AMLBook1: 初学者指南 | 第一章 1 What is AutomationML [翻译]

殷光甫

已于 2022-07-25 19:20:27 修改

阅读量1.6k

点赞数 5

分类专栏： AutomationML 文章标签：制造自动化大数据

于 2022-07-13 19:59:08 首次发布

原文链接：https://www.automationml.org/about-automationml/publications/amlbook/

版权

AutomationML 专栏收录该内容

9 篇文章 17 订阅

订阅专栏

AMLBook1: 初学者指南 | 第一章 1 What is AutomationML [翻译]

1 What is AutomationML?

1.1 简介和动机 Introduction and Motivation

1.1.1 关于本书 About this book

在这里插入图片描述

2018年，AutomationML2在其生命周期中迈出了新的一步：第二版的AML架构已经发布，并作为国际IEC标准公布。与此同时，一系列工业技术趋势在工业界获得了发展：云技术、数字化、将互联网技术引入生产，以及日益增长的软件思维已经在几乎所有工业部门建立起来。这为软件创新提供了丰硕的土壤。

AutomationML代表了

工程数据和工程工作流程的数字化 digitization of engineering data and engineering workflows
并结合了XML、面向对象和语义学的优点 combines the benefits of XML, objectorientation and semantics
实现了人类和机器的可读性 achieves both human- and machine-readability

它追求的是全面的电子数据模型的交换，而不是印刷的EXCEL表。它使复杂的工程工具链中的数据在工业领域中实现无缝流动。它是一种将数据转化为有价值的信息的方法，它在永恒的ASCII文件或数据流中进行数据交换，它支持迭代数据交换的特殊需要。
在过去的十年中，AutomationML已经将其观念从文件格式转变为面向对象的数据建模语言；

AutomationML允许

将领域模型建模为库 modelling domain models as libraries
将工业标准数字化为电子信息模型 the digitalization of industrial standards as electronic information models

本书是AutomationML的实用指南，也是AutomationML协会的官方CAEX和AutomationML教科书。它是第一本AutomationML书[DRA10]的继承者，并介绍了最新的AutomationML第二版，这是一种基于XML的数据格式，在2018年作为国际标准发布，成为IEC-62714.
新的第2版支持最新的CAEX 3.0，它纳入了各种工业反馈，并大大简化了机器可读内容的建模。**机器可读信息模型 ** Machine readable information models 是创新的宝贵来源。拥有机器可读的领域模型和具体的工程数据，使得数据可以被软件访问和解释。这带来了大量的机会：

应用程序可以通过数据模型运行，并可以创造价值，
检查一致性和质量 check consistency and quality
生成控制代码或人机界面 generate control code or human machine interfaces
搜索电缆中的信息流 search for information flow in the cabling
搜索管道中的物质流等 search for material flow in the piping etc

这一切都可以通过AutomationML拓扑结构模型实现。

从一开始，AutomationML就是一项结合工业自动化和IT的技术。自动化设备变得越来越智能，但仅靠自动化组件大多是无用的：为了获得其价值，必须对其进行工程设计和配置，使其正常工作。这需要

编程 programming
配置 configuration
规划 planning

正是工程将自动化设备转化为有价值的智能资产；但工程是昂贵的，容易出错的，通常需要许多专业和次级供应商的参与，这同时也是生产力和错误的巨大来源。

自动化组件和系统供应商的竞争力将越来越取决于简化工程的能力。这是一个软件主题 software topic，现在和将来都是一个越来越重要的关键差异化因素。
AutomationML是实现无缝工程工具链或网络的有力工具，也是许多热点技术的连接点；例如:

eClass
资产管理外壳 Asset Administration Shell
云计算 cloud computing
人工智能 artificial intelligence.

AutomationML协会的重点已经从AutomationML技术本身转向通过将eClass或FDI等标准整合到AutomationML中来整合工程的越来越多的方面；成为工程价值链的一个有价值的来源、运输媒介或目标；其应用的方法；以及开发全面的和经过行业验证的最佳实践和应用建议。
但这些**高级主题 advanced topics 是第二本书《AutomationML–工业食谱》**的一部分，由同一出版社出版。

1.1.2 阅读指南 Reading guidance

本书是一本关于AutomationML的指南。它从不同的角度关注AutomationML，是为初学者和专家，为软件开发人员、管理人员、学生、教师、教授和最终用户编写的。
它首先介绍了AutomationML背后的理念、其核心创新、目标和价值。
它包含一本供教师和学生使用的AutomationML教科书，并解释了对象建模语言的所有细节。AutomationML包括一些广为人知的创新，现在是时候给它们一个亮点了。更确切地说。

本书是为高校的学生、教师和教授编写的。

本书是为研究人员和博士生编写的。AutomationML鼓励应用和开发新的方法和途径，这些方法和途径在今天的工具中还不能实现。AutomationML为毕业论文、学士论文、硕士论文和博士论文提供了材料，并能促进新技术的转移，如 “语义网 Semantic Web”、“自动化 Automation of Automation”、“基于云的数据中心 cloud-based data hubs”、"语义整合 semantic integration"和 “数据整合 data integration”。

在AutomationML的早期阶段，文献显示了有希望的方法；例如，见[RGF09]、[GKF+09]、[GWF08]、[MND+09]、[REDR09]、[KRST09]和[WBR+09] 等。

本书是为流程和制造行业的工程师和决策者编写的，他们想解决工程工具之间的数据交换或工程工具链的数字化问题。

本书也是针对计算机科学家的，他们会发现许多关于AutomationML建模的有用细节和例子。

1.2 为什么开发 AutomationML

在办公环境中，电子数据交换是一个日常事务。当我们被要求提供一张照片时，我们并不关心工具，我们只是从我们的智能手机上把它发送给朋友和家人。无论是否涉及图像、文本、网页、矢量图或文件，对于众多不可缺少的跨平台信息，标准数据格式已经建立。这方面的例子是以 “jpg”、“pdf”、“mp3”、“rtf”、“tiff”、“bmp”、"html "或 "xml "为扩展名的数据格式。这种发展的原因是显而易见的：如果数据交换代表了信息的重要价值，那么标准化的数据格式具有无可比拟的优势。
在工程项目中，工业界反其道而行之：在这里，我们就工具而不是数据格式达成一致。最初的价值创造主要是在工具内部创造的，而不是在工具之间。图1-1说明了各种工程工具的一个子集。为什么我们没有建立工程数据的交换格式？虽然智能手机上的相机应用直接从照片的交换中定义其价值，但这与工程工具不同。
无论是CAD、模拟工程simulation engineering还是功能工程 functional engineering，有软件工具的相关工程活动的效率要比没有工具好得多。对于工程伙伴之间的合作，工具的协调为无缝工程提供了优雅的方式。但这正在发生变化。如图1-1所示，工程工具的种类是非常多的。当一个小的工程公司被要求使用一套预先定义的工程工具，而该工程公司为多个客户工作时，工程工具的许可费用就会激增，同时工程效率和质量也会下降。

因此，需要为这些工具提供专门的专家和团队，导致这些工具之间的解决方案的可重复使用性出现差距。谁在买单？
今天，工程工具的功能已经成熟并趋于一致。在工程中不断增长的成本[FAY06]和时间压力下，数据交换的价值现在正逐渐成为焦点[RHA02]。关键的驱动力是:

