工業人工智能驅動的流程工業智能制造

楊濤*, 易新蕾, 盧紹文 Krl H.J ohnsson , 柴天佑

a S tate Key Laboratory of S ynthetical Automation for Process Industries, Northeastern University, S henyang 110819, China

b S chool of Electrical Engineering and Computer S cience, KTH Royal Institute of Technology, S tockholm 100 44, S weden

1.引言

制造業主要有兩種類型：一種是離散工業，包括機械設備制造業；另一種是流程工業，以石油化工、冶金、建材、能源等重要原材料工業為代表。制造業是國民經濟必不可少的基礎產業，是支撐經濟持續增長和世界經濟的重要力量。離散制造是一個物理過程，產品可以單獨計算，因此容易將制造過程數字化。離散制造更強調滿足個性化的需求和柔性制造，但是，流程工業的生產經營方式具有較為明顯的不容易數字化的特點。例如，原料的選取往往不同，而生產過程通常也會涉及不同的物理以及化學反應，涉及的機理較為復雜。對于流程工業來說，生產過程是連續的，不能停止的，過程中任何一個環節出錯，都會直接影響整條生產線以及成品的質量。由于流程工業過程中對原材料、生產設備、工藝參數等無法實時測量或檢測。流程工業的上述特點表現為測量難、建模難、控制難和優化決策難。

經過幾十年的發展，我國的制造行業已經有了跨越式的進步，整體行業規模迅速提高，整體實力不斷變強。目前，中國是世界上門類最齊全、規模最大的制造業國家，也是世界上唯一一個在聯合國工業分類中包含所有工業類別的國家[1?2]。我國制造業面臨的主要問題是能耗高、資源消耗高、產品附加值低、環境污染嚴重。因此，要實現制造過程的高效化與綠色化。高效化的涵義是在市場或原材料可能發生變化的情況下，實現整個生產過程的產品質量、產量、成本、消耗等綜合生產指標的優化調控。高效化會帶來產品的高績效和高附加值，同時使企業的利潤最大化。綠色化指的是對能源和資源的有效利用，通過盡可能降低能源和資源的消耗，實現污染物零排放以保護環境[3?7]。

智能制造已成為提升制造業整體競爭力的核心技術，人工智能（Artificial intelligence,AI）技術已成為制造業發展的重要趨勢。例如，通用人工智能技術首次被證明適用于復雜工業場景中的診斷和預測問題[8?9]。人工智能技術加速了智能制造的發展[10?13]。智能制造的發展趨勢如圖1所示[14]。

以機械技術為基礎的蒸汽機和反饋調速器的出現引發了第一次工業革命；電力和基于電氣技術的控制系統的出現引發了第二次工業革命；可編程邏輯控制器（Program‐mable logic controller,PLC）和集散控制系統（Distributed control system,DCS）的出現引發了第三次工業革命。從這三次產業革命中可以看出，發展高效的新能源和信息技術是改變工業生產方式和提高工業競爭力的關鍵。當蒸汽和電力成為能源時，蒸汽機和發電設備就必須使用控制系統。反饋控制技術使機械調速器可以控制蒸汽動力機械縫紉機的速度，而反饋控制技術和邏輯控制技術使電氣控制系統可以控制電動屠宰場輸送帶的穩定運行。通過計算機技術和控制技術的緊密結合而發明的PLC 和DCS 技術，極大提高了大規模生產線的自動化程度。

