用Python打造TIA Portal选型工具：从数据表到BOM清单的自动化实践

简介资源围绕西门子TIA Selection Tool选型工具展开面向自动化工程师、电气设计人员以及工业项目选型初学者旨在降低全集成自动化TIA项目初期的设备选型门槛。内容详细解读该工具的核心功能自动化选型、兼容性检查、TIA Portal集成导入、实时更新和报告生成并梳理了从启动软件、设定项目参数、搜索匹配设备、验证优化到最终导入TIA Portal的完整操作脉络。压缩包大小约53.96MB文件总数与类型明细暂无数据包内文件组织暂无法详细展开。当前已有831人学习浏览。借助这份资料读者能够快速建立西门子自动化设备选型的系统认知例如根据项目需求自动匹配PLC、HMI、驱动器等产品通过内置兼容性校验避免不匹配风险同时借助报告生成功能完善项目文档助力提升工程前期规划准确度、缩短选型周期并减少试错成本。1. 这个选型工具解决了我哪些实际麻烦在 TIA Portal 里做硬件选型我踩过的坑比很多人想象的要多。刚开始做项目那阵子我习惯翻开官方选型手册一页页找型号或者打开在线选型网页一个个条件勾选。可网络一慢、条件一多整个选型过程能拖掉大半天。更折磨人的是不同项目的工况千差万别这个项目要 64 点数字量输入下个项目变成 32 路模拟量 RTD再下个项目又要求模块带诊断功能、支持热插拔。如果每次都靠人肉比对订货号漏一个尾缀、记错一个电压等级等到现场通电才发现问题返工成本完全不可控。所以我花了差不多两周的碎片时间写了一个叫 tia-selection-tool 的小工具。它的定位很朴素在没有官方在线选型数据的情况下把项目里常用的 PLC、I/O 模块、电源、通信模块等信息整理成一份结构化选型库然后用脚本自动按工艺需求筛选输出包含订货号、兼容的 TIA 版本、固件版本和数量建议的清单。对经常做非标设备、整天在 TIA Portal 里组态的工程师来说这工具能实打实少走弯路。这篇文章会把我的设计思路、数据组织方式、关键实现代码和踩过的坑完整写出来。适合两类人看一类是准备自建选型工具的自动化工程师另一类是想把现有选型流程从“翻手册”变成“查表格”的现场技术员。工具本身不限制技术栈我用的是 Python Excel/CSV换成你顺手的方式也一样。1.1 为什么 TIA 项目里选硬件这么容易翻车要说清楚这个工具的价值得先聊聊人工选型为什么总出幺蛾子。首先是型号相似度太高。西门子的模块订货号大体有规律可循但相似型号之间往往只差一两个字符。比如同为数字量输入模块16 通道和 32 通道的订货号中间几位很像第一次接触的人很容易看走眼。等到图纸设计完、接线做了一半才发现通道数不够或者电源类型不匹配整个电柜都要跟着改。其次是版本兼容性容易忽略。TIA Portal 的版本、CPU 的固件版本、模块的固件版本三者之间存在一张隐形的“兼容性矩阵”。同一块模块在 TIA V15 里能组态在 TIA V13 里可能直接报错CPU 固件升级了老版本的模块又可能不在支持列表里。人工查这些信息的时候往往要到官网翻 Release Notes翻着翻着就迷失在一堆版本号里。第三是信息分散。选型手册里能看到电气参数价格表里能看到订货号和货期但把“工艺需求”翻译成“具体型号”这个过程始终没有一个统一的载体。同一个 DI 模块在图纸里要写型号在采购清单里要写订货号在 TIA Portal 里又要搜固件版本。信息一旦分散漏同步就是必然。我遇到的另一个高频问题是停产型号EOLEnd of Life没能及时识别。项目方案里如果引用了已经停产的模块轻则采购找不到货重则被迫改整个柜内布局。人工核对这类信息说句实话基本靠运气。1.2 工具的功能边界和典型使用时机tia-selection-tool 不是要替代官方选型工具它解决的是“在自己熟悉的工程体系里快速得到靠谱候选清单”这件事。官方在线工具适合从零选型数据全、参数新但使用体验对现场工程师并不友好而且很多企业内网环境下访问并不顺畅。这个本地工具则把选型知识沉淀成团队自己的资产。实际项目中我会在三个节点用到它方案设计前根据工艺点表和供电方式快速跑出 CPU、DI/DO、AI/AO 模块的初步清单作为报价和图纸设计的底稿。图纸设计时把选型清单里的订货号拿到 TIA Portal 硬件目录里逐个核对同时检查固件版本是否能被当前 TIA 版本接受。采购下单前从工具导出的 BOM 清单直接交给采购避免型号描述和订货号对不上造成的沟通成本。工具的使用对象不只是电气工程师项目经理、采购专员甚至调试工程师都能用前提是数据表维护得足够干净。这也是我后面反复强调数据治理的原因。2. 整体方案设计一个选型工具该有的核心模块写这个工具之前我先列了三个硬性要求第一数据要透明任何人打开表就能看、就能改第二筛选逻辑要可解释不能是黑盒推荐第三输出要能直接落地最好导出 Excel 就能用于报价和采购。基于这三点我最终把工具拆成了四个模块设备数据库、筛选引擎、兼容性检查器、输出生成器。2.1 选型数据模型怎么建设备数据库是整个工具的命脉。我见过不少人一上来就想着把西门子全系列目录导进去结果数据量太大、字段定义不统一工具做了一半就烂尾。更务实的做法是只维护自己团队真正会用的型号大概覆盖一到两百个常用模块就够了。