制造和加工厂的工程是一个成本密集和复杂的过程。低成本传感器、基于互联网的通信技术、云平台和技术诀窍的增加，将大大增加工厂的信息密度，因此需要对这些信息进行有意义的工程设计。高效的数据交换是未来竞争力的一个关键因素。

工程需要各种专业团体的合作，这些团体使用专门的软件工具。

工程的特点是历史上成长起来的强大的分工，在过去被分为独立的阶段或行业。在每一个阶段中，工程师都会继续改变工程数据。在这样做的同时，所有不同的工具的数据都会发生分歧，工程数据在工程过程中会不断地、反复地被充实和改变。这不是工作流程或工程方法上的错误，而是工程的本质。为了保持工程工具之间的数据同步和一致，需要做出巨大的努力。

工程效率得益于重复使用。通常情况下，工厂不会被完全重新设计。相反，准备好的标准工厂或子系统被用作蓝图来规划工厂以生产特定的产品，例如汽车模型的车身外壳。因此，不同版本和配置的工厂数据的重复使用是一个非常重要的要求，也是高效工程的重要前提。

总结
工厂工程各阶段之间的数据交换是工程数据重复使用、质量和一致性的关键。它降低了开发成本和时间，简化了维护和可比性。

1.3 中立的数据格式所面临的挑战 Challenges for a neutral data format

1.3.1 5种工程数据交换的方法 Approaches for engineering data exchange

工程工具链的关键挑战是

同步不断变化的 synchronization of continuously changing
多模式的 multimodal
跨学科的 interdisciplinary
跨公司的 cross-company
跨流程的 process spanning工程信息 engineering information

这些信息与最先进的工程过程息息相关。
The flow of information 信息的流动是这些过程的结果，表现为复杂的工作流程。这些工作流程需要一个全面的工具环境 comprehensive tool landscape，通常具有异质性 heterogeneous nature（来自不同供应商）。
不幸的是，工程工具都是为自己的功能而专门设计的，并没有设计成相互之间的数据同步。即使我们在办公领域都是通过Microsoft Office或PDF文件来分享我们的文件，但自动化工程并没有一个文件格式来交换信息。有不同的选择来解决这个问题 [DGE05], [DRBA11], [DRBA12]。

1.3.1.1 方案1：工程工具的协调统一 Harmonization of engineering tools

在这个方案中，工程供应商不能自由选择他们最好的工具，而是有合同义务使用由系统集成商或工厂业主指定的某些工程工具（见图1-2）。

这种方法有很多优点

它优雅地解决了工具不兼容的问题，并将工程成果无损地移交给客户，因此在制造业中被广泛采用。

这种方法的缺点是

这种关于工具的协议使子供应商很难做到高效。
这是由于在一个多项目multi-project和多客户multi-customer的环境中

在不同的项目之间重复使用成熟的解决方案或库 reuse of proven solutions or libraries
以及在**不同的项目中重复使用工具专家 **reusing tool-experts ，几乎是不可能的。

最后，工程公司必须为昂贵的软件工具许可证、专家和库支付费用。

第二个缺点是

这种方法仍然没有解决不同工具之间的数据同步问题，例如，PLC和机器人编程之间的信号列表比较。

1.3.1.2 方案2：简单的基于文件的数据交换 Simple file-based data exchange

在这个方案中，每个工程供应商都使用自己喜欢的最佳工程工具，工具之间的数据交换是基于文件的（图1-3）。

这个方案克服了方案1的缺点。

它很容易适用，因为开发一些EXCEL模板、CSV文件或XML模式是数据交换的一个快速解决方案。因此，这个方案在工业界被广泛采用，因为它能简单地与典型的异质工具互连。

这种方案的缺点

是缺少迭代支持（见1.3.2节），
需要大量的软件导出器和导入器，
以及大量的专有文件格式，这些格式通常在项目与项目之间甚至在一个项目中不断变化。

对于每一个额外的工程工具，所需的数据交换接口和数据格式的数量会通过组合效应而大大增加。这最终导致了软件接口、数据格式和相同数据格式的版本的复杂性，以及高的开发和维护成本。这种方法被广泛用于小型和中型项目，但不建议用于大型项目。

1.3.1.3 方案3：通用工具套件 Common tool suite

在这种方法中（图1-4），一个工程工具供应商为工程提供了一个

一站式服务：
所有需要的工程工具都作为一个共同的工具套件提供，由一个供应商在同一个数据库上工作。

这优雅地解决了所有参与工具之间的数据同步问题，包括迭代支持。软件接口的数量是有限的，工程供应商可以与其他供应商合作，无缝地整合他们的数据。

这个方案的关键缺点是:

这个工具套件的用户会立即被工具供应商约束，包括其创新速度和许可条件。
通常没有选择和整合其他同类最佳工具的选项。在一个多项目和多客户的环境中，在不同的项目之间重复使用成熟的解决方案或库，以及在不同的项目中重复使用工具专家，这几乎是不可能的。工程供应商必须多次支付昂贵的软件工具许可证、专业专家和工具附属库。这种选择适合于大型项目，如发电厂或石油平台，但很少适合于工业中的小型或中型项目。

1.3.1.4 方案4：用统一的数据模型进行数据交换 Data exchange with harmonized data models

在这个方案中（见图1-5），一个工具链的所有参与者（例如工程供应商和系统集成商）保留他们各自的最佳工程工具和各自的专有数据库。但除此之外，参与者开发一个共同的同质数据模型，作为数据交换的中间数据模型。一个共同的数据中心实现商定的共同数据模型，例如由第三方软件供应商开发。交换是通过服务总线或文件交换实现的。

这个选项被推荐给集中式数据基础设施，并且需要大量的协调工作来创建一个通用的数据模型。

如何实现这一点在[DRA21]中解释（第20章工业化和工具链和第21章戴姆勒公司的AutomationML管理）。
随着在一个交换过程中要集成的对等体数量的增加，语义协调 semantic harmonization、版本和模型本身的复杂性需要适当的治理。
这个问题在 "建立一个世界模型 building a world model "的术语下是众所周知的。需要对数据模型版本进行强大的版本管理，每个单一软件供应商的创新速度与语义协调的速度是有关系的。
在这个选项中，AutomationML作为中间数据交换格式的使用可以扩展到包含共同的 common、中间 intermediate 的数据模型。

1.3.1.5 方案5：通过统一异质数据模型进行数据交换 Data exchange via alignment of heterogeneous data models

在这个方案中，与前一个方案一样，参与者（例如工程供应商和系统集成商）保留他们各自的首选最佳工程工具和各自的专有数据库。与前一个方案的不同之处在于，每个参与者都分享感兴趣的数据进行交换，但没有首先通过创建一个共同的数据模型来进行语义协调（图1-6）。

