9月25日，以“智”造引領，“云”享未來為主題，“科創中國”2020年“企業創新大家談”系列活動智能制造高峰論壇在北京舉辦。本次活動由中國科學技術協會主辦，中國科協企業創新服務中心、中國儀器儀表學會承辦。在主論壇上，北京理工大學自動化學院院長夏元清就《面向復雜工業制造過程的智能感知、處理、決策與控制理論與方法》作主旨報告，本文整理了他的觀點分享：

一、研究背景意義

流程工業在國民經濟中占有基礎性的戰略地位，最有可能率先突破新一代智能制造。如石化行業智能工廠建立數字化網絡化智能化的生產運營管理新模式，可極以大提高生產優化，安全環保水平。

離散型智能工廠應用新一代人工智能技術可實現加工質量的升級、加工工藝的優化、加工裝備的健康保障、生產的智能調度和管理，建成真正意義上的智能工廠。國務院《新一代人工智能發展規劃》中指出，將人工智能與智能制造深度融合，對于推動我國制造業轉型升級具有重要的意義。

在復雜制造過程中感知、處理、決策與控制的核心技術，包括工況的感知，實際上這是最難的地方，感知就要花錢，就要加新的傳感器。復雜制造時序需要有大數據的處理，還要有復雜制造過程中的智能調度與優化決策，以及復雜制造過程中的智能控制。所以目前缺乏支撐復雜制造過程的控制理論與關鍵技術體系，智能制造面臨著很大的挑戰。

二、關鍵應用挑戰

（一）制造終端狀態數據難以全面實時感知

如接口不開放的設備缺乏傳感基礎，還有大量老舊設備缺乏改造條件，以及工業生產環境感知時效性差，還有大量的“啞”設備仍存在生產現場，有些設備淘汰太浪費了，還能用，所以不想改造。

（二）是制造時序歷史大數據隱含知識挖掘不充分。

如現有的制造歷史大數據分析處理方法比較低效，還有傳統的大數據處理方法難以滿足工業制造時效性要求，因為智能制造跟商業數據不太一樣，商業數據存儲在那兒，早一點晚一點沒什么大影響，智能制造時效性要求太高了，可能毫秒就報廢了。所謂制造時序大數據處理問題是一個非常關鍵的問題。

（三）傳統優化方法難以解決機理不清的復雜調度問題

復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，還有調度任務的復雜性、高動態性，以及傳統算法計算收斂時間長，還有基于知識的優化方法柔性不足。因此復雜制造過程智能調度與優化決策問題也是一個有待突破的問題。

（四）傳統方法難以適應動態運行不確定性。

如說復雜制造過程MES實時實行行時不茍夠理想，生產過程自動化不足，制造任務時效性約束，傳統方法難以實現實時性和抗干擾性，基于人工的工況異常診斷虛警率高，缺乏自愈控制能力。所以動態不確定性運行智能控制問題，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，搞衛星的。

三、研究內容方案

航天制造產品的應用，比如研究的內容，可以做哪些研究內容，面向多傳感器場景的綜合智能感知方法，以及數據驅動的多元異構語義識別方法，基于邊緣洞察計算的感知數據智能預處理方法，感知層是最重要的，沒有感知就沒有數據。所以能夠進一步建立復雜制造過程的智能感知系統。

技術路線，比如基于邊緣動態技術感知智能數據的處理到多傳感器場景感知，再進一步到工業場景自主感知與語義的辨識，實現復雜制造過程工況智能感知。對于復雜制造過程持續大數據智能分析處理方法，比如復雜制造過程多維時序大數據模式化解與知識發現方法，面向趨勢預測的復雜制造過程時序大數據可視化方法，可視化方法很重要，特別是可視化直觀，特別容易理解，也便于領導來視察。還有云端融合的復雜制造過程時序大數據動態智能計算方法。最后也要建立一個系統。針對大數據高效計算問題，研究云端融合的分布式處理方法，比如針對復雜制造過程時序大數據，針對復雜制造過程時序規則知識，要實現復雜制造過程時序大數據智能分析處理，實際上很多工廠也有大數據，但是數據就存在那里也不用，也不知道存了干什么，這樣的很多。

還有復雜制造過程智能調度優化決策方法，現在人工智能賦能制造業，基于強化學習的生產、計劃、排程方法，基于深度學習的作業工序調度決策方面，基于集成學習的運行操作優化方法，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，只有實現智能學習的方法快速實現調度決策優化。

技術路線，基于強化學習的序列決策方法，解決為作業選擇加工車間的問題，基于深度學習的資源性能評價方法，解決作業工序選擇加工機器問題，研究基于集成學習的操作選擇方法，解決機器待加工工序的優化排序問題，這都是大家制造過程中都實實在在遇到過的問題，如果你對車間質量、產品性能要求不高，可能自己就行了，幾個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。所以可以實現復雜制造過程智能調度優化與決策。

研究工業制造過程的智能云化處理，現在企業上云，工信部也有補貼，那真是大勢所趨。智能云控制閉環反饋控制理論方法，只有實現閉環的控制，才能真正實現協同。

還有就是面向云制造的智能決策與控制系統研制與云制造平臺的集成。這個我們航天云網也做了一個平臺，做得不錯，我們跟它有合作，我們自己現在調度云工作流，調度軟件，我們自己也在開發。比如復雜制造過程智能感知系統、復雜制造過程時序大數據智能分析系統，然后到復雜制造過程智能調度與優化決策系統，復雜制造過程智能控制系統，最后在航天云制造平臺上應用。我們提高航天復雜產品制造過程的智能化水平，包括智能感知、智能分析處理、智能優化決策、智能自愈控制等。

四、云控制系統

（一）云控制系統理論應用基礎

我們在智能制造云控制探索方面建立了云控制團隊，提出了云控制概念，建立了平臺，這個平臺也發布了很多的文章，包括德國工業4.0，和中國政府簽訂工業4.0合作協議的代表在大會報告中，專門提出我們云控制是工業4.0很重要的一項技術。

（二）智能工廠云控制系統架構

包括各個邊緣層等等，云、網、邊、端，進一步提出控制即服務，控制也是一種服務，按需申請，隨取即用的服務。再好的系統如果不安全誰也不敢用，斷網，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，在網絡的情況下要考慮網絡攻擊問題，也是云、網、邊、端方面，還有邊緣控制架構，因為都在云端耗時，實施性差，所以還要建立邊緣的控制架構，云端用的是經濟模型預測控制方法。

（三）多輥軋機智能制造云控制系統實例

我們也在做這方面的研究，我們建立了框圖，包括執行時間、數據、確定云控制的工作流，大規模云控制任務、工作流調度、端到端時延最小化調度方法，多輥軋機操作云控制的設計。因為要上升到一定的理論，要對模型進行分析，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，云端調度的時延，時延包括哪些方面，云工業云工作流的算法，以及云控制實例，包括調度器控制分配器、調度器狀態任務跟蹤器、工作流數據庫資源分配器、任務執行時間預估器等，這是部署測試的程序。

（根據“企業創新大家談”速記整理）