懂设备,不一定懂编程
梯形图写得很熟,但 Python、MQTT、GUI 框架是另一套技能,学起来要花很多时间。
AI for OT · 面向 OT 人员的 AI 程序开发
最懂设备的是现场的 OT 人员:PLC 工程师、设备工程师、自动化工程师。Falcon 把 PLC 与 HMI 的通信变成 AI 能理解的 JSON-RPC 数据,你只要用现场的说法描述需求,AI Agent 就能写出程序,并在回放数据上自己测试到通过为止。
梯形图写得很熟,但 Python、MQTT、GUI 框架是另一套技能,学起来要花很多时间。
一个监控画面、一份报表,交给 IT 要排队好几个月,需求还常常被误解。
程序写错可能影响生产,只能等停机或检修才能测,一年没几次机会。
Falcon + AI Agent
关键在于:AI 需要能理解的数据,以及可以放心犯错的测试环境。Falcon 两个都提供。
直接说「D100 是冲压压力,单位 0.1 bar」。点位以 JSON-RPC 呈现,AI 能把你的说法对应到实际数据。
开发和测试都用录制的现场数据。AI 写错了只影响你的电脑,产线完全不受影响。
Agent 会运行程序、比对回放数据、发现错误自己修,你拿到的是已经验证过的结果。
产出的是标准 Python 与 PySide6,看得懂、改得动,不会被绑定在某个封闭平台。
用 OT 人员平常的说法就好,不需要懂编程术语。
用 Falcon 录制一段实际生产的通信 log。
告诉 AI Agent 点位代表什么、想看到什么。
Agent 写程序、跑回放、修错误,直到全部通过。
在回放画面上确认结果,再切换到现场 MQTT Broker。
> D100 是冲压压力,单位 0.1 bar;M20 是主电机运行。压力超过 120 bar 持续 3 秒,画面要闪红灯,并把时间和压力记录到 CSV。
● 从回放 log 找到 D100、M20,D100 范围 0–1350(= 0–135.0 bar)
● 编写报警逻辑、红灯组件与 CSV 记录(PySide6 + paho-mqtt)
● 用 log.replay 回放 shift-a:检测到 2 次超压事件
↻ 第 2 次超压只持续 2.4 秒却触发报警:修正计时逻辑后重测
✓ 完成:1 次报警、CSV 1 条,与回放数据一致
Use cases
这些过去要找 IT 或外包的工作,现在可以自己完成。
把现场 HMI 的关键数值搬到办公室或主管的电脑上。
定时记录点位数值,输出 CSV 或 Excel 日报、班报。
超出上下限、持续时间过长、状态异常时自动通知。
从运行、停机、产量点位自动计算稼动率。
从录制的通信自动整理出 HMI 实际使用的点位与数值范围。
回放同一段数据,比对 PLC 程序修改前后的行为差异。
可以。你只需要用现场的说法描述需求,例如点位代表什么、要在什么条件下做什么。程序由 AI Agent 编写并测试,你在画面上确认结果是否正确即可。
任何能编写并运行 Python 的 AI coding agent 都可以,例如 Claude Code。Falcon 提供的是标准 JSON-RPC 与 MQTT,不绑定特定 AI 服务。
不会。开发时只用录制的 log 回放;上线后程序也只能通过 Falcon 的 JSON-RPC 方法访问点位,而且写入需要另外授权。
可以。生成的是标准 Python 与 PySide6 代码,可以自己修改、交给同事维护,或再让 AI 协助调整。
传统软件功能固定,定制要找原厂或系统集成商。Falcon 配合 AI,让 OT 人员按自己的需求快速做出专用工具,并且可以在回放数据上完整验证。
告诉我们你的 PLC / HMI 型号与现场需求,销售团队会在一个工作日内回复导入评估与报价。