这个方案的挑战是：
如何在这些未统一的异质数据模型之间实现语义统一，而不需要努力生成一个共同的统一数据模型？

ABB在《工业手册》[DRA21]第23章语义和实用互操作性映射中描述了一种包括实用互操作性或使用排列的解决方案方法。

它首先需要一个机器可读的数据模型，能够以语法标准化的方式容纳不同的语义。这使得数据中心中的各个数据模型即使没有语义也能被机器阅读。
对于机器可解释性，需要一个强大的映射功能。这种映射是一个独立的步骤，可以随着时间的推移而发展，而各个工具数据模型和软件接口保持不变。
数据中心还提供认证、上传和下载、订阅、版本管理和同步功能。不需要对工程世界模型进行协调。

这个方案克服了前面提到的大部分困难。从概念上讲，它是一个非常有前途的方法，适用于有许多参与者的分布式数据基础设施，以及对即将到来的基于资产管理外壳的工业4.0工程基础设施的预测。
在这里，AML的使用可以扩展到作为一种基于语义semantic （和实用pragmatic**）互操作性排列的信息information （和知识knowledge）交换格式**的使用。

摘要
工程工具之间的数据交换是通过不同的选项实现的，尽管这些选项在适用性、迭代支持和版本管理方面都有局限性。除了工具套件，其他选项都需要

**全面的数据模型 **comprehensive data models
和**基于文件的数据交换 ** file-based data-exchange。

1.3.2 迭代支持 Iteration support：隐秘但重要且困难

为工程中简单的基于文件的数据交换（见1.3.1.2节中的选项2）开发一种新的文件格式似乎很容易：只要对需要的东西进行建模，然后去做。在使用EXCEL或XML的时候，全面的工具支持和既定的专业知识保证了快速的结果。这就是为什么工业界开发了很多文件格式，但从本质上讲，这些文件格式大多是专有性质的，可能在公司与公司之间、项目与项目之间发生变化，甚至可能在项目的生命周期内演变。
有一系列强有力的论据支持，基于文件的数据交换比预期的要困难，而且大多仍处于临时解决方案的状态。

工业实践告诉我们，数据交换过程中的关键问题
不是一次性的交换，而是迭代数据交换过程中的变化管理。

这需要在两个层面上对迭代循环的支持:

1.3.2.1 迭代循环第一层：交换工程数据 Iteration loop level 1: Exchange of engineering data

工程是一个反复的过程：工程工具之间的数据交换不是只发生一次，而是多次。迭代数据交换通常需要一个程序，如图1-7所示。

通过使用电子表格（例如Excel）或像XML这样的分层结构进行简单的基于文件的数据交换，

确实为解决绿色要素a)、b)和部分c)提供了强大而快速的手段。
但它们在红色元素方面比较弱：版本管理、差异计算和映射/导入，
而在白色元素f)和e)方面则是盲区。

白色元素代表了迭代工程的进一步任务，这些任务普遍不被简单的基于文件的数据交换所支持：

影响分析和有效性检查。这两项任务都需要

数据的语义可解释性，
以及关于传入数据和已有数据之间关系的知识。

为了给红色元素提供解决方案，需要进一步的概念：
对于红色元素:

在d）交换软件需要有关数据 语法syntax （而不是语义 semantics）的知识，它需要访问历史学家的资料库 historian repository。

在g）它需要交换文件中每个数据项的全面映射comprehensive mapping、版本version 和识别信息identification information以及所交换数据的历史版本。

对于g），软件还需要关于数据和目标工具数据库的意义meaning （语义semantics）的知识。

为了对红色元素的数据进行预处理pre-process，有必要对绿色元素采取进一步的方法:

在a)中数据导出者应提供指导，以选择与数据交换有关的数据。
在b)中数据导出者应提供新版本的数据，并可进入版本跟踪系统。
在c)中交换软件需要关于数据结构的知识，以便以适当的方式将数据可视化。
对于白色元素e)和f)，它需要关于这些数据如何在目标工具中被利用的额外知识。

1.3.2.2 迭代循环第2级：数据格式演变 Iteration loop level 2: Data format evolution

除了工程数据本身的反复交换，数据格式本身data format itself和底层领域模型underlying domain models也是反复变化的对象（见图1-8）。

虽然专有的Excel和XML解决方案在绿色步骤（a-b）中很强大，但它们通常在红色步骤（c-e）中失败。为了提供红色元素的解决方案，需要进一步的概念:

在c）数据格式需要关于其自身语言元素的版本信息。
在d）数据格式应该提供关于数据模型中每个元素的版本信息。
在e）数据格式和数据模型需要一个社区来维护格式和模型，并为广大专家提供知识和应用支持。

对于全球和标准化的工程世界模型，步骤e）是至关重要的。对于公司来说，这是可以通过治理组织和协调过程来解决的，正如AutomationML协会在《工业食谱》[DRA21]中报告的那样（第20章宝马公司的工业化和工具链以及第21章戴姆勒公司的AutomationML治理）。

关于AutomationML，它满足了专业数据交换的技术要求，即

标准化的语法 standardized syntax
可扩展的架构 extensible architecture、
对 "关于数据 "的版本和元信息的全面支持 comprehensive support of version and meta information “about the data”
对数据意义（语义）建模的支持 support for modelling the meaning of the data (semantics)
以及通过文档和参考实施的指导 guidance by documentation and reference implementations. 。

总结
工程数据交换格式应该提供全面的迭代支持。
这是AutomationML的一个关键概念

1.3.3 异质语义的管理 Management of heterogeneous semantics

不幸的是，工程数据交换格式的标准化由于公司已经开发了多种专有数据模型和数据格式而变得复杂。此外，他们还开发了专有的语义和思维方式，当然这些都直接反映在他们的工具中。
因此，与工程相关的数据交换格式的标准化被分割成许多部分，甚至在一个领域内，也有许多子数据格式被开发。众多的数据模型决不是统一的；

同样的术语或概念在不同的合作伙伴之间可能有不同的含义。

总结
除了迭代支持，开发工程数据格式或对象建模语言的主要困难是语义管理。

**中性文件格式neutral file format **的起源思想(不仅仅是XML)

是以无损和独立于供应商的方式存储数据。

无论这种中性文件来自哪里，它都可以被导入（使用现有的软件应用程序）到几乎所有的工程工具中。这个想法实际上是所有关于通用数据模型的语义标准化活动的驱动力。

主要的想法是定义一个共同的数据模型，结合所有参与领域的 "共同概念 "以及它们各自的工具。这就是为什么标准化社区广泛地旨在开发一个
共同的语义工程世界模型 common semantic engineering world model。

语义标准化 semantic standardization 的结果将是一个中立的领域模型库和一个具有商定含义的综合术语词典。

这背后的想法是：
当我们用商定的术语说同样的语言时，我们可以相互理解。

如果一个出口者以具有商定语义的通用数据格式出口其数据，那么每个进口者都能够阅读和处理它[DRBA12]。

关于语义semantics，许多活动都是针对语义标准的，例如[ISO 15926]、STEP[ISO 10303]、[NE 100]、PlantXML[ART04]、Enginee- ring Service Bus[WMZ+10]、[DEX12@]、[NE 150]或[WMM11]中所述的基于知识的方法。然而，目前还没有实现具有通用common语法syntax**/语义semanti的综合工程标准**。