我的数据表字段设计如下每一列的价值都很明确字段说明示例category设备分类用于粗筛DI、DO、AI、AO、PS、CPU、HMImodel产品短名称SM 521 DI 16x24VDCorder_no完整订货号6ES7521-1BH10-0AA0signal_type信号类型区分 DI/DO/AI 等DIchannels通道数16voltage输入/供电电压24V DCmounting安装方式DIN 导轨tia_versions兼容的 TIA 版本集合TIA V13 SP1firmware模块固件版本要求V1.0status生命周期状态active / EOLalternative替代型号订货号6ES7521-1BH10-0AA1remark备注如特殊接线要求带诊断功能这里有个关键决定所有字段统一存成字符串。为什么因为 Excel 和 CSV 在读取数字时经常自作聪明地把“001”变成“1”订货号这种前面带 0 的字符串一旦被转成数字后面所有匹配都会出问题。统一字符串之后虽然筛选时要做类型转换但数据一致性大大提高。字段定了之后还要定数据更新节奏。我自己的习惯是每个季度花一个下午对照官方选型软件或者代理商给的最新价格表把 status 和 alternative 两列刷新一遍特别是把已经 EOL 的型号标记出来把替代型号填上。这个动作比写工具本身重要得多。2.2 筛选逻辑与兼容性检查筛选引擎的核心是“按条件缩小候选集”。输入侧通常是这么几个条件设备分类、信号类型、最小通道数、电压等级、安装方式。输出侧则是在候选集基础上再叠加两个检查兼容性检查和生命周期检查。兼容性检查分两个层面。第一层是模块固件与 TIA 版本的兼容我直接在数据表的 tia_versions 字段里维护筛选时把当前项目的 TIA 版本传进去做字符串匹配。第二层是模块与 CPU 的电气兼容比如 24V DC 输入模块不能配在 220V AC 环境下这一层靠 signal_type 和 voltage 字段的组合来完成。无论哪一层工具都只做初筛最终结论一定以官方手册为准这是我一直坚持的原则。生命周期检查则简单得多凡是 status 字段被标记为 EOL 的型号直接进黑名单如果有 alternative 字段就把替代型号作为推荐结果放进去同时在导出清单里注明“原型号已停产建议更换”。2.3 为什么坚持“本地数据表轻量脚本”这套组合有人会问为什么不上一个 Web 平台几个人一起在线维护不好吗我的答案是方案的复杂度要匹配团队的协作习惯。对绝大多数自动化团队来说Excel 就是最普及的数据协作工具。工程师、项目经理、采购都能打开看不需要专门培训也不需要额外的服务器权限。轻量脚本解决的是“从数据到结果”的最后一公里这部分用一两百行代码就能写得很扎实。相比之下搭一个带权限管理的 Web 平台看起来高级但维护成本和数据安全责任都会上升对一个小团队来说反而成了负担。等团队真的到了需要多人并发编辑、需要流程审批的阶段再把脚本的筛选逻辑迁移到服务端也不迟。我现在这个工具保留了清晰的接口边界将来要扩展成后端服务大部分代码可以直接复用。3. 实操步骤从零实现一个可用的选型工具下面我把实现过程完整走一遍代码用的是 Python 和 pandas。环境只需要 Python 3.8 以上外加 pandas 和 openpyxl 两个库安装命令是pip install pandas openpyxl。3.1 第一步搭建设备数据库我先在 Excel 里建一张名为device_db.xlsx的表字段就是上面那张表的结构。示例数据长这样categorymodelorder_nosignal_typechannelsvoltagemountingtia_versionsfirmwarestatusalternativeremarkDISM 521 DI 16x24VDC6ES7521-1BH10-0AA0DI1624V DCDINTIA V13 SP1V1.0active支持中断DISM 521 DI 32x24VDC6ES7521-1BL10-0AA0DI3224V DCDINTIA V13 SP1V1.0active支持中断DOSM 522 DO 16x24VDC6ES7522-1BH10-0AA0DO1624V DCDINTIA V13 SP1V1.0activeAISM 531 AI 8xU/I/RTD6ES7531-7KF00-0AB0AI824V DCDINTIA V14 SP1V2.0active可配 RTDCPUCPU 1511-1 PN6ES7511-1AK02-0AB0CPU024V DCDINTIA V15V2.8active集成 PN 口DISM 521 DI 16x24VDC 诊断6ES7521-1BH10-0AA1DI1624V DCDINTIA V13 SP1V1.0EOL6ES7521-1BH10-0AA0老版本停产注意上面这些订货号只是我用来演示逻辑的样例实际项目中请以官方选型软件或授权代理商提供的资料为准不要直接照抄。这个小表虽然简陋但已经覆盖了 DI、DO、AI、CPU 四类常用设备也包含了 EOL 和替代关系的场景足够用来演示工具的工作流。3.2 第二步写筛选引擎我习惯把代码分成三个函数加载数据、条件筛选、兼容性检查。下面这段是完整的示例可以直接复制运行。import math import pandas as pd def load_device_db(path: str) - pd.DataFrame: 加载设备数据库确保所有字段以字符串读入。 