久久99国产精品尤物-国产高清色播视频免费看-男生肌肌往女人桶爽视频-精品国产-91PORNY九色|www.jqdstudio.net

平行制造與工業5.0：從虛擬制造到智能制造

點擊：2718  作者：王飛躍，高彥臣，商秀芹，張俊    來源：科技導報  發布時間:2018-11-30 10:08:51

 

       近年來，隨著《中國制造2025》的推動和深入，互聯網、大數據、云計算、人工智能與工業化深度融合，制造業正面臨著向智能制造轉變的重大機遇。新時代的新型工業化之路，要求工業化與信息化的兩化融合，并進一步走向智能化；信息化、工業化、城鎮化與農業現代化的四化同步；綠色可持續發展。這一切，給新型制造業提出了新要求和發展方向。

智能制造是復雜的系統工程，智能產品是主體，智能生產是主線，以智能服務為中心的產業模式變革是主題，而信息物理系統（cyber-physical-systems，CPS）和工業互聯網只是初步的基礎設施。目前，工業 4.0以CPS為基礎，以網絡化為特征，把產品、機器、資源有機結合在一起，通過信息通信技術建立一個高度靈活的個性化、數字化、網絡化制造模式。在網絡化模式下，創造新價值的過程將逐步改變，產業鏈分工將重組，傳統的行業界限將消失，各種新的活動領域和合作形式將出現。網絡化的虛擬空間已然成為與現實化的物理空間平行的另一半。社會進入虛實交互的平行時代，即工業5.0。如果說工業 4.0的特征是網絡化，虛實交互、閉環反饋、動態執行的平行化，將是工業 5.0的最大特征。工業 4.0，以路由器為核心設備，帶來了網絡化時代，以致信息和物理系統深入融合，構成了 CPS。隨著網絡化應用的推進，工業5.0進一步加強了信息和物理系統的融合，并使工業與人類社會充分融合，形成了社會物理信息系統（cyber- physical- social- systems，CPSS）和工業智聯網，該系統的核心設備為虛擬人工系統，其運行模式將引領工業邁入平行化產業時代。

在上述發展趨勢下，本文以虛擬制造為基礎，描述一種智能制造的新范式——平行制造。為實現智能制造中的虛擬化、網絡化、智能化，融合了社會物理信息系統CPSS，綜合物理系統、信息系統和社會系統的復雜性，通過 ACP 方法與知識自動化技術，構建平行演化、閉環反饋、協同優化的智能制造體系。

平行制造的框架與流程

在 CPSS 工業環境下，一方面，企業利用工業智聯網，借助虛實系統的平行演化及閉環反饋，協同優化管理系統內部流程執行、生產制造以及資源調度。另一方面，基于知識自動化技術，社會情報服務系統實時將數據轉化為客戶需求，快速響應市場變化，同時通過任務分解、快速重組、眾包等方式集合小微創新和群體智慧來創造產品，從而減少投放時間、增加市場份額。同時，網民借助物聯網、互聯網、移動互聯網的無縫連接，表達自身個性化需求及創意，可全面參與產品創新的整個生產制造流程，實現實時化、個性化、大規模的“靈敏”移動“智造”。這種平行工業時代的制造模式稱為平行制造，如圖 1所示。

 

圖 1 平行制造內涵示意

研究框架

基于 CPSS、ACP方法和知識自動化技術，提出平行鋼鐵的研究框架，如圖 2所示。首先，通過軟件定義的鋼廠確定其描述智能，構建鋼廠的人工系統；基于人工系統，實現情報分析、生產計劃優化與智能預測的計算實驗優化，建立其預測智能；最后，通過鋼廠的人工系統與實際系統構建的平行系統，進行虛實互動的平行執行，來實現系統的引導智能。

 

圖 2 平行制造的研究框架

研究流程

根據上述研究內容，提出平行鋼鐵的智能化體系結構參考模型，如圖 3所示。該模型分為 6層：對象、感知層、存儲層、知識層、智能層和應用層。依據 CPSS，其對象包括鋼鐵制造的物理系統、信息系統與社會系統。在感知層，結合現有鋼鐵制造信息系統 DCS-MES-ERP中的數據、RFID網絡與信息互聯網絡構成泛在感知網絡，對 3個對象進行較為全面的數據和信息感知。在存儲層，把泛在感知網絡的數據存入生產數據庫、辦公數據庫、物聯信息數據庫、社會情報數據庫。在知識層，通過自然語言處理、機器學習、計算智能方法等實現知識獲取、知識表達、知識匹配等知識自動化。在智能層，通過軟件定義的鋼廠、計算實驗和平行執行，實現描述智能、預測智能和引導智能。在應用層，實現生產計劃優化與預測、決策支持、協同制造與柔性制造等應用。