當前，隨著人工智能、移動互聯網、云計算、工業互聯網等技術的快速發展，我們正處于第四次工業革命時期。發達國家實施工業化戰略，加強制造業創新，以重塑制造業新的競爭優勢。一些發展中國家也在加快規劃和戰略，積極參與全球產業勞動力再分工，以在新一輪產業競爭中尋求有利地位[7,15]。發達國家利用其在信息技術領域的巨大優勢，加快建立智能制造業。例如，2016 年10月，美國國家科學技術委員會制定的《國家人工智能研發戰略計劃》指出，人工智能可以用于改善制造流程，提高整個產品制造過程的靈活性[16]。2018年5月，美國白宮舉辦了美國工業人工智能峰會，參會人員策劃組織了特定行業的會議，分享了行業領袖通過使用人工智能技術增強美國勞動者勞動能力的新方法[17]。美國國家科學基金會（National Science Foundation,NSF）也表示，人工智能有潛力改變美國工業的各個方面，并為先進制造業創造新希望[18]。2020年8月，美國國家科學基金會人工智能研究院發布了一個新的資助機會，重點關注八個主題，其中動態系統人工智能研究所是其中之一。動態系統人工智能研究所支持基礎人工智能、機器學習理論、算法，以及實時傳感、學習、決策和預測的相關工程和科學研究及教育，以引領安全、可靠、高效的人工智能發展[19]。美國2020財年和2021 財年的研發預算強調，為了確保美國在科學技術發現和創新處于全球領先，應優先考慮智能和數字化制造，尤其是針對機器學習和人工智能實現的系統[20?21]。在工業4.0之后，2017年9月，德國啟動了“學習系統”的開發和應用，以確保未來工作和生產更加靈活和高效[22]。2018 年11 月，德國聯邦政府宣布了人工智能戰略，強調人工智能是促進工業過程智能監控、管理和控制的關鍵組成部分及必不可少的驅動因素，從而將工業4.0提升到下一個水平[23]。此外，英國公布《英國工業2050戰略》，日本提出《i-Japan 戰略2015》，韓國推出《制造業創新3.0戰略》。面對第四次工業革命帶來的全球產業競爭的新調整，中國工程院“新一代人工智能引領下的智能制造研究”課題組發表題為《中國智能制造發展戰略研究》的研究報告。該報告提出了標志我國智能制造進入第二階段（2025—2035）的新一代智能制造是使中國的智能制造技術和應用水平走在世界前列[24?25]。

圖1.第一、二、三、四次工業革命路線圖（源自文獻[14]）。

智能制造成為提升制造業整體競爭力的核心技術。智能制造是中國實現制造強國的主攻方向[7,26]。為了實現流程工業的跨越式發展（即從較低的技術水平躍升至較高的技術水平，同時跳過中級水平），需要將智能制造與流程工業的特點和目標相結合；充分利用大數據，將人工智能、移動互聯網、云計算、建模、控制、優化等信息技術與流程工業物理資源深度融合；開發各種新功能來實現智能制造的目標[13,27?30]。為了使工業人工智能和工業互聯網在流程工業智能制造中發揮不可替代的作用，加速我國制造業數字化、網絡化、智能化的發展進程，本文以流程工業智能制造生產全流程為應用場景，闡述了智能制造對流程工業的意義，提出了新的研究方向和研究方法。

2.流程工業生產全流程決策、控制、運行管理現狀分析

流程工業生產全流程的決策、控制和運行管理現狀如圖2[13]所示。流程企業普遍采用由企業資源規劃（enter‐prise resource planning, ERP）、制造執行系統（manufac‐turing execution system, MES）和過程控制系統（process control system, PCS）組成的三層結構。企業經理利用ERP系統得到生產過程各設備的參數，然后根據自身積累的經驗和知識，對產品綜合生產指標（產品質量、能耗和成本等）的目標值范圍做出決定。生產部門經理利用MES 得到生產信息，然后通過自己積累的專家經驗來決定生產制造全流程的生產指標目標值范圍。運行管理者和工藝工程師通過PCS獲得運行條件，通過感官（即視覺、聽覺和觸覺）獲得具體信息，再根據自己積累的經驗和知識做出決定，以反映實際生產過程中產品質量、能耗和成本等運行指標的目標值范圍，然后操作人員根據自己的經驗和知識決定PCS的控制命令。PCS通過控制整個制造和生產過程，使受控過程的輸出跟蹤控制指令，以提高產品的運行指標并且保證整條生產線的生產指標在期望的目標值范圍內[31?32]。

雖然大部分企業已經部署了三層架構系統或MES 和PCS的兩層架構系統，但這些系統主要是用來實現信息集成和管理功能[32]。企業目標（即利潤、環境保護等）、資源規劃與調度、運行指標、生產指令、控制指令等，仍由知識工作者根據其知識和經驗決策。然而，知識工作者無法實現企業目標、生產計劃與調度的一體化優化決策，也無法實現ERP與MES的無縫集成與優化。圖3[13]描繪了流程工業生產全流程的決策、控制和運行管理，可以將其視為人-信息-物理系統（human-cyber-physical system）[33]。操作員通過信息系統取得生產信息，并通過人的視覺、聽覺和觸覺獲得多源異構的生產信息。再利用大腦的學習、認知、分析、決策能力，結合自身的經驗和知識，對綜合生產指標、整個制造和生產過程的生產指標、操作指標和控制系統指令進行決策。

