作者 | 甘曉
6月的長沙，新冠疫情趨於平穩，各行各業按下“重啟”鍵。
中南大學自動化學院教授、中國工程院院士桂衛華心中的大石頭逐漸落了地。
幾個月來，他所關心的一家有色金屬冶煉智能工廠在疫情期間沒有傳來停工停產的消息。
“沒有消息就是好消息。”桂衛華認為，這意味著他們研發的冶金自動化關鍵技術穩定可靠。
從2014年到2019年，在國家自然科學基金創新研究群體項目（以下簡稱創新群體項目）支持下，桂衛華作為學術帶頭人，圍繞複雜有色冶金過程控制理論、技術與應用開展研究。
他們以人工智能為抓手，給有色冶金過程加點“智慧”，助力有色金屬工業轉型升級，以期實現綠色高效生產。
桂衛華院士（前排中）和學生們討論科研工作 課題組供圖
自動化科學的“閉環”
改革開放以來，我國作為製造大國，有色金屬產量和消費量連續16年位居世界第一。
但是，與工業發達國家相比，我國在能耗利用、環境汙染防治和礦物回收率等方面都存在較大的差距，主要原因之一正是我國有色冶金自動化水平低。
在幾十年的科研生涯裡，桂衛華對此深有體會。作為有色冶金企業的常客，如今站在自動化程度頗高的智能工廠裡，他不禁回想起曾在鋁廠當電工的歲月：“環境很糟糕，生產效率很低。”
這段艱苦的切身體驗促使他一直在思考，工業生產中如何使設備實現自動化，減少人為操作帶來的質量不穩定、效率不高等問題，從而讓生產過程最大限度地節約能源、降低能耗物耗，最終實現綠色高效生產。
“自動化學科的最大特點便是與工業生產緊密結合。”桂衛華告訴《中國科學報》，“做自動化科學與技術研究，必須深入瞭解工藝流程和生產過程的實際需求。”
2014年，桂衛華帶領的團隊獲得創新群體項目資助，為他們在自動化理論上取得進一步突破注入了強心劑。2017年，團隊獲得第二期延續資助。
多年來，他們總結出自動化科學的完整“閉環”。“在工業生產中挖掘發現關鍵技術難題，提煉科學問題、解決科學問題，最後創造性地提出有效解決方案。”桂衛華強調，“最重要的是最後能夠落地，切實給工業生產帶來變化，為國民經濟發展添薪續力。”
“千錘百煉”促可持續發展
從生產中來、到生產中去，在創新群體項目支持下，科研人員直面國家產業發展重大需求。
有色金屬在我國國民經濟、軍工等方面地位特殊，屬國家重要的戰略資源。
這些年來，桂衛華帶領團隊跑遍全國，在大大小小的有色金屬生產企業裡“千錘百煉”，著力自主創新，建立適用於我國有色冶金過程特點的智能優化製造關鍵技術，並進行工程應用研究，促進我國有色金屬工業實現大幅節能降耗減排和可持續發展。
例如，針對鋁電解生產環境惡劣，電解槽內多相多場耦合強烈、工況多變、控制困難造成生產能耗高、汙染嚴重的問題，團隊提出了基於多相—多場耦合仿真的大型鋁電解槽結構、工藝與控制器綜合優化方法，解決了大型鋁電解槽在低電壓下的高效節能難題，形成了具有自主知識產權的大型鋁電解槽低電壓節能優化控制技術。
據瞭解，基於這一新技術開發的新一代全分佈式鋁電解高效節能控制系統，已應用到多家鋁廠的多條生產線。
相關成果獲2014年度國家科技進步獎二等獎。
針對我國鋅精礦的特點，圍繞溼法煉鋅工藝中的建模、優化與控制難點問題，團隊研發了具有自主知識產權的浸出、淨化、電解等主流程工序的優化控制技術，對提高溼法煉鋅工藝的原料適應能力、降低生產過程中的能耗和物耗、提高有價金屬的回收率發揮了重要的作用。
研究成果應用於我國鋅冶煉的龍頭企業——株洲冶煉集團，大幅降低鋅粉消耗和噸鋅電耗，為複雜資源條件下的鋅冶煉穩定優化運行提供關鍵技術支撐。
“求實”的向心力
桂衛華領銜的這一團隊，是我國最早從事有色冶金自動化的研究團隊。“老實做人，踏實做事”，是團隊40年來沉澱的價值觀。
這句話源自一份禮物。2003年前後，中南礦冶學院（中南大學前身）1978級全體研究生在入學30年之際計劃給母校送一份禮物，桂衛華也是其中一員。
“我一直在想，我的老師、我的母校給予我最重要的東西是什麼，我想到了‘求實’二字。”他說，這正是“老實做人，踏實做事”的高度概括。