 

圖 3 平行制造結構參考模型

平行制造的技術方法

1）社會物理信息系統

在互聯網與大數據飛速發展的背景下，鋼鐵等制造業受社會性因素影響日益凸顯。為了深入研究制造業中社會系統、物理系統與信息系統之間的交互作用，把工業 4.0中的 CPS進一步發展，并使工業與人類社會充分融合, 形成了更為復雜的社會物理信息系統 CPSS（圖4）。

 

圖 4 CPS與 CPSS

在 CPSS中的數據流與信息流主要有：物理系統的傳感、監控數據；信息控制作用下，物理系統產生的相關數據；虛擬人工系統數據、社會計算數據及人工系統的建模、推理和控制；泛在的社會大數據及社會政策等信息的建模和人類行為的數據等。由于其復雜性，所以傳統建模很難實現，形成了“建模鴻溝”的客觀現象。傳統的仿真和控制不再適應，需要采用知識自動化的理論、方法和技術。讓數據說話，成為構筑平行系統中虛擬人工系統的關鍵。

2）ACP方法

在社會物理信息系統工業環境下，鋼鐵制造面臨更為嚴峻的系統復雜性挑戰。王飛躍就如何利用計算方法來綜合解決復雜系統管控的科學問題，提出了人工社會、計算實驗與平行系統相結合的 ACP 理論社會計算方法，以解決實際復雜系統中不可準確預測、難以拆分還原、無法重復實驗等問題。ACP方法的核心思想包括應用基于Agent 智能體等數據驅動算法構建的人工系統來描述復雜系統，解決復雜系統本質上不能解析建模的問題；以計算機為實驗室通過對人工系統的計算實驗來解決真實系統的預測解析；最后，通過對實際系統與人工系統構成的平行系統進行平行執行來實現系統的管控與引導智能，如圖 5所示。近年來，ACP方法已經成功地應用于交通、化工、經濟、社會安全等多領域，為面向以人為核心的復雜社會問題的研究提供了完整的解決方案。

 

圖 5 ACP方法

3）知識自動化

在制造業智能化發展道路上，離不開從數據到知識再到智慧的知識自動化技術。從自動化的角度來看，知識自動化是將知識作為被控對象，實現對其自動化地產生、獲取、應用以及再創造的循環過程。知識自動化的過程，將人嵌入到系統，是人在環內的自動化系統研究和發展的必然要求。知識自動化的本質是將人的行為特征考慮到傳統的知識表示、知識工程中。因此，從數據到知識、從知識到人的行為應該是貫穿知識自動化研究的核心。知識的產生、獲取、應用和再創造的知識自動化過程可分為知識產生、知識獲取、知識運用和知識創新 4 個子過程（圖 6）。從技術層面講，如何獲取知識是核心。

 

圖6 知識自動化過程示意

▲ 知識產生子過程：知識可以通過視頻解析、數據挖掘，文本挖掘或者 web挖掘等技術手段初步形成。初步知識往往難以直接應用，將專家經驗和數據挖掘技術結合起來以挖掘過程及挖掘后獲取的知識的智能化處理為手段，實現智能化決策支持，形成具有一定價值和實效性的有效知識。

▲ 知識獲取子過程：主要通過主動的知識搜索或被動的知識推送來實現。知識存儲和查詢系統可以方便地為人們提供所需要的知識。知識推薦系統和服務系統，通常是電子商務的核心技術，它利用電子商務網站向客戶提供商品信息和建議，幫助用戶決定購買所需要的產品或服務。基于知識的推薦方法因所使用的功能知識不同而有明顯的區別，如基于語義擴展的知識推薦、基于用戶情境感知的知識推薦、或基于內部網絡結構的知識推薦等。

▲ 知識運用子過程：是指企業運用知識子系統形成企業的知識地圖，通過調整組織結構、生產技術、管理培訓方式等實現對組織架構的優化，技術的改善，企業文化的宣傳，達到提高企業競爭力的目的。