圖2.流程工業生產全流程的決策、控制和運行管理現狀（源自文獻[13]）。

由于人無法及時準確地感知動態變化的運行條件，因此很難實現整個制造和生產過程的全局優化[34]。而且，人類行為已經成為制造流程發展的瓶頸[35]?？偟膩碚f，當前我國流程工業的重點是關注于工業設備物料轉化過程的自動化和生產過程、運行管理和企業管理的信息化。而當前我國流程工業存在的主要問題是在工藝設計、資源規劃、生產過程運行管理等方面，對知識工作的自動化和智能化缺乏研究。

移動互聯網、邊緣計算、云計算和第五代移動通信技術（5G）的發展催生了工業人工智能和工業互聯網的出現。工業人工智能的本質是將人工智能技術與特定的工業場景相結合，實現設計模式創新、智能生產決策、資源優化配置等創新應用。工業人工智能賦予工業系統自感知、自學習、自執行、自決策、自適應的能力，使其能夠適應復雜多變的工業環境并完成多樣化的工業目標和任務，最終提高生產效率、產品質量和設備性能[36]。工業互聯網為企業提供了獲取工業大數據的機會，帶動工業人工智能技術的發展以及科研模式和方法的變革[37]。比如CPS(cyber physical system)和會聚研究等新方法的出現[38]，促進了工業過程制造的數字化、網絡化和智能化。第四次工業革命將實現制造業知識工作的自動化和智能化[4,13,19,33]。

3.智能制造對流程工業的意義和前景

流程工業智能制造是一種以實現對整個制造、生產過程的管理和決策，以及智能優化和智能自主控制為特征的制造模式。智能制造的目標是使企業的制造流程“綠色化”和低碳化，并提高生產效率。如圖4[13]所示，將操作者的知識工作變得自動化，將控制系統和制造過程轉變為智能自主控制系統，使企業管理者和生產管理者的知識工作智能化。ERP 和MES 轉變為人機合作的智能管理決策系統，將企業原有的ERP、MES、PCS三層結構轉變為人機合作的智能管理決策系統和智能自主控制系統兩層結構，如圖5[13]所示。如圖6[13]所示，將整個制造和生產過程的決策、控制與運行管理轉化為CPS，并將生產制造操作員以及知識工作者的知識工作變得自動化和智能化。CPS中的知識工作者是計劃者、管理者和決策者[34]。

人機合作的智能管理決策系統主要由智能優化決策、虛擬制造過程、工況識別與自優化控制三個子系統組成[14,34]。該智能管理決策系統的預期功能如下：

（1）感知市場信息、生產情況和制造過程的實時運行狀況；

（2）以企業高效化與綠色化為目標，實現企業綜合生產指標、計劃調度指標、制造生產全流程生產指標、運行指標、生產指標、控制指令的綜合優化決策；

（3）實現對決策過程動態性能的遠程移動可視化監控；

（4）通過自學習和自優化決策，實現人與智能優化決策系統之間的協同，使決策者能在動態變化的環境中準確優化決策。

智能自主控制系統主要由三個子系統組成：智能運行優化、高性能智能控制、運行狀態識別和自優化控制。該智能自主控制系統的預期功能如下：

（1）智能感知生產條件的動態變化；

（2）以優化運行指標為目標，對控制系統的設定值進行自適應決策；

（3）智能跟蹤控制系統設定值的變化具有高動態性能，將實際運行指標控制在目標值范圍內；

圖3.人-信息-物理系統（源自文獻[13]）。

圖4.智能制造和生產過程（源自文獻[13]）。

圖5.制造過程由三層結構轉變為智能的兩層結構（源自文獻[13]）。

（4）實現實時遠程監控和移動監控，預測和排除異常運行工況，使系統安全、優化運行；

（5）配合構成整個生產過程的其他工業過程的智能自主控制系統，實現整個生產過程的全局優化。

4.科學挑戰與關鍵技術

流程工業生產全流程的智能化對自動化科學技術中基于數學模型或因果數據的建模、控制和優化提出了挑戰。工業人工智能和工業互聯網為流程工業提供了實現整個生產過程智能化的新方法和新技術。

雖然工業人工智能的定義尚不明確且隨著時間的推移而發生變化，但工業人工智能研究及其應用的核心目標是實現當前工業生產活動中知識工作的自動化和智能化，從而顯著提高經濟和社會效益。這些活動包括生產和過程設計、運行管理和決策過程，制造過程和運營管理控制——目前依賴于人類感知、認知、分析決策能力、經驗和知識的活動。