這個主意得到了同學們的認同，他們把“求實”二字刻在一塊呈翻開書本狀的石碑上，送給了母校。
多年來，“求實”也成為團隊成員凝聚在一起不斷前行的向心力。
團隊成員、中南大學自動化學院教授蔣朝輝至今仍記得一件多年前發生的事。
當時，在國家自然科學基金重大項目“大型高爐鍊鐵過程運行信息的高性能檢測方法研究”的支持下，蔣朝輝帶著團隊在廣西一家公司的高爐上測試監測鍊鐵過程運行信息的“內窺鏡”。
突然，一氧化碳爆表，蔣朝輝暈了過去。被抬下現場後，他堅持把這項工作做完了。
回憶起這一幕，蔣朝輝說：“是一種使命感，讓自己堅持下來。”
正是由於嚴謹治學的科研精神和求真務實的人生態度，一批有色冶金自動化領域高層次人才在團隊中成長起來。“強調敬業和奉獻，這是我們團隊最大的寶藏。”桂衛華表示。
製造業升級的關鍵在“知識自動化”
《中國科學報》：隨著人工智能深入推進和發展，製造過程中深度融入人工智能應當是大勢所趨，目前面臨哪些挑戰？
桂衛華：人工智能與製造過程深度融合過程中，還存在相當大的挑戰。這一挑戰來源於人工智能研究與製造過程結合不足。
一方面，在現代企業生產過程中，通過生產分工和自動化技術，體力型工作已經基本上被機器所替代。
未來，如果知識型的工作也能夠通過自動化技術由機器完成，將極大地創造出更多新價值和新知識。
另一方面，由於工業企業需要面對市場需求、資源供應、環保排放等諸多因素，工況變化更加複雜；同時，隨著雲平臺、移動計算、物聯網、大數據的出現，工業環境中數據種類和規模迅速增加。
客觀形勢變化令傳統的知識型工作者感到力不從心。
為此，我們提出了“知識自動化”這一概念，指採用有效方法對知識進行合理提取及處理。
擺脫對知識型工作者的傳統依賴，實現具有智能的知識自動化系統是解決工業生產高效化、綠色化發展的核心，也是人工智能與製造業深度融合的最大挑戰。
《中國科學報》：工業生產中應用知識自動化技術如何提升生產效率，能否舉一個案例說明？
桂衛華：我們以一家鋅冶煉企業的原料採購決策問題為例。
鋅溼法冶煉原料是鋅精礦，精礦原料從分佈在全國各地的數百家礦山採購而來，成分複雜、品位差異大。
由於生產規模大，對原料的需求量大，原料採購佔用的流動資金多，每年的原料採購資金多達20億元。
單就採購這一個環節，傳統的人工決策難以綜合考慮資金、礦源、庫存和供應商關係等多種因素，導致採購成本增加。
基於採購和生產知識進行優化後，採購從原來的人工決策轉變為基於知識的自動化決策，使採購的原料平均品位及雜質含量滿足生產要求，同時使原料採購費用最少，可每年為企業節約採購經費數千萬元。
由此可見，工業生產中的知識型工作包含兩層含義，一是人為的決策流程，一是依賴經驗的決策行為。
工業生產過程迫切需要解決知識型工作流程的優化與自動化，並在各個決策點實現知識驅動的自動化決策。
《中國科學報》：具體而言，知識自動化的學術研究分為哪些方面？針對工業生產過程，需要學者們從哪些方向去重點攻關？
桂衛華：目前的知識自動化研究，距離實現工業生產過程所需要的知識型工作自動化還存在很大差距，也是製造業未來轉型升級的關鍵。
知識處理方法的研究集中在知識獲取、表示、重組和關聯推理等四個方向上。其中，知識獲取方面，工業過程中隱性知識如何獲取依然是研究難點，工業過程控制系統中建模、控制與優化決策相關知識規則的獲取等仍是主要難題。
知識表示方面，工業生產過程中，知識型工作者對事物和信息的表達往往是不精確、不確定和模糊的，此類知識如何表示對於面向控制需求的知識自動化系統實現具有挑戰性。
知識重組方面的研究還處在理論階段，有關知識重組的應用研究相對比較少。
知識關聯和推理方面，針對複雜對象，特別是複雜生產過程不完備知識的推理和計算仍停留在理論探討層面，研究成果極少。
希望廣大自動化、人工智能領域的學者，圍繞這些問題開展集中研究，以解工業生產一線的燃眉之急。
《中國科學報》 (2020-07-27 第4版 自然科學基金)
編輯 | 趙路
排版 | 郭剛
不想錯過中國科學報的推送？
關注並將我們星標吧！
方法如下 ↓