开发综合工程数据模型的标准化程序需要一系列的活动
Developing a comprehensive engineering data model would need a series of activities:

a) 每个参与的工程工具或领域的专家小组必须提出他们的 “自己的概念 own concepts”。
b) 所有参与者必须就 "共同概念 common concepts "达成一致。
c) 必须定义一个中立的语义数据模型 neutral semantic data model，涵盖共同的概念，例如使用 UML 的对象模型。
d) 必须就通用数据模型 common data model 的中性语法 neutral syntax 达成一致，例如，使用 XML。
e) 必须编写一份文件，描述
- 商定的共同概念、
- 语义数据模型
- 和语法实现，例如，在标准文本或白皮书中。
f) 在工业界，必须有足够的了解该标准的专家，以便通过数据输出和输入器将其实施到各自的工程工具中。
g) 工业界必须提供足够的支持该标准的输出和输入软件。
h) 应用的经验反馈到（a）。

这种标准化顺序的主要问题是
使用usage （h）和标准化standardization （a）之间的反馈环很弱。

正如历史所显示的，工程工具供应商要等到标准达到一定的成熟度，才开始按照这个标准处理他们的软件，例如通过相应的出口商和进口商的实施（g）。另一方面，标准化需要深刻的工业经验（和实施）来达到深刻的成熟度（h）。这是一个现有的悖论，导致了最初在[DRBA12]中描述的死锁。

1.3.4 标准化的僵局 Standardization deadlocks

1.3.4.1 标准化的僵局1 Standardization deadlock #1

图1-9说明了第一个标准化的僵局。

标准化需要用户的反馈（a）。
用户自己需要软件工具来应用当前版本的标准，以便产生反馈（b）。
软件供应商不能努力对中间版本的标准进行昂贵的编程，他们要等待最终的版本（c）。

这就造成了一个僵局：

每一方都在等待。这就是语义标准化是一个耗时的过程的原因。

1.3.4.2 标准化的僵局2 Standardization deadlock #2

图1-10说明了第二个标准化僵局：

一旦一个小的语义标准成功地应用于工程工具的生态系统，并成功地用于工业实践（a），
它就立即失去了创新能力，标准就冻结了（b）。

在提出变更要求的情况下，标准化被锁定，因为标准的变更会立即打破与现有工具生态系统的兼容性，会损害投资，并会破坏标准的核心：其稳定性。

1.3.4.3 标准化的僵局3 Standardization deadlock #3

当我们看到大量需要标准化的工程数据时，就会出现图1-11所示的第三个标准化僵局。标准化是一项长年累月的活动，而同时项目要求可能在几周内发生变化。与长期标准化的低频率相比，工业项目短期需求的高频率显然是不相容的。当一个新的标准只有在最终确定后才能使用时，就会出现僵局#3。

总结
到目前为止，还没有任何数据模型标准化活动成功地实现并建立了一个适用于自动化工程所有领域的中立语义模型。

1.4 What is AutomationML?

1.4.1 概述 Overview

AutomationML最初是作为一种中立的工程数据交换格式被开发和解释的。在此期间，这种解释得到了进一步的发展。
AutomationML是一种全面的基于XML的面向对象的数据建模语言。
它解决了在第0节中解释的挑战，并允许对工程模型进行建模、存储和交换，涵盖工程的众多相关方面。
AutomationML提供了一套全面的灵活的机制和创新，以模拟当今的工程方面以及未来的工程方面。
它的语言特性允许对现有或新的领域模型进行建模。
图1-12概述了AutomationML的目标、相关创新和创造的价值。这些将在下面的章节中详细讨论。

1.4.2 目标 Goals of AutomationML

开发AutomationML的主要目的是提供一种数据建模语言，用于在异质工程工具之间建模和交换异质语义工程数据模型，使软件工具链在所有工程步骤中实现无损数据交换。AutomationML能够对整个工厂进行最完整的描述，包括其中的组件，跨越所有工程学科和阶段的电子建模。这涵盖了复杂的对象层次，例如工厂的拓扑结构，并为提供完整性检查、基于规则的质量检查、模式搜索、错误搜索、生成控制代码/用户界面/联锁/模拟模型等的新应用创造了空间。
图1-13说明了AutomationML的一般覆盖范围：工厂层次结构的建模、几何学、运动学、运动规划和行为建模。

AutomationML需要追求一些进一步的子目标，以实现其主要目标，同时满足这些苛刻的要求。

G1 - 基于文件的数据交换 File based data exchange

AutomationML应该允许基于文件的数据交换，并提供持久性作为数据交换和变化管理的先决条件，计算和可视化新旧数据之间的差异。

G2 - 可评估的数据 Evaluable data

在产品生命周期的过程中，数据和信息的交换方式通常是人类可以阅读，但机器不能，反之亦然。AutomationML应该提供数据和信息，使它们可以被人类和机器评估，作为算法可及性的前提条件。

G3 - 克服标准化的僵局 Overcome standardization deadlocks

AutomationML应该克服第1.3.3节中描述的标准化僵局，以确保缩小标准化和实际使用之间的反复差距。

G4 - 重用成熟的解决方案 Reuse of proven solutions

AutomationML 应该尽可能地重用已建立的解决方案，以获得整个自动化工程界的广泛接受，而不需要重新发明车轮。

G5 - 重用外部语义 Reuse of external semantics

AutomationML应该能够参考现有的语义标准，以避免在属性名称上达成一致，并允许继续使用公司标准。

G6 - 现有语义的整合 Integration of existing semantics

AutomationML应该能够整合现有的语义模型，不需要开发全新的未建立的语义。目的应该是在不改变标准的情况下，对数据进行实例化、参数化或在彼此之间或与其他数据之间进行互联。

G7 - 异质语义的管理 Management of heterogeneous semantics

AutomationML应该能够管理在专有和公共标准中定义的异质语义，以及异质数据模型，以应对工程数据和工具的异质情况。

G8 - 未知数据的管理 Management of unknown data

数据交换的一个关键点是数据的导入。在导入过程中，导入者需要识别相关的项目，并将它们导入到目标数据库的正确位置。为了做到这一点，导入者需要识别对象和属性的含义。如果一些数据的意义不明，AutomationML应该明确地管理这一点。

G9 - 市场接受度 Market acceptance

AutomationML应该被市场接受，并在整个自动化工程界使用。

G10 - 支持迭代工程 Supporting iterative engineering

工程的现实需要不断地和反复地充实和改变工程的主题以及它的方法。因此，不仅是实例数据，而且基础工程模型也会发生变化。AutomationML应该支持这些迭代的工程调整。

G11 - 不同的特殊性 Varying specificity

交换格式规范的一个严重挑战是数据编码的结构和可变性的自由。AutomationML应该提供一个解决方案来应对不同的特殊性。

1.4.3 关键创新 Key innovations in AutomationML

为了实现所述的次级目标，AutomationML提供了一系列的创新，如图1-14所示。

I1 - 元格式而不是数据格式 Meta format instead of data format

AutomationML是一种在元模型内对句法和语义信息进行建模的语言，而不是像2.2.1节中描述的关于CAEX作为元数据模型的静态数据模型。对数据模型进行建模的能力使AutomationML在其存储和交换文件中的数据的能力之上成为一种标记语言。因此，AutomationML不仅仅是一个纯粹基于文件的数据交换格式（G1）。