▲ 知識創新子過程：知識的運用必會帶來些波動，通過人對知識運用效果的評價以及再創造，完善知識產生機制，獲取途徑以及知識運用的方式，實現人對知識全生命周期的控制。

4）工業智聯網

當代工業正在經歷從傳統工業到智能工業的轉變，改善工業結構，促進工業知識化、智能化、軟件化發展成為未來工業的必然趨勢。

2017 年 11 月 27 日，國務院印發《關于深化“互聯網+先進制造業”發展工業互聯網的指導意見》指出，以全面支撐制造強國和網絡強國建設為目標，圍繞推動互聯網和實體經濟深度融合，聚焦發展智能、綠色的先進制造業，構建網絡、平臺、安全 3大功能體系，增強工業互聯網產業供給能力，持續提升中國工業互聯網發展水平，深入推進“互聯網+”，形成實體經濟與網絡相互促進、同步提升的良好格局，有力推動現代化經濟體系建設。

為了應對新時代的工業需求，有必要改變工業系統的運營模式，不斷提高工業系統的效率和質量，而解決方案就是工業智聯網技術。

智聯網是建立在互聯網（數據信息互聯）和物聯網（感知控制互聯）基礎上的, 以知識自動化系統為核心，以知識計算為核心技術，以獲取、表達、交換、關聯知識為關鍵任務,以達成智能體群體之間的“協同知識自動化”和“協同認知智能”為目標的系統。基于多網合一的智聯網，可構建智能工業系統新形態，即工業智聯網，其基本框架如圖7所示。

 

圖7 工業智聯網的基本框架

工業智聯網以互聯網、物聯網、智聯網技術為基礎科技，整合工業的各項資源，協調管控工業的各個部門，并實現工業系統的反射智能、反應智能和認知智能。工業智聯網需要借助前沿智能系統工程技術來實現：其中包括運用基于 ACP 的虛實平行系統進行智慧管控、基于知識自動化的社會通信云計算，以及基于區塊鏈的DAO實現。

更進一步，工業智聯網最大的特征是實現的“數信協同”、“感控協同”和“知智協同”。互聯網傳輸的是數據與信息，實現的是數據和信息的協同（數信協同），物聯網傳輸的是傳感和管控的信號，實現的是感知和控制的協同（感控協同）；智能網的智能互聯，交換的是知識本身，經過充分的交互，在知識的交換中完成復雜知識系統的建立、配置和優化，實現知識和智能的協同（知智協同）。通過這 3 個層次的協同，海量的智能實體、感控實體、數信實體，組成由知識聯結的復雜系統，依據一定的運行規則和機制，如同人類社會般的，形成社會化的自組織、自運行、自優化、自適應、自協作的網絡組織。

期待基于工業智聯網能夠創造出新的人工智能系統科技范式，其系統智能水平能夠達躍升到全新的高度，同時更期待在這樣一個由知智實體、感控實體、數信實體組成的復雜系統中，全新的智能現象能夠從復雜性中涌現并帶來革命性的突破。

5）軟件定義技術

近年興起的軟件定義的網絡（software-defined networks，SDN）技術，代表硬件“軟化”的另一方向，但實質與虛擬的實化目標一致。 SDN打破常規網絡構架和流程，將 網 絡 的 控 制 面（control plane）與 數 據 面（data plane）分離，并通過開放的軟件定義 API實現網絡功能的靈活重構，極大地改善了網絡的擴展能力和靈活性，成為信息通信領域的熱議對象，對下一代網絡的發展有著重要的影響。

2009 年，此項技術經《麻省理工科技評論》（MIT Technology Review）名以SDN 迅速風靡世界，流行于網絡、信息甚至許多其他與科技無關的領域。

實際上，SDN把網絡的控制與轉發功能分離，同默頓系統中把“行為模型”與“目標模型”分離異曲同工。而且，可以在知識自動化中拓展 SDN的思想，結合知識表示和知識工程,構造各類針對特定領域和問題的軟件定義的流程（software-defined processes，SDP）和軟件定義的系統（software-defined systems，SDS），形成SDP 體系（systems of SDP，SoSDP）和SDS體系（systems of SDS，SoSDS），使知識自動化的實施從“無形”到“有形”，從一般到具體。通過 SDP和 SDS，不但使常識、經驗、猜測、假定、希望等形式化，并使其組織、過程、功能等軟件化，變為可操作、可計算、可試驗的流程和系統，從而進一步深入復雜知識自動化系統的構想、設計、實施、運營、管理與控制。

