9月25日，以“智”造引領(lǐng)，“云”享未來為主題，“科創(chuàng)中國”2020年“企業(yè)創(chuàng)新大家談”系列活動(dòng)智能制造高峰論壇在北京舉辦。本次活動(dòng)由中國科學(xué)技術(shù)協(xié)會(huì)主辦，中國科協(xié)企業(yè)創(chuàng)新服務(wù)中心、中國儀器儀表學(xué)會(huì)承辦。在主論壇上，北京理工大學(xué)自動(dòng)化學(xué)院院長夏元清就《面向復(fù)雜工業(yè)制造過程的智能感知、處理、決策與控制理論與方法》作主旨報(bào)告，本文整理了他的觀點(diǎn)分享：
一、研究背景意義
流程工業(yè)在國民經(jīng)濟(jì)中占有基礎(chǔ)性的戰(zhàn)略地位，最有可能率先突破新一代智能制造。如石化行業(yè)智能工廠建立數(shù)字化網(wǎng)絡(luò)化智能化的生產(chǎn)運(yùn)營管理新模式，可極以大提高生產(chǎn)優(yōu)化，安全環(huán)保水平。
離散型智能工廠應(yīng)用新一代人工智能技術(shù)可實(shí)現(xiàn)加工質(zhì)量的升級(jí)、加工工藝的優(yōu)化、加工裝備的健康保障、生產(chǎn)的智能調(diào)度和管理，建成真正意義上的智能工廠。國務(wù)院《新一代人工智能發(fā)展規(guī)劃》中指出，將人工智能與智能制造深度融合，對于推動(dòng)我國制造業(yè)轉(zhuǎn)型升級(jí)具有重要的意義。
在復(fù)雜制造過程中感知、處理、決策與控制的核心技術(shù)，包括工況的感知，實(shí)際上這是最難的地方，感知就要花錢，就要加新的傳感器。復(fù)雜制造時(shí)序需要有大數(shù)據(jù)的處理，還要有復(fù)雜制造過程中的智能調(diào)度與優(yōu)化決策，以及復(fù)雜制造過程中的智能控制。所以目前缺乏支撐復(fù)雜制造過程的控制理論與關(guān)鍵技術(shù)體系，智能制造面臨著很大的挑戰(zhàn)。
二、關(guān)鍵應(yīng)用挑戰(zhàn)
（一）制造終端狀態(tài)數(shù)據(jù)難以全面實(shí)時(shí)感知
如接口不開放的設(shè)備缺乏傳感基礎(chǔ)，還有大量老舊設(shè)備缺乏改造條件，以及工業(yè)生產(chǎn)環(huán)境感知時(shí)效性差，還有大量的“啞”設(shè)備仍存在生產(chǎn)現(xiàn)場，有些設(shè)備淘汰太浪費(fèi)了，還能用，所以不想改造。
（二）是制造時(shí)序歷史大數(shù)據(jù)隱含知識(shí)挖掘不充分。
如現(xiàn)有的制造歷史大數(shù)據(jù)分析處理方法比較低效，還有傳統(tǒng)的大數(shù)據(jù)處理方法難以滿足工業(yè)制造時(shí)效性要求，因?yàn)橹悄苤圃旄虡I(yè)數(shù)據(jù)不太一樣，商業(yè)數(shù)據(jù)存儲(chǔ)在那兒，早一點(diǎn)晚一點(diǎn)沒什么大影響，智能制造時(shí)效性要求太高了，可能毫秒就報(bào)廢了。所謂制造時(shí)序大數(shù)據(jù)處理問題是一個(gè)非常關(guān)鍵的問題。
（三）傳統(tǒng)優(yōu)化方法難以解決機(jī)理不清的復(fù)雜調(diào)度問題
復(fù)雜制造過程難以建模。如沈陽的華晨寶馬，過程是非常難以建模的，還有調(diào)度任務(wù)的復(fù)雜性、高動(dòng)態(tài)性，以及傳統(tǒng)算法計(jì)算收斂時(shí)間長，還有基于知識(shí)的優(yōu)化方法柔性不足。因此復(fù)雜制造過程智能調(diào)度與優(yōu)化決策問題也是一個(gè)有待突破的問題。
