2026-05-24
"工业智能工程路线"
"这条路最终不是“会 PLC”或“会 AI”，而是能把真实设备、数据、仿真、调度算法和安全兜底连接成工业多设备协同系统。"
从 PLC 到通信、仿真、多智能体与 MARL
供大学生阅读 | 经验分类总结
> 文档编号：03
这条路最终不是“会 PLC”或“会 AI”，而是能把真实设备、数据、仿真、调度算法和安全兜底连接成工业多设备协同系统。
一、最终对象是什么
这条路线最终服务的是工业现场里的“多设备协同系统”：多部电梯、多辆 AGV、多台机床、多条产线、多种能源设备，在多任务、多状态、多约束下如何协同。
| 场景 | 实际问题 |
|---|---|
| 电梯群控 | 多部电梯如何分配楼层请求，降低等待时间和空跑。 |
| AGV 仓储 | 多辆小车如何接任务、避拥堵、故障转移。 |
| 柔性车间 | 多台设备如何排产、插单、减少延期。 |
| 生产线异常恢复 | 设备故障后如何重新分配任务，减少停线。 |
| 能源协调 | 多个设备如何避峰运行，降低能耗。 |
二、核心技能链
完整链条如下：
真实设备问题
PLC/控制逻辑
状态建模
通信与数据流
仿真环境
调度算法 baseline
RL/MARL 训练
安全兜底
实验验证
文档与产品化
三、各技能组说明
| 技能组 | 解决的问题 | 最低产出 |
|---|---|---|
| PLC/控制 | 设备怎么安全运行，什么动作不能做。 | I/O 表、状态机、安全联锁图。 |
| Python 建模 | 把设备变成程序对象。 | Elevator、Request、Dispatcher 类。 |
| 状态建模 | AI/算法需要知道什么信息。 | 状态变量表、动作空间表。 |
| 仿真环境 | 真实设备不能乱试，先造训练场。 | 3 部电梯 10 层仿真。 |
| 调度算法 | 任务分配怎么做 baseline。 | 随机、最近优先、权重评分。 |
| RL/MARL | 复杂场景下让多个 Agent 学协同。 | PettingZoo 环境、奖励函数、实验日志。 |
| 通信消息 | 状态、任务、结果如何流动。 | JSON 消息、MQTT 实验、日志。 |
| 安全兜底 | AI 错了谁拦截。 | SafetyAgent、PLC 规则审核。 |
四、大三前底座目标
| 阶段 | 目标 | 产出 |
|---|---|---|
| 大一下-暑假 | 把电梯项目抽象成 Agent 和状态 | 对象拆分表、状态变量表、动作表。 |
| 大一暑假 | 做 Python 电梯仿真 v0 | elevator_sim_v0.py、等待时间统计。 |
| 大二上 | 加入调度 baseline 和指标 | 算法对比表、实验报告。 |
| 大二寒假 | 做消息结构和日志系统 | agent_message_schema.json、communication_log.csv。 |
| 大二下 | 改造成 Gym/PettingZoo 风格环境 | reset/step/observation/action/reward。 |
| 大三 | 正式开启 MARL 研究 | 训练脚本、对比实验、研究报告。 |
五、未来行业与岗位
智能制造 / 工业自动化
仓储物流 / AGV / AMR
电梯与智能楼宇
半导体与电子制造
能源与工业设施
机器人集成与系统集成商
| 岗位方向 | 对应能力 |
|---|---|
| 自动化/控制工程师 | PLC、HMI、调试、联锁、安全。 |
| 工业物联网工程师 | OPC UA、MQTT、网关、数据采集。 |
| 工业边缘计算工程师 | Python、Linux、边缘部署、实时数据处理。 |
| 数字孪生/仿真工程师 | 仿真环境、虚拟调试、实验验证。 |
| 调度优化算法工程师 | 排产、AGV、电梯群控、RL/MARL。 |
| 工业 AI 工程师 | 异常检测、预测维护、AI 与 PLC 集成。 |
六、给大学生的现实提醒
不要一开始追最炫的 MARL。先让一个仿真系统跑起来，再做 baseline，再谈强化学习。没有环境、指标和对比实验的 AI 项目，只是名词堆砌。