I2 - 带有关系的面向对象的建模 Object-oriented modelling with relations

AutomationML以XML为基础，并提供对象建模技术，在电子对象模型中明确建模的关系和语义参考，对人类和机器来说都是可读和可评估的（G2）。

I3 - 语法和语义的分离 Separation of syntax and semantics

面向对象的数据建模是基于库的。

AutomationML标准（意图）不提供现成的领域模型（例如加工工业），而是提供在库中建模的方法。

库的建模在第2.2.6节中描述。

AutomationML定义了库开发的规则和机制，提供了一个定义明确的语法来模拟特定领域的库和类。

但属性或类的含义仍然属于用户或标准化机构的所有权。这就把语义和语法严格分开，大大简化了标准化机构的工作。这个特点是至关重要的，因为AutomationML允许对具有相同语法但具有不同语义的对象或属性进行建模。这大大简化了软件开发和对象模型的演变，而无需修改AutomationML标准。
总之，AutomationML在语义协调的环境中工作，但也在完全没有语义协调的情况下工作。它也可以在有一些标准化的情况下工作。这允许立即应用AutomationML，而不需要等待一个全球性的语义标准。有了这一创新，标准化的僵局就被淘汰了（G3）。

I4 – 利用现有标准 Utilization of existing standards:

AutomationML通过整合各个学科的既定的、开放的和免费的基于XML的标准，形成了一个精简的架构。AML为不同的领域（G4）重新使用现有的数据格式，并只定义它们的相互联系。架构和选定的格式在第2.1节中描述。

I5 – 引用异质语义 Referencing exiasting semantics:

语义标准化通常追求商定术语的发展。AutomationML更进一步：它允许 "随心所欲 "地命名属性类型，并为这些属性添加对现有外部语义标准的引用。对外部语义标准的引用（G5）使属性的语义与它们的命名脱钩，因为名称和含义是独立的项目。这有助于保持成熟的、既定的和专有的公司标准，从而提高接受度并简化语义标准的建模工作。

I6 – 混合语义的建模 Modelling of mixed semantics:

AutomationML允许重塑现有的标准化数据模型（G6），如eCl@ss或IOLink，以AutomationML库的形式。唯一的前提条件是原始数据是以面向对象的方式建模的。这使得电子产品库的建模成为可能，即产品目录的数字版本或[DRA21]中描述的数字双胞胎（第14章 AutomationML组件和第15章电气接口的AML领域模型）。由于AutomationML可以持有多个库，这些库可以来自不同的来源：来自专有数据库或来自标准化机构。这意味着，AutomationML可以同时容纳遵循不同语义的数据。例如，一个公司的机器人产品目录可以与另一个供应商的传送带产品目录同时存储在AutomationML中，每个目录都遵循自己的语义。

I7 – 语义的识别 Identification of semantics:

为了不迷失在语义的多样性中，AutomationML有全面的识别机制（G7），可以识别在不同层次上使用的语义。一个AutomationML文件可以作为一个整体被标记，这意味着AML输出者可以明确地指定是哪个工具生成了这个文件。这允许区分来自不同的专有工业伙伴的文件。这同样适用于类、实例甚至属性；每个数据项都可以与它的来源相关联，帮助导航到数据源工具、源项目和源数据库中的原始对象。这将在2.2.14.3节中描述关于AML源工具的元信息。

I8 - 关于未知数的明确知识 Explicit knowledge about unknowns

如果某些数据的含义是未知的，这种未知的数据类型可以被系统地识别（G8），并可以被复制到AutomationML的未知数据库中。这个概念在《工业食谱》[DRA21]中有所描述（第10.6.6节处理未知数据的策略）。

I9 - 免费的国际标准（IEC 62614）Free international standard (IEC 62614)

AutomationML作为一个IEC标准被市场接受（G9），不需要支付许可费。

I10 - 模型的可持续性 Model sustainability

AutomationML支持在每个抽象层次上对工程过程中的信息演变进行编码（G10）。AutomationML模型的原型性质提供了必要的敏捷性，以反映设计中的系统生命周期的变化。

I11 - 不同的抽象层次 Different levels of abstraction

AutomationML结合了XML的半结构化性质的可变性和强类型模型的可选精确程度（G11）。在不同的抽象层次上对对象语义的规范，如组合结构、接口或属性，使工程过程中的信息有了合适的表示。

结果，这些创新使工程数据能够在异质工具环境中交换。在一个异质语义景观中，它考虑了现有的标准，解决了所描述的标准化僵局，并涵盖了迭代工程的需求。

1.4.4 价值 Values of AutomationML

AML最终提供了一系列的关键价值，如图1-15所示，用于数据交换，这是传统的基于文件的简单数据交换所不能实现的，例如，用电子表格。
[图片Todo]

V1 - 可扩展和灵活的设计 Extensible and flexible by design

领域模型可以被定义、修改和扩展。由此产生的领域模型的变化不需要改变AML标准，因为AML是一种语言，而不是一个静态的数据模型（I1）。持久性是存档数据的前提条件，但只是AML模型的一种形式。

V2 - 人类和机器可读 Human and machine readable

AutomationML通过其XML遗产和全面的语义参考，是人类可读的，也是机器可读的。看一下传统的工程知识的图形表示（例如P&I图），它们是为人类的眼睛发明的，需要基于教育和经验的人类解释。一个工艺工程师很容易将P&ID上的一个方块识别为一个罐子。这是人的解释，是人脑的表现，它结合了背景知识和经验。如果没有背景知识，这个正方形只由四条线组成。当工程师们离开房间时，墙上的P&ID仍然是一张毫无意义的线条和圆圈的图纸。另一方面，AutomationML允许将隐藏的知识、要求、假设、结构关系、相互联系、关于对象和属性的引用或语义、版本和映射信息直接嵌入模型中。当工程师离开房间时，AML中的工程信息因为显式建模而保持其意义。这允许在计算层面上的数据交换，简化了质量检查，使数据验证、智能导出和导入软件成为可能，并可重复用于各种数据交换的用例。AutomationML也服务于工程师的习惯。AutomationML以面向对象的方式进行数据建模的能力，使工程师能够对需求、对象拓扑结构、属性和关系进行建模，并将其存储在电子对象模型中，而不需要工程工具（I2）。由此产生的对象模型以后可以被导入商业工程工具中。面向对象的设计是一种在工程师之间交流思想的通用方法。

V3 - 没有标准化的僵局 No standardization deadlocks

AutomationML克服了标准化的僵局，因为它可以用相同的语法建立不同的语义模型（I3）。没有必要等待一个统一的通用语义模型。即使是100%的专有领域模型也被支持。

V4 - 通过重复使用已建立的标准来接受 Acceptance by reusing established standards

由于AML参与了全球公认的XML标准的高度普及，因此AML架构规范的目标是高接受度和快速发展（I4）。由于使用了W3C的建议，如根据UTC的时间戳，许多关于日期格式的语法问题从一开始就得到了解决，不需要进一步的规范。现在可以使用免费提供的工具在相当大的程度上自动检查各种文件类型是否符合要求。然而，这种检查只包括语法；语义和概念上的工程错误不能在模式定义的基础上自动检测。例如，有可能创建语法上正确但完全没有意义的植物描述。不完整甚至矛盾的描述是被故意允许的，因为AutomationML的目的是涵盖早期的规划阶段，其中数据的一致性仍然不够。