（四）傳統(tǒng)方法難以適應(yīng)動(dòng)態(tài)運(yùn)行不確定性。
如說復(fù)雜制造過程MES實(shí)時(shí)實(shí)行行時(shí)不茍夠理想，生產(chǎn)過程自動(dòng)化不足，制造任務(wù)時(shí)效性約束，傳統(tǒng)方法難以實(shí)現(xiàn)實(shí)時(shí)性和抗干擾性，基于人工的工況異常診斷虛警率高，缺乏自愈控制能力。所以動(dòng)態(tài)不確定性運(yùn)行智能控制問題，剛才吳院士也講到智能控制的問題，吳院士是智能控制的專家，搞衛(wèi)星的。
三、研究內(nèi)容方案
航天制造產(chǎn)品的應(yīng)用，比如研究的內(nèi)容，可以做哪些研究內(nèi)容，面向多傳感器場景的綜合智能感知方法，以及數(shù)據(jù)驅(qū)動(dòng)的多元異構(gòu)語義識(shí)別方法，基于邊緣洞察計(jì)算的感知數(shù)據(jù)智能預(yù)處理方法，感知層是最重要的，沒有感知就沒有數(shù)據(jù)。所以能夠進(jìn)一步建立復(fù)雜制造過程的智能感知系統(tǒng)。
技術(shù)路線，比如基于邊緣動(dòng)態(tài)技術(shù)感知智能數(shù)據(jù)的處理到多傳感器場景感知，再進(jìn)一步到工業(yè)場景自主感知與語義的辨識(shí)，實(shí)現(xiàn)復(fù)雜制造過程工況智能感知。對于復(fù)雜制造過程持續(xù)大數(shù)據(jù)智能分析處理方法，比如復(fù)雜制造過程多維時(shí)序大數(shù)據(jù)模式化解與知識(shí)發(fā)現(xiàn)方法，面向趨勢預(yù)測的復(fù)雜制造過程時(shí)序大數(shù)據(jù)可視化方法，可視化方法很重要，特別是可視化直觀，特別容易理解，也便于領(lǐng)導(dǎo)來視察。還有云端融合的復(fù)雜制造過程時(shí)序大數(shù)據(jù)動(dòng)態(tài)智能計(jì)算方法。最后也要建立一個(gè)系統(tǒng)。針對大數(shù)據(jù)高效計(jì)算問題，研究云端融合的分布式處理方法，比如針對復(fù)雜制造過程時(shí)序大數(shù)據(jù)，針對復(fù)雜制造過程時(shí)序規(guī)則知識(shí)，要實(shí)現(xiàn)復(fù)雜制造過程時(shí)序大數(shù)據(jù)智能分析處理，實(shí)際上很多工廠也有大數(shù)據(jù)，但是數(shù)據(jù)就存在那里也不用，也不知道存了干什么，這樣的很多。
還有復(fù)雜制造過程智能調(diào)度優(yōu)化決策方法，現(xiàn)在人工智能賦能制造業(yè)，基于強(qiáng)化學(xué)習(xí)的生產(chǎn)、計(jì)劃、排程方法，基于深度學(xué)習(xí)的作業(yè)工序調(diào)度決策方面，基于集成學(xué)習(xí)的運(yùn)行操作優(yōu)化方法，這些東西非常有用，包括快遞小哥路線怎么走，要用人工去告訴他怎么走是不可能的，只有實(shí)現(xiàn)智能學(xué)習(xí)的方法快速實(shí)現(xiàn)調(diào)度決策優(yōu)化。
技術(shù)路線，基于強(qiáng)化學(xué)習(xí)的序列決策方法，解決為作業(yè)選擇加工車間的問題，基于深度學(xué)習(xí)的資源性能評(píng)價(jià)方法，解決作業(yè)工序選擇加工機(jī)器問題，研究基于集成學(xué)習(xí)的操作選擇方法，解決機(jī)器待加工工序的優(yōu)化排序問題，這都是大家制造過程中都實(shí)實(shí)在在遇到過的問題，如果你對車間質(zhì)量、產(chǎn)品性能要求不高，可能自己就行了，幾個(gè)人的家庭工廠沒問題，但是大型的工廠這些東西用上去肯定能提高效果。所以可以實(shí)現(xiàn)復(fù)雜制造過程智能調(diào)度優(yōu)化與決策。
