2024年11月6日，美国总统大选，最后花落川普。这次感受是最大摇摆州不是宾州而各位朋友圈和抖音。2016年特朗普上台对中国掀起的贸易战，那这次特朗普上台后对中国工业自动化市场的影响是多方面的，可以从以下几个角度进行详细分析：

1. 贸易政策影响

特朗普在任期间对中国商品加征了高额关税，并多次威胁要升级贸易战。这种贸易保护主义政策对中国工业自动化市场产生了直接影响，尤其是在出口导向型的工业自动化企业。加征关税导致中国工业自动化产品在美国市场的竞争力下降，出口量减少，进而影响企业的盈利能力和市场扩张。

引言

在现代工程中，传感器就像不可或缺的“哨兵”，默默无闻却至关重要。PNP（正负正）和 NPN（负正负）传感器是常见的传感器类型，它们各自在特定环境中表现出色。本文将深入浅出地介绍它们的工作原理和区别，帮助你在实际应用中做出正确的选择。

1  PNP 传感器原理

PNP 传感器可以类比为“推送型”设备，它通过 PNP 晶体管来监测物体的接近。这种传感器由两个正极（P 区）和一个负极（N 区）组成，如下图：

近日，霍尼韦尔宣布计划将其高性能材料业务分拆为一家独立的美国上市公司，预计于2025年年底或2026年年初完成。

谈及此次分拆计划，霍尼韦尔董事长兼首席执行官柯伟茂（Vimal Kapur）表示，这次分拆是优化霍尼韦尔产品组合的最新举措，是其在领导公司第一年制定的一项关键优先事项。通过战略性收购和剥离高质量但非核心业务的有力联合，霍尼韦尔将继续优化投资组合，与自动化、未来航空和能源转型三大发展趋势同频共振。

今年已投入超90亿美元并购

2023年6月，柯伟茂正式担任霍尼韦尔首席执行官。按照既定目标，到2025年，霍尼韦尔将至少投入250亿美元用于高回报资本支出、股息、机会性股票购买和增值收购，目前霍尼韦尔正按计划超额完成这一承诺，2024年迄今已投入约90亿美元用于收购。

在计划分拆高性能材料业务之前，过去的12个月里，霍尼韦尔已宣布了四笔收购。对此，霍尼韦尔方面表示，其专注于高回报的收购，这将推动其投资组合的未来增长，并顺应三大发展趋势。

中国上海，2024年11月5日——今日，在第24届亚洲国际物流技术与运输系统展览会（CeMAT ASIA 2024，亚洲物流展），全球能源管理与自动化领域的数字化转型专家施耐德电气以“提质增效，创造数字化物流影响力”为主题，携覆盖三大层级、五大场景的物流行业整体解决方案亮相，向广大行业观众展示了施耐德电气在数字化和自动化领域的创新技术与专业能力，以及携手业界伙伴赋能物流数智化建设的实践成果。

在2024年工博会上，西门子带来了三款工业界的“重磅新品”：SIMATIC S7-1200 G2 PLC、SIMATIC IPC和西门子工业边缘。它们不仅展示了西门子在工业自动化、人工智能和边缘计算方面的强大实力，还成为全球制造业数字化转型的可靠基石。以下是工程师视角的“走心”解读。

SIMATIC S7-1200 G2 PLC

新一代控制器，奠定自动化新基石

PackML - 复杂包装生产中的“化繁为简”

对于CPG（Consumer Packed Goods）领域，包括食品饮料、制药、个人护理品这些产业而言。其不变的就是“变化”—这对于系统的应变能力提出了需求。尤其在于设备的软件，如何被快速“重构”，以能解决产线的快速换型，以及OEE的提升。要解决“重构”问题，就得回到工程设计阶段的“解构”—即，我们如何分解机器的模块，以实现最有效的模块拆分，并能基于简单的机制，来实现模块间的协作。

这就是机器软件系统设计的核心思想，它不仅适用于包装工业，同样，每个机器装备制造业都是具有相通性的。PackML作为包装机器语言 ，是自1990年代即由OMAC组织建立并持续升级的通信规范，并作为OPC UA的行业信息模型。但它背后，同时又是机电系统模块划分、协作机制的工程设计思想的经典体现。本文剖析这种工程设计思想，以期机器设计人士有所启发

AI正在成为一种热潮，不断的引发产业的关注。而在制造业，AI同样正在成为各个自动化厂商、机械制造商、用户关注的焦点。作为自动化领域的技术领导企业，贝加莱一直在关注着AI的进程，并在其产品技术研发、工程实践中，不断的引入AI来解决实际制造业中的问题。

人工智能-隐性知识的挖掘

自动化系统正是用机器和系统来代替和帮助人的工作，而因此，机器和系统需要像人一样的思考。而人的思维方式主要是演绎法和归纳法，我们可以理解为对应了物理建模（Physics-based Modeling）和数据驱动建模（Data-Driven Modeling）。物理建模具有良好的可解释性、可预测、算力低、安全等优点。但是，它并不产生新知识，并且，它的控制是在既定规则下的控制，具有局限性。而工程中更多的隐性的知识，如隐藏在技师脑中的经验，它无法被有效的描述进而复用。并且，工程中必然存在着大量的不确定、非线性问题，尚未被认知，因此，通过数据驱动的建模，包括统计学、机器学习，深度学习的方式是更好的知识挖掘—而“学习”是人工智能的基础能力。

引言

在工业自动化编程中，练习逻辑思维和算法设计是学习 CODESYS 结构化文本（ST）语言的重要步骤。本文通过解决一个经典的数学问题，帮助您在实践中提高 ST 语言编程能力。本文适合初学的小白，老鸟可以略过了，或者提供更先进的算法思路，我门共同进步。

1  问题描述

爱因斯坦提出了一道有趣的数学题：对于一条长阶梯，若每步跨 2 阶，则最后剩 1 阶；若每步跨 3 阶，则最后剩 2 阶；若每步跨 5 阶，则最后剩 4 阶；若每步跨 6 阶，则最后剩 5 阶。只有每次跨 7 阶时，最后才正好一阶不剩。问题是，在 1 到 n 内，有多少个数能满足这些条件，并记录这些数字。

2  程序设计思路

我们需要遍历从 1 到 n 的每一个数字，检查它是否满足上述所有条件，并将满足条件的数字存储到数组中。

3  程序代码