V5 - 继续使用公司标准 Continued use of company standards:

AML允许通过语义链接的方式引用现有的语义标准（I5）。这消除了商定属性名称的需要，并允许继续使用公司标准。

V6 - 与其他语义标准的兼容性 Compatibility to other semantic standards:

AML提供了与其他语义标准（I6）的兼容性，例如IOLink、eCl@ss或NE150，因为它可以用AML的语法重新塑造现有的语义模型。然后，AML的功能可以被添加到现有的标准中，但现有标准的语义保持不变。它的通用和灵活的建模机制甚至允许对即将到来的语义标准进行建模。同时，AML可以对专有公司的专有数据结构进行建模。因此，可以将工业工具中的对象结构，例如EPLAN、COMOS、Engineering Base "原封不动 "地直接输出到AML中，而无需与任何标准进行映射。

V7 - 语义的识别和探索 Identification and exploration of semantics:

AutomationML允许识别高粒度的数据元素的语义（I7）。这允许接收者探索文件中使用的语义方言或在类、实例或属性中使用的语义方言。

V8 - 未知数据的识别和管理 Identification and management of unknown data:

未知的数据可以被明确地识别和管理（I8），并纳入到可预见的库中。这个未知知识的数据库对导入软件的进一步发展有很大帮助。

V9 - 标准 Standard:

AML是一个既定的、被认为是IEC的标准（I9）。

V10 - 适用于改变生命周期数据 Suitable for changing lifecycle data:

工程过程中的迭代变化是由不同的要求、技术实现、制造方法和其他许多因素造成的。通过AutomationML，这些信息可以在整个生命周期中被捕获，并根据这些变化做出反应。版本管理只是AutomationML为这一目的提供的一小部分内容。因此，由于模型的可持续性，AutomationML适用于改变生命周期的数据（I10）。

V11 - 抽象的可变性 Variability in abstraction:

为了处理不同的规格，AutomationML通过抽象来完成这种可变性（I11）。通过可选择的抽象和精确的粒度，AutomationML在建模中创造了一定程度的自由，同时对要建模的结构进行规范。

除了这些技术方面，AutomationML协会提供了广泛的文件、白皮书、实施建议和一个AML编辑器，以获得接受和支持其应用。工作小组允许开发新的领域模型或数据交换的商业案例，例如使用AML来模拟电子产品目录。

总结
AutomationML支持在异质工具和语义环境中进行数据交换所需的独特功能。

1.5 用AML对信息进行编码–四层抽象 four layers of abstraction

前面的章节已经强调，工厂设计涉及到许多专家，他们有不同的专业，在沟通过程中，不仅仅是数据交换，而是信息交换。
作为一个持久性文件的技术只是许多方面中的一个。由于由异质的工具和方法（例如图表或数学模型）产生的信息的高度专业化，所需的信息沟通交流具有很大的复杂性。虽然AutomationML提供了强大的概念，将这些信息编码为数据模型，并管理工程中信息交流的困难任务，**但它不仅服务于生产系统工程专家的交流，也服务于为此目的开发和应用软件的专家。**因此，它考虑了软件工程不同方面的特殊要求，这些要求将在工业手册[DRA21]中讨论（第3章用AML开发软件）。

1.5.1 数据模型与信息模型 Data model versus information model

在日常使用中，数据data和信息information以及数据模型data model和信息模型 information model这两个术语之间几乎没有任何区别。在大多数情况下，它们被视为同义词。但在AutomationML的情况下，应该明确地考虑它们的区别。
数据的基本形式是未经处理的、未经分析的、未经组织的、未连接的和未中断的对象。为此，它们的内容被编码为字符或字符序列，其结构遵循严格的规则，即所谓的语法。然而，其意义并不总是唯一的–它大多在语义上有所欠缺。为了从数据中获取信息，必须在有意义的背景下对其进行解释，这意味着数据被赋予了一个语义上的目的。信息的一个基本特征是语法和语义的分离。此外，还有一个关于信息的观点。语用学pragmatics（效果effect）：在具体情况下的具体应用。在工程中，这意味着具体实例信息的建模和交换。只有当信息有效果时，信息的有用性才会被赋予，从而触发一些特殊的东西[ENGR09]。
数据模型和信息模型这两个术语更难区分。在数据模型中，数据是相互关联的，这意味着它们代表了一个信息的整体。然而，数据模型只代表数据之间的关系。信息模型通过上下文信息对数据模型进行了额外的扩展，它允许对数据进行一致的解释和使用。信息，已经抽象地代表了对象的属性、语义和语用，被设置为关系[PRSC03]。为了提供一个从数据到信息模型的路径，以下部分解释了数据建模的四个不同层次以及它们与AutomationML的关系。

1.5.2 信息编码的四层模型 four-layer model of information encoding

在AutomationML的开发和应用过程中，数据和信息之间的区别变得越来越重要。我们可以在四个抽象层次上与用户或软件开发人员讨论AutomationML。XML层、对象层、语义领域模型层或项目有效载荷层。这有助于在一个狭窄的范围内讨论模型。这些层次如图1-16所示，并且是相互建立的。

每一层完全由底层的概念来表示。一旦理解了一个层的表示，就没有必要再去参考底层的表示。例如，有可能讨论高层次的概念，而不需要提及XML标签。一层又一层，信息的密度增加。此外，无论是数据还是信息的建模，AutomationML代表的是数据模型还是信息模型，都将在下面的章节中通过四个层的详细信息来澄清。

Layer 0 - Syntax - 语法

这一层是关于XML的语法；数据根据XML规则进行结构化。
这是基础技术；不管是需要将工程数据存储到持久性存储器中，还是需要将其发送到计算机网络中的接收器，都必须将信息编码成数据序列。这就是计算机的工作方式。例如，设想我们想通过计算机存储或传输这本书的全部内容或印刷版的部分内容。我们会逐页扫描和处理它。页面将内容保持在一起，页码将帮助我们持续地重新组合这本书并检查其完整性。
此外，目录有助于了解各章节的结构，特别是如果我们只利用书中的部分内容。这就是XML在AutomationML的基本层0上的用途，它确保了模型数据的一致编码为顺序形式–它被称为序列化。
XML的一个重要的好处是，它也代表了结构数据。与一本书相比，周围的标签以一种自成一体的方式将内容放在一起。层次结构是通过标签的嵌套建立的。XML-引用允许指向代码的细微部分。此外，XML构成了一个被广泛接受的独立于平台的基本数据类型库，作为基本的语言概念。所有提到的特点有助于自动确保和评估AutomationML文档在基本层面上的完整和一致的处理–如果一个文档需要持续存在或被传输，这一点尤其重要。

总结
第0层是关于纯XML语法的；这是序列化层，是一系列符合XML语法的ASCII字符串。这里有数据但没有信息。这一层确保数据的自动处理，并确保符合XML的一般正确性和一致性，但它不包括语义。