工業人工智能主要是利用工業大數據，開發用于工況識別、預測以及決策的人工智能算法和人工智能系統；并設計用于智能決策和智能化管控系統的軟件，以補充和提高知識工作者在生產和設計過程中的能力。此外，人工智能算法、運算能力和人機交互也是不容忽視的問題[39]。

工業互聯網的出現，大數據、CPS、互聯網等信息技術的發展，以及對先進制造和智能制造的重大需求。2012年10 月，美國通用電氣在題為“Industrial Internet:Push‐ing the Boundaries of Minds and Machines”白皮書中提出了工業互聯網的概念。2011年1月，德國工業科學研究聯盟提出工業4.0 戰略。2011 年11 月，工業4.0 戰略被列入《2020 年高新科技戰略》。近期，美國和德國都制定了結合人工智能技術發展工業互聯網的戰略。2019年10月18日，國家主席習近平向在遼寧省沈陽市舉行的工業互聯網全球峰會開幕式致賀信，習近平在信中表示：當前，全球新一輪科技革命和產業革命加速發展，工業互聯網技術不斷突破，為各國經濟創新發展注入了新動能，也為促進全球產業融合發展提供了新機遇。中國高度重視工業互聯網創新發展，愿同國際社會一道，持續提升工業互聯網創新能力，推動工業化與信息化在更廣范圍、更深程度、更高水平上實現融合發展[40]。這一聲明指明了中國工業互聯網高質量發展的方向。要使工業互聯網成為推動我國制造業高質量發展的強大動力，開展工業互聯網高質量發展的模式和路徑研究至關重要。

圖6.制造和生產過程的信息物理系統（源自文獻[13]）。

結合我國流程工業發展現狀，數字化、網絡化、智能化需求以及工業人工智能和工業互聯網的發展目標，我們提出需要解決以下科學問題：

（1）基于動態系統建模與深度學習相結合的復雜工況識別與反饋控制；

（2）基于機理分析與工業大數據分析相結合的動態特性、運行、決策知識挖掘；

（3）基于預測、反饋和強化學習相結合的人機協同優化決策；

（4）多沖突目標、多約束、多時間尺度的智能優化決策與控制一體化技術。

為了解決這些科學問題，有必要采用CPS 和會聚研究的思想[37]。會聚研究是一種以問題驅動為特征的新的研究范式和思維方式。會聚研究解決的問題是具有挑戰性的科學研究問題或涉及社會需求的重大挑戰，需要跨學科的合作研究。為了解決這些復雜的問題，需要各學科進行交叉學習，以達到各學科共同創新的新框架。將科學的方法以及技術相融合是解決該難題的最佳策略。團隊科學正在成為一種更典型的研究模式[41?42]。為此，我們提出以下亟待解決的關鍵技術：

（1）復雜工業環境下運行工況的多尺度多源信息的智能感知與識別；

（2）復雜工業環境下基于5G 的多尺度多源信息快速可靠的傳輸技術；

（3）系統辨識與深度學習相結合的復雜工業系統智能建模、數字孿生與可視化技術；

（4）關鍵工藝參數和生產指標的預測與追溯；

（5）復雜工業系統的智能自主控制技術；

（6）人機合作的智能優化決策方法；

（7）智能優化決策與控制一體化技術；

（8）“端-邊-云”協同實現工業人工智能算法的技術。

5.總結

為了實現流程工業的高端化、綠色化、智能化，需要將工業人工智能、工業互聯網與流程工業領域知識深度融合，開發人工智能算法和人工智能自主系統，以補充和提升知識型工作者的能力。本文總結了現有流程工業整個生產過程的決策、控制和運行管理的不足，闡述了流程工業智能制造的含義，并提出了流程工業智能優化制造的愿景。結合我國流程工業的發展現狀和數字化、網絡化、智能化的需要，提出了流程工業智能制造面臨的科學問題和關鍵技術。

致謝

本研究得到國家自然科學基金（61991400、61991403、61991404）、中國工程咨詢研究院項目（2019-ZD-12）、遼寧省2020 年科技重大專項（2020JH1/10100008）的支持。作者感謝徐磊的有益討論。

Compliance with ethics guidelines

Tao Yang,Xinlei Yi,Shaowen Lu,Karl H.Johansson,and Tianyou Chai declare that they have no conflict of in‐terest or financial conflicts to disclose.