df pd.read_excel(path, dtypestr) df.columns [c.strip() for c in df.columns] for col in df.columns: df[col] df[col].astype(str).str.strip() return df def filter_devices(df: pd.DataFrame, category: str None, signal_type: str None, min_channels: int None, voltage: str None, tia_version: str None, include_eol: bool False) - pd.DataFrame: 根据条件过滤设备表。所有条件都是可选的None 表示不过滤。 mask pd.Series(True, indexdf.index) if category: mask df[category].str.contains(category, caseFalse, naFalse) if signal_type: mask df[signal_type].str.contains(signal_type, caseFalse, naFalse) if min_channels is not None: mask df[channels].astype(int) min_channels if voltage: mask df[voltage].str.contains(voltage, caseFalse, naFalse) if tia_version: # 简单的版本前缀匹配实际使用时可改成更严格的版本比较 mask df[tia_versions].str.contains(tia_version, caseFalse, naFalse) if not include_eol: mask df[status] ! EOL return df[mask].copy() def calc_module_qty(channels_per_module: int, required_channels: int) - int: 计算满足需求通道数的最少模块数量。 if channels_per_module 0: return 0 return math.ceil(int(required_channels) / int(channels_per_module))筛选时要注意一个细节pandas 的str.contains默认做子串匹配这意味着筛选 DI 的时候不会误匹配到 DO因为“DI”不是“DO”的子串。但如果数据表里字段命名不规范比如把“数字量输入”写成了“DI/DO”子串匹配就可能出问题所以在数据维护阶段就要统一枚举值。3.3 第三步输出选型清单与 BOM筛选完成后我需要一眼看到每类设备该买几个还要导出成 Excel 给采购用。于是写了一个generate_selection_report函数它的工作是把同一个 category 下的模块合并计算总通道数、所需模块数量并把结果写进 Excel。def generate_selection_report(df: pd.DataFrame, output_path: str): 根据筛选结果生成选型清单和 BOM。 if df.empty: print(没有满足条件的设备请放宽筛选条件。) return # 选型清单按分类和设备名称排序 df_sorted df.sort_values([category, model]) # 示例假设一个点位表有 48 个 DI 和 24 个 DO统计需要的模块数量 summary [] for category in [DI, DO, AI, AO]: sub df[df[category] category] if len(sub) 0: # 取第一个满足条件的型号作为推荐实际可根据项目策略调整 recommended sub.iloc[0] qty calc_module_qty(int(recommended[channels]), demand_map.get(category, 0)) summary.append({ category: category, model: recommended[model], order_no: recommended[order_no], channels_per_module: recommended[channels], required_channels: demand_map.get(category, 0), module_qty: qty, tia_versions: recommended[tia_versions], status: recommended[status], }) if not summary: print(没有匹配到任何设备请检查点位表和数据库。) return result_df pd.DataFrame(summary) with pd.ExcelWriter(output_path, engineopenpyxl) as writer: df_sorted.to_excel(writer, sheet_name候选清单, indexFalse) result_df.to_excel(writer, sheet_nameBOM汇总, indexFalse) print(f报告已生成{output_path}) print(result_df)实际调用时我会先声明一个点位表也就是统计出来的各分类通道需求demand_map {DI: 48, DO: 24, AI: 8, AO: 0} df load_device_db(device_db.xlsx) candidates filter_devices( df, categoryNone, signal_typeNone, min_channels16, voltage24V DC, tia_versionTIA V15, include_eolFalse, ) generate_selection_report(candidates, selection_report.xlsx)从结果看48 个 DI 用两个 16 通道模块就够24 个 DO 用一个 16 通道模块加一个 8 通道模块才能最优但为了简化演示我的逻辑暂时只会推荐第一行满足条件的型号实际工程中你可以做“多方案组合优化”或者直接让候选清单保留所有满足条件的模块由人来决定最终怎么组合。3.4 与 TIA Portal 工程联动的几个细节工具输出只是第一步真正要让选型结果落地到 TIA Portal 工程里还有几个细节值得注意。第一订货号核对一定要到 TIA 硬件目录里做。我见过不少人在 Excel 里确认了型号结果在 TIA Portal 里搜订货号时发现版本对不上。这里有个经验TIA Portal 的硬件目录里能直接看到模块支持的最低 TIA 版本拿这个版本号去和工具里的 tia_versions 字段比对比双方口头确认可靠得多。第二固件版本要区分“离线组态版本”和“在线实际版本”。离线组态时你可以在 TIA Portal 里给模块指派一个固件版本但如果现场模块实际固件更老下载组态时就会报错。工具里的 firmware 字段应该写“允许离线组态的最低固件版本”这样筛选结果才具备参考价值。第三清单同步到 EPLAN 或者 CAD 时订货号千万别用缩写。我知道有些老师傅喜欢在图纸里写“DI16x24VDC”觉得所有人都懂。但采购和电气柜装配工人不一定按这个缩写去订货最终对不上号又回来找你。工具导出的 Excel 里永远保留完整订货号图纸里也建议写完整型号。4. 常见问题与避坑指南工具运行起来容易真正考验人的是数据维护和边界情况处理。我把自己遇到过的问题整理成一份速查表很多都是在实际项目里花过时间排查才找到原因的。4.1 数据维护中常见的坑问题现象处理办法订货号被 Excel 自动转成数字前导 0 丢失筛选完全失效读数据时统一指定 dtypestr维护表中给订货号列设置文本格式中文乱码读 CSV 时出现“锟斤拷”用 utf-8-sig 编码读取或者直接用 xlsx 格式信号类型命名不统一同时存在“DI”“数字量输入”“DI/DO”条件筛选漏数据在建表规范里强制统一枚举值并在筛选前做一次字段标准化EOL 型号未及时标记推荐采购清单里出现停产模块每季度对照最新价格表刷新 status 和 alternative通道数与实际不符同样叫“SM 521”不同版本通道数可能不同维护时以官方手册的“通道数量”字段为准不要凭记忆填写这里我想特别提一下替代型号的维护。过去我图省事只在 remark 里写一句“停产了用新的代替”后来筛选逻辑根本没法自动处理还得人为去查。后来专门加了一列 alternative并且在筛选引擎里加了一条规则如果候选集中某个型号的 status 是 EOL但 alternative 非空就把替代型号自动拉进推荐结果同时保留原型号便于追溯。改了这一个字段后面省下的时间远超预期。4.2 排查思路与工程化建议如果你的筛选结果为空或者明显不符合预期我建议按下面的顺序排查第一步检查数据表编码和字段类型。字符串被转成数字是最常见的隐形杀手先用df.dtypes看一眼每一列的类型再把“前导 0 消失”的字段找出来。第二步拆解筛选条件。不要一次性把所有条件都带上先只按 category 筛选再逐步叠加 min_channels、voltage、tia_version看到底是哪一步把候选集筛没了。第三步检查数据本身的准确性。有时候不是筛选逻辑错了而是数据表里某一行把型号写错了比如 DI 模块的 signal_type 被填成了“DO”子串匹配自然搜不到。工具维护到一定阶段还可以往工程化方向升级比如把 device_db.xlsx 纳入 Git 版本管理每次修改都能追踪变更历史比如在多个项目共用一个选型库时增加“项目专属覆盖”机制避免一个团队改了数据影响其他项目再比如将来如果团队规模扩大可以把筛选引擎封装成 HTTP 接口前端接一个简单的页面让不会 Python 的同事也能用。我个人对“工具”有个固执的看法不要追求功能又多又全能把“选型数据统一管理”和“按需筛选输出结果”这两件事做得顺手就已经达到 80 分。剩下 20 分来自使用者对数据的持续维护。最后再分享一个小技巧每次做完一个项目把这次选型中实际用到的型号、走的弯路、和官方手册不一致的地方都回填到 device_db.xlsx 的 remark 列里。几个月之后你再打开这个工具它会变成团队里最有价值的“私有选型手册”比任何付费软件都更贴合你们自己的业务。本文还有配套的精品资源点击获取