研究工業(yè)制造過程的智能云化處理，現(xiàn)在企業(yè)上云，工信部也有補(bǔ)貼，那真是大勢所趨。智能云控制閉環(huán)反饋控制理論方法，只有實(shí)現(xiàn)閉環(huán)的控制，才能真正實(shí)現(xiàn)協(xié)同。
還有就是面向云制造的智能決策與控制系統(tǒng)研制與云制造平臺(tái)的集成。這個(gè)我們航天云網(wǎng)也做了一個(gè)平臺(tái)，做得不錯(cuò)，我們跟它有合作，我們自己現(xiàn)在調(diào)度云工作流，調(diào)度軟件，我們自己也在開發(fā)。比如復(fù)雜制造過程智能感知系統(tǒng)、復(fù)雜制造過程時(shí)序大數(shù)據(jù)智能分析系統(tǒng)，然后到復(fù)雜制造過程智能調(diào)度與優(yōu)化決策系統(tǒng)，復(fù)雜制造過程智能控制系統(tǒng)，最后在航天云制造平臺(tái)上應(yīng)用。我們提高航天復(fù)雜產(chǎn)品制造過程的智能化水平，包括智能感知、智能分析處理、智能優(yōu)化決策、智能自愈控制等。
四、云控制系統(tǒng)
（一）云控制系統(tǒng)理論應(yīng)用基礎(chǔ)
我們在智能制造云控制探索方面建立了云控制團(tuán)隊(duì)，提出了云控制概念，建立了平臺(tái)，這個(gè)平臺(tái)也發(fā)布了很多的文章，包括德國工業(yè)4.0，和中國政府簽訂工業(yè)4.0合作協(xié)議的代表在大會(huì)報(bào)告中，專門提出我們云控制是工業(yè)4.0很重要的一項(xiàng)技術(shù)。
（二）智能工廠云控制系統(tǒng)架構(gòu)
包括各個(gè)邊緣層等等，云、網(wǎng)、邊、端，進(jìn)一步提出控制即服務(wù)，控制也是一種服務(wù)，按需申請，隨取即用的服務(wù)。再好的系統(tǒng)如果不安全誰也不敢用，斷網(wǎng)，物理隔離是最安全的，按照物理隔離就是自絕于世，也不太好，在網(wǎng)絡(luò)的情況下要考慮網(wǎng)絡(luò)攻擊問題，也是云、網(wǎng)、邊、端方面，還有邊緣控制架構(gòu)，因?yàn)槎荚谠贫撕臅r(shí)，實(shí)施性差，所以還要建立邊緣的控制架構(gòu)，云端用的是經(jīng)濟(jì)模型預(yù)測控制方法。
（三）多輥軋機(jī)智能制造云控制系統(tǒng)實(shí)例
我們也在做這方面的研究，我們建立了框圖，包括執(zhí)行時(shí)間、數(shù)據(jù)、確定云控制的工作流，大規(guī)模云控制任務(wù)、工作流調(diào)度、端到端時(shí)延最小化調(diào)度方法，多輥軋機(jī)操作云控制的設(shè)計(jì)。因?yàn)橐仙揭欢ǖ睦碚摚獙δＰ瓦M(jìn)行分析，光靠拍腦袋定性分析不夠，一定要定量分析，定量分析必須要模型分析，這是我們建立的模型，建立了RD系統(tǒng)，云端調(diào)度的時(shí)延，時(shí)延包括哪些方面，云工業(yè)云工作流的算法，以及云控制實(shí)例，包括調(diào)度器控制分配器、調(diào)度器狀態(tài)任務(wù)跟蹤器、工作流數(shù)據(jù)庫資源分配器、任務(wù)執(zhí)行時(shí)間預(yù)估器等，這是部署測試的程序。
（根據(jù)“企業(yè)創(chuàng)新大家談”速記整理）