Layer 1 - Object Model Language - 对象模型语言

基于XML的结构模型，第1层为系统设计优化的面向对象的模型服务。它为数据的结构化提供了排序原则。让我们再次利用书中的例子。在这里，章节的结构概念被赋予了意义。一个章节可以是序言、介绍或摘要。另外，像交叉引用、比喻或张力弧这样的写作技巧也在这一层被概念化。在AutomationML的情况下，像实例对象、模板类或它们之间的关系等概念被定义。这与计算机编程中的数据模型的建立方式相似。因此，与这一抽象层次相关的定义的概念作为实现第0层功能的数据后端的抽象接口。这一层有助于在没有详细了解实施情况的情况下与软件工程师舒适地协商实施细节。第1层是最重要的概念，因为它实现了面向对象的建模，这将在第2章和第5章讨论。关于实施建议，请参考《工业食谱》[DRA21]，特别是第3章和第4章，它们为出口商和进口商的软件开发支持提供指导。然而，第1层仍然不足以进行工程信息交换，因为它只定义了对象建模的语言，它是一个允许定义模型的元模型。它并不包括领域模型。

总结
第1层是关于第0层之上的纯对象建模语言。 CAEX，AutomationML的对象建模格式，是用于建模对象层次的数据格式。
它将对象语言元素定义为:

类 classes
属性 attributes
实例 instances
**接口 interfaces **
和链接 links

它涵盖了标准化语法上的结构语义，但数据模型的大多数部分仍然是数据，而不是信息。

Layer 2 – Semantics, Domain Models 语义学，领域模型

第2层 - 语义学，领域模型。在第二层中，所有的建模概念都被聚集起来，以表示AutomationML中的领域模型。领域模型是一个语义学的数据模型，它在类型层面上描述了一个领域的重要元素。领域模型是将数据转换为信息的下一步；领域模型的所有元素都是语义上的定义。工程模型的具体概念成为AutomationML项目的一部分，作为系统部分的通用模型或作为库中组织的对象实例。这使得在一个项目中使用的工程模型能够自动可靠地交换。例如，想象一下电气设计的文件。电气工程师所熟悉的概念模型被建立在AutomationML项目中。
创建的模型元素与AR-APC（应用推荐-自动化项目配置）相关联。关于AR-APC的更多细节，请参考工业食谱[DRA21]，特别是第11章ECAD和PLC工具之间的数据交换 - AR APC。虽然库中包含电气工程师的特定领域模型，但AR-APC模型代表了该领域的通用语义。领域模型是通过无缝工程信息交换节省时间和成本的先决条件。它们能够在语义层面上进行数据交换。第五章 AutomationML编辑器允许对第2层和第3层的用例进行具体建模。

总结
第二层是关于语义烘托在领域模型中，用第一层的语言元素创建。领域模型独立于AutomationML，可以在纸上画出草图，也可以用AutomationML进行电子化建模。领域模型可以是公司标准形式的专有性质，也可以是公共标准。领域模型表示类型信息，但不包括实例信息（实用性）。

Layer 3 – Payload exchange - 有效载荷交换

在这个最上面的第三层，AutomationML提供了对实例数据的访问方案，这些数据是半结构化的，没有冗余，并为传输而优化。此外，AutomationML的实例模型允许人们轻松地将数据与它所代表的现实相适应。实用主义被添加到语义数据中。例如，机器的个别定制很难适用于一般化的模型。在AutomationML中，你可以只定制一个实例或组，而不是改变整个模型。

总结
第3层是关于工程工具之间的最终信息交换，利用第2层领域模型。在这里，价值被创造出来，因为特定工程数据的有效载荷可以被导出、交换、导入和管理。这是信息，不是数据。

1.5.3 四层模型中的 AutomationML in the four-layers model

AutomationML支持所有描述层的全部范围。
它涵盖了XML序列化、对象模型的建模语言、专有或标准化领域模型的开发，并为迭代工程工作流中的有效数据交换提供了手段。然而，在文献和本书中，数据模型和信息模型这两个术语经常被同义使用。这种情况的发生，无视了信息模型在真正意义上比数据模型具有更高的价值的事实。

1.6 特意排除: 不适用的情景 Exclusions

然而，关于AutomationML的价值和目标的讨论也包括AutomationML的有意排除（E）。这些排除是AutomationML社区有意为之的，并详细说明了理由。

E1 - 只对信息模型进行编码 Only encoding of information models

AutomationML指定了一个元模型，以XML文件格式存储。
即使其模型的不同抽象层被用于对象关系映射到数据库，作为API规范的基础或信息投射到传输协议，它只是指定了信息模型的编码到XML的数据模型和数据类型。因此，AutomationML不提供任何自动一致性保护、变化管理或依赖性解决的手段，尽管它能够进行这种编码。指定和实现接管软件相关功能的工具，是工具制造商和流程工程师的责任。

E2 - 只有简单的一致性检查 Only simple consistency checks

除了简单的一致性规则，AutomationML不能，例如，检查文件中的组件组合是否有意义。使用AutomationML不能替代检查组件的版本是否被合理使用，数据是否出现两次，是否不匹配，或者是否由于某种原因而过时。数据的一致性是在相关工具的责任，AutomationML只能对来自工具的数据进行建模。因此，AutomationML数据的错误发生在源工具中或在向AutomationML转换的过程中。

E3 - 不提供工程过程的定义 No definition of an engineering process

AutomationML并没有定义工程流程。

其核心目标是弥补现有工具链与现有工作流程之间的基本差距。

没有要求以某种方式使用某些工具，也没有定义哪些步骤必须在哪些先决条件下执行，以实现某些工程结果。

AutomationML的目的是为已有的流程提供更好的技术支持，或启用新的流程。

E4 - 不提供工程的世界模型 No world model of engineering

AutomationML不提供工程的世界模型，也不为所有的工程学科提供包罗万象的本体论或数据库结构。

现有的公司自己的国家或国际标准过于多样化；

例如，设备属性的语义过于不同。AutomationML可以映射现有和未来的标准。

然而，定义、了解、解释和交换这些标准是参与数据交换的工具和项目伙伴的责任。

工具制造商可以使用AutomationML与其他工具交换共同的数据，对其进行部分细化，然后再次统一合并。然而，这所需的功能与工具有关，不应该与AutomationML混淆。

E5 - 不提供数据库 No database

AutomationML并不打算成为一个数据库。有多个工具可以读写数据到一个AutomationML文件的想法是误导的。AutomationML只是一种数据格式；它不提供任何数据库的功能，例如用户管理、授权管理或数据的锁定。相反，AutomationML是一个传输媒介。它可以保存一个软件工具先前以 "原样 "生成的工程数据。它不检查数据的有效性或完整性。

明确允许AutomationML可以模拟不正确和不完整的数据，因为中间状态经常要在工程中反复交换。

工程数据是一个变化的问题，只有在最终完成后才是完整和正确的。

1.7 规范 AutomationML Specifications

1.7.1 AutomationML IEC 62714 Series

AutomationML的目标之一是进一步确立为一个开放、自由的标准。

开放性首先意味着每个感兴趣的人都可以不受阻碍地访问这个标准。免费的一面有助于加快标准的传播，特别是在大学和创新公司。使用AutomationML来开发新的方法应该是没有障碍的，以便有意识地传播他们的技术。
如果工厂的工程数据已经在AutomationML中尽可能完整地提供，它可以在更小的有效工具和算法中用于进一步的工程步骤，例如:

用于更好的路径规划、
更强大的模拟、
自动可信性检查
自动生成机器人或PLC程序代码
以及用户界面。

因此，AutomationML的无成本特性也有助于促进更有效的工具的开发，以减少长期的工程成本。

一个开放的标准不仅意味着不受阻碍的使用，也意味着在标准化方面的自由合作。

只要不违背标准的目标，每个公司都可以通过加入和参与标准化工作小组来争取自己的利益。

例如，在早期的时候，大量的重点放在拓扑学、几何学、运动学和逻辑学上。其他主题最初被赋予较低的优先级，可以在任何时候进行。AutomationML协会的成员通过参与其他标准化机构，即Khronos集团和PLCopen，自己利用开放标准的原则，以便为进一步发展提出建议。随着2008年COLLADA 1.5和PLCopen XML 2.0版本的发布，AutomationML协会与相关委员会的合作已经成功实现。

标准的类型，无论是公司标准、联盟标准还是规范，都与产地和许可无关。一个公司标准可以获得相当大的市场意义，即使它只由一个公司定义。例如，戴姆勒公司的Integra标准对所有供应商都有重大影响，对于制造厂来说，这包括许多知名的自动化公司，无论大小。联合体标准是作为一个自由组成的公司集团的共同成果而产生的。它非常适用于快速使第一个规格可用，并在小的迭代步骤中灵活地整合进一步的要求。

在工业环境中的投资通常是长期性的，所以在当前的发展和成熟的技术之间的平衡行为总是至关重要的。如果一个漂亮的软件在三年内过时，制造商在五年内不再出现在市场上，但要控制的系统的设计寿命为15年，那么这个软件有什么用？
因此，在AutomationML协会看来，IEC标准化是长期稳定和规划的最佳基础。
在DKE中成立了AK 941.0.2 "AutomationML "工作组，作为IEC标准进行标准化。由于AutomationML的设计基本上是可扩展的，所以制定了一系列的标准；如图1-17所示:

IEC 62714-1 [IEC 62714-1:Ed2] 描述了AutomationML的
定义 definitions
一般概念 general concepts
架构 the architecture

对AutomationML的所有部分都有效–特别是对未来的标准部分，这些部分在第一部分立项时没有规定，以后将被添加。它定义了**层概念layer concept **的第1层layer1 和第2层layer2 的基本库。它在2012年作为国际标准的第一版发布。该标准的最新第2版于2018年发布。

IEC 62714-2 [IEC 62714-2:Ed1]于2015年发布，涉及第2层的基本行业特定基本库 (fundamental industry-specific basic libraries)，特别是角色库(role libraries)。这些库具有很高的附加值，因为它们允许工厂工程在很早的阶段就被指定，而不需要承诺特定的产品和版本。
标准化意味着提交的基本库不能再简单地被改变。因此，它们被从第一部分中分离出来，可以在很早的时候就被盯住。然而，用户定义库的创建和进一步发展是明确的；新的类直接或间接地从基础类派生出来是强制性的。这确保了新的和未知的角色的自动检测性。该部分的最新版本2目前在IEC标准化周期中处于CDV状态，预计将在2020/2021年发布。

IEC 62714-3 [IEC 62714-3:Ed1]于2017年出版
描述了用COLLADA进行几何和运动学建模。
modelling of geometry and kinematics with COLLADA.
它于2017年作为国际标准的第一版发布。

IEC 62714-4 第四部分[IEC 62714-4:Ed1]于2020年发布，涵盖了基于IEC 61131-10的行为建模 modelling of behaviour，用于
序列 sequences
联锁 interlockings
受控和不受控 controlled and uncontrolled
离散和连续行为 discrete and continuous behaviour

的建模, 并通过合适的引用机制 referencing mechanisms 将其整合到CAEX的拓扑描述中。它在2020年作为国际标准Ed.1发布。

IEC 62614-5用AutomationML规范了通信系统的建模。其第1版在2021年作为CD出版。

1.7.2 白皮书 Whitepapers

白皮书提供了AutomationML建模的通用规范，专门针对某个主题，包含建模规则和实例。

1.7.3 应用建议 Application Recommendations

除了白皮书之外，AutomationML协会还发布了应用建议（AR）。它们为某些工业领域指定了具体的领域模型，并提供了具体的AutomationML库供重复使用。

1.7.4 最佳实践建议 Best practice recommendations

最佳实践建议（BPR）记录了AutomationML协会关于如何对某些方面进行建模的建议，这些方面通常与领域无关，并且具有普遍意义，例如，-

如何对多语言属性进行建模 how to model multilingual attributes，
如何**引用外部文档 **how to reference external documents，
如何对正则表达式进行建模 how to model regular expressions

一些已发布的BPR是在AutomationML第二版Edition2 发布之前开发的，它们只与AutomationML第一版有关。AutomationML第一版的BPR已经被引入到AutomationML第二版标准中，因此它们不需要更新的BPR。如果一个BPR只与AML版本1有关，本书将介绍AutomationML 2中的当前实现。

1.7.5 可用性 Availability

所有提到的白皮书、应用建议和最佳实践建议都可以在[BookLink@]和[AML.org@ ]单独获得。相关的AML库可以直接在AutomationML编辑器中下载，如第5.5.5节中描述的如何导入AutomationML库。

1.8 The AutomationML association协会

1.8.1 发起人和成员 Initiators and members

开发AutomationML的主要驱动力是在一个异质的工程供应商的环境中需要更有效的自动化工程工作流程。在对其他行业的调查中，在计算机游戏的开发中也发现了非常类似的问题。三维人物在场景中移动，有关节和顺序逻辑，甚至可以虚拟地相互碰撞。复杂的、数据密集型的可视化不需要昂贵的工作站，而是可以用标准的PC或廉价的游戏机快速方便地计算和显示。
然而，这个行业现有的交换格式并不符合工业上对需要保持的公差和对运动学中复杂的依赖关系的描述的要求，例如对六轴机器人。在视频游戏中，有人打高或打低两三厘米并不重要–在汽车工程中，这最多只会导致低质量的汽车。多方面和精确的生产过程的表现，以及理想情况下他们进一步用于工业控制系统是不可能的。

1.8.2 参与的可能性 Possibilities of participation

随着AutomationML协会的成立，AutomationML联盟于2009年4月向感兴趣的成员敞开大门。该协会的目的是联合进一步开发和分发该标准。协会是指定一个法律实体作为数据格式的所有者的通常方式，这对于规范其使用权是必要的。然而，对进一步发展更重要的是AutomationML工作组，它是一个定期合作的平台。他们根据当前的主题灵活地组织起来。

一个协会对于一个开放标准的目标是必不可少的。开放不仅意味着开放发布，也意味着开放参与。每个公司或大学都可以成为会员，以便在工厂设计数据的交流中带来其利益。例如，过程自动化和过程工程师可以联合起来，为过程工业进一步开发一个角色库。

除了法律问题和组织进一步发展外，AutomationML协会还通过联合贸易展览会、培训、演讲和互联网（http://www.automationml.org）来传播标准。在那里，规格、样本软件和说明材料可供下载。该网站也可用于联系AutomationML成员，例如，回答问题。