與380+全國社友，構建工業互聯網認知框架

柴天佑

（作者系中國工程院院士、國家自然科學基金委員會信息科學部主任。）

工業製造分兩類：離散製造和流程製造。這兩類製造在生產線上基本上看不出差別，其實底層的工業裝備、控制系統不同。一般而言，控制系統保證了產品的自動化。但是，在有些情況下產品無法實現自動化，其中一種情況就是個性化定製。

個性化定製要求底層的工業裝備能夠加工不同的產品。這要求裝備一定是智能化的，且控制系統要變成智能系統，以感知不同裝備、工藝。但是，當前的生產線無法解決個性化定製的高效化——這也是工業4.0提出的重要目標之一。

工業製造仍依賴知識工作者

現在的工業流程，就是把參數確定好，把生產線變成 “黑燈工廠”。但如果原料或產品品種發生改變，工藝就要重做。這需要決策部門進行指標的調整，再由工程師將其設定在控制系統之中。

這正是自動化系統的現狀。自動化系統的結構，其實就是人與信息物理系統融合的系統，也就是人參與的信息物理系統——信息系統得到的信息跟人的感知、認知得到的信息綜合用以進行分析和決策。

比如特高壓輸電和選礦系統。雖然生產線是完全自動的，但為了得到不同的產品，都要重新進行分析、設計，把人為設置參數指令放到生產線。也就是說，流程中需要工程師等知識工作者的參與。

這樣的系統存在哪些問題？人的決策行為制約其發展。為什麼？原因在於人難以感知動態變化的運行工況，也難以及時處理異構信息。另外，人的決策是有主觀性的，不同人的決策是不一樣的，這就不能夠保證整個生產線是高效、全優的。

實現智造的三大挑戰

鑑於此，未來怎麼做？要想實現個性定製的高效化、流程工業的全局優化，就要把現在的人和控制系統、裝備變成自主系統，把系統管理系統變成人機合作的決策系統。

這和原來的系統區別在於，它具有了感知、認知、決策功能，且其最終的目標是高效化和最優化的方向，如此企業生產結構、效率將會發生根本性的改變。

現在的生產結構是三層：企業資源計劃系統、製造執行系統和離散裝備控制系統（流程製造中叫做過程控制系統）。未來要變成兩層結構：底層都是自主系統，上層為人機合作的決策優化系統，這便是未來製造流程的遠景。

這會帶來哪些挑戰？我認為有三點。第一個挑戰是，人工智能的典型代表是基於大數據的深度學習，但是深度學習直到現在並沒有完全應用於製造流程。

在智能製造領域有三個難題：多尺度、多元信息的獲取，預報模型，把決策和控制過程集成。這三個難題可歸納為多尺度、多元信息的動態感知。要實現智能製造，這是必須要解決的問題。

第二，在製造中人工智能要想比人出色，就要對產品質量，對於能耗、物耗包括運行狀態有預測和追溯。所謂追溯就是出現問題以後，能夠感知到底是由哪道工序或動作導致的。

第三個挑戰是把決策和控制進行集成優化。

“小數據大任務”的問題

今天的人工智能分兩種：強人工智能和弱人工智能。強人工智能指和人相比具有全面的智能，但相當一部分科學家認為這無法實現；弱人工智能是在特定場景下比人做得好，就如今天的自動駕駛、機器人下棋可以做得很好，但它做不到兩者兼備。第三次人工智能浪潮的迭起源於大數據、強大的計算和深度學習算法。我認為未來人工智能必須走向智能系統。

AlphaGo為什麼不能在工業中應用？原因在於它是在一個完全確定的規則中，計算機可以瞭解所有的規則，並且在博弈過程中可以建立可試錯的精確決策模型用以離線訓練，一直訓練到可以戰勝人類。另外，它的決策是一個單目標——就是輸贏，它可以用大量的計算機，且不考慮能耗。

而工業過程的決策是在開放環境下，規則不確定，工業過程難以建立決策可試錯的模型。而且工業過程的決策是多目標、相互衝突的，比如要想把質量做好並不等於成本最低。

可以說，目前的人工智能技術、博弈技術，屬於“大數據小任務”，而工業將來遇到的問題決策是“小數據大任務”——工業大數據對計算機而言都是小數據。

工業人工智能四大關鍵技術

人工智能的最終目標，主要是實現人的智能行為的自動化和複製。從這個意義上來講，人工智能不是單一的技術，而是用於特定任務的技術集合。

那麼，什麼是“工業人工智能”？為什麼要發展工業人工智能？

工業人工智能在國際上開始被提出，包括美國提出的工業人工智能、德國提出的“與經濟結合推動智能”。在我國，中國工程院編制的關於新一代人工智能的發展規劃，也提及要研究如何用人工智能解決智能製造的問題。

總結來說，工業人工智能目前在製造流程中主要完成三項工作：運行工況多元信息的感知和認知，工作經營層、生產層、運行層的協同決策，以企業綜合生產指標優化為目標自動協同控制裝備的控制系統。

這三件事目前都是知識工作者在做的，如何實現自動化和智能化將是工業人工智能的重要方向。

這裡有幾個關鍵技術要解決：第一是關鍵技術複雜工業環境下運行工況多尺度、多元信息的智能感知和識別技術，第二是複雜工業環境下基於5G多元信息的快速可靠的傳輸技術，第三是系統辨識與深度學習相結合的智能建模、動態仿真和可視化的技術；第四是關鍵工藝參數和生產指標的預測和追溯技術；第五是人機合作的智能優化決策技術，特別是結果端、邊、雲協同實現智能算法的技術。只有攻克了這些技術，才有可能使工業發生革命性的改變。

長期深度聚焦 、 、 、 等。歡迎加入研習社「頭條圈子」，獲得行業報告/白皮書無刪減版，圈友可私信申請下載50+行業深度研究報告/白皮書PDF版全文。

工業互聯網研習社頭條圈子