GPU)
  
• Заменён
  
• Отлажен

class VisionDetectionBlock(fb.FunctionBlock):
    def __init__(self, config):
        self.model = load_model(config['model_path'])
        self.threshold = config['quality_threshold']
        self.mqtt_client = mqtt.Client()
    def process_image(self, image_bytes):
        image = cv2.imdecode(image_bytes, cv2.IMREAD_COLOR)
        detections = self.model.predict(image)
        for detection in detections:
            if detection.confidence > self.threshold:
                self.mqtt_publish("detection_found", {
                    'position': detection.bbox,
                    'confidence': detection.confidence
                })

vision:
  model_path: models/pcba_detector_v2.onnx
  quality_threshold: 0.95
robot:
  speed: 0.8
  force: 5.0

vision:
  model_path: models/pcba_detector_v3.onnx
  quality_threshold: 0.98
robot:
  speed: 0.5  # медленнее для сложных деталей
  force: 3.0  # мягче захват

• Q1 2026: Расширение библиотеки стандартных блоков (PID, логика, обработка данных)
  
• Q2 2026: O-PAS Connectivity Framework (OCF) интеграция в runtime
  
• Q3 2026: Графические редакторы для визуального программирования (drag-and-drop)
  
• Q4 2026: Сертификация OPAF (Open Process Automation Forum)
  
• 2027: Многопроцессорность и асинхронное выполнение

• вы сможете программировать визуально, без кода
  
• блоки от OpenFB будут работать на других O-PAS платформах
  
• исчезнет вендор-лок

• Гибкого производства (HMLV, частые переналадки)
  
• Новых кобот-линий
  
• Интеграции разнородного оборудования
  
• Систем с ML/AI компонентами
  
• Когда вы хотите избежать вендор-лока
  
• Когда время на интеграцию и поддержку критично

• Real-time и детерминизм: в OpenFB их нет (не подходит для safety-критичных систем, требующих SIL3), однако в комбинации с другими узлами, исполняющими RealTime Runtime 61499 критичные циклограммы сосуществуют с функциональными блоками на Python в едином проекте
  
• Community O-PAS еще не сформировано, это далеко не Siemens
  
• Требует Python знаний от интегратора (хотя Python это плюс для IT-шника)
  
• Производительность ниже, чем C++ или ST (хотя для HMLV это некритично)

Siemens S7-1200 ←→ OpenFB Runtime ←→ Новая кобот-линия
(старые конвейеры)  (через OPC UA)  (Product A/B переналадки)

• Единая платформа (IEC 61499 + Python) вместо разбросанных модулей PolyScope + ST + Python
  
• Событийно-ориентированная архитектура вместо циклических опросов
  
• Распределённые блоки вместо монолитного ПЛК
  
• Открытость (open-source, стандарты) вместо вендор-локина
  
• Быстрая переналадка (минуты вместо часов)

• GitHub: https://github.com/rtsoft-sdc/openFB
  
• Blog: https://outsource.rtsoft.ru/blog/openfb
  
• O-PAS стандарт: https://publications.opengroup.org/standards/opa

• IEC 61499 стандарт
  
• OPC UA протокол (O-PAS Connectivity Framework (OCF))
  
• PLCOPen + O-PAS архитектура в промышленной автоматизации: https://www.plcopen.org/news/new-plcopen-workgroup-on-opa-s-function-blocks/