同時，軟件定義的流程和系統,特別是 SoSDP 和SoSDS 將知識自動化與系統工程更加密切地聯系起來。系統工程的實質就是尋求有效的手段,減少完成特定目標的不確定性，化多樣為歸一，使復雜變簡單，是一種應對 UDC的有效方式。利用系統工程的思想，可以幫助我們構造知識自動化系統整個生命周期的各類“人工流程”，使相關的任務執行過程可描述、可度量、可驗證，進而使實現各項目標的途徑和方式明確、經濟、可靠，為構造知識自動化的 SDP和 SDS打下堅實的基礎。這里強調流程的“人工”特性，因為這些流程一般并不服從自然法則而具有“必然性”，易被環境改變，從而具有“權變性”。

因此，流程和系統的軟件化將是知識自動化的核心技術之一。基于業已成熟并不斷推陳出新的智能技術，加之從 C4ISRAF轉化到 DoDAF和 TOGAF后的系統工程架構體系，特別是DoDAF所提供的各類模型（models）、視圖（views）以及衍生的觀點（view points）等方法與工具，由此可以方便地將人、社會、知識等因素納入系統流程及相關的分析與決策之中，靈活地處理各類復雜的 CPSS問題，為知識自動化的設計與實施奠定堅實的系統工程基礎。

總之，有了SDP和SDS，知識自動化就能形式化、具體化；以 SDP和 SDS為綱，知識自動化的設想、設計、實施與實踐就可“綱舉目張”。

從制造情報到制造智能

制造情報

制造情報是通過制造業大數據構建制造業情報系統，其核心是制造業大數據，主要包括制造企業內部工業大數據和制造企業外部的上下游及行業生態相關工業互聯網大數據。在制造情報系統中對企業外部生態環境大數據實施情報傳感、情報處理與情報解析，為計算實驗中的優化和預測提供數據和情報支持，如圖8所示。智能制造需要對企業外部生態環境大數據進行情報和分析。需要迅速收集原材料的價格信息、產品的市場銷售情況、市場存量、未來趨勢、國家政策、上下游行業信息等基本信息，這些信息往往以文本、圖像、視頻等格式分布于不同的媒體中，如何實現社會媒體的在線動態感知；如何讓這些異構的多源數據進行統一、完整的數據管理與數據共享，實現數據集中智能管理；如何進行動態感知、結構化、存儲、管理并對其進行計算建模和知識獲取，高保真地利用這些數據和知識，是非常重要的研究內容。

 

圖8 制造情報系統

為了建立制造情報系統，需研究網頁信息內容高效采集的聚焦爬蟲技術，確保采集信息一致性的增量式融合方法；研究相關數據的校正、清洗和標定技術，實現數據的可用性；構建海量數據的一體化數據管理平臺，實現數據的集中智能管理；構建面向制造業的社會媒體信息庫，包括實體庫、事件庫、情感庫、觀點庫的分類體系構建；研究數據信息的同義詞聚類、概念術語提取、實體和要素關系刻畫等知識獲取的技術。

制造智能

平行制造把制造企業視為一個開放的系統，通過制造情報實時感知工業互聯網中制造企業外部相關信息，對制造企業管控進行大數據分析支持。因此，平行制造中的制造智能是結合制造情報系統，采用 ACP 的方法與知識自動化技術，實現制造過程中的描述智能、預測智能和引導智能。

制造的描述智能

知識自動化的核心技術之一是軟件定義的系統等軟件化技術。SDN 技術，代表硬件“軟化”的一種方向，但實質與虛擬的實化目標一致。本節將人、社會、知識等因素納入系統流程及相關的分析與決策之中構建軟件定義的過程和軟件定義的工廠，靈活地處理鋼鐵制造管控中的復雜 CPSS問題，實現智能制造的描述智能，構建人工系統，實現制造業的數字化、透明化。

軟件定義的過程

根據產品全生命周期管理（PLM），構建平行制造中軟件定義的過程。對產品戰略、產品市場、產品需求、產品規劃、產品開發、產品上市、產品市場生命周期管理過程實行數字化和軟件化，以實現進度計劃管理、任務跟蹤和資源調配。主要過程分為產品設計過程、產品生產過程、產品銷售過程、用戶使用過程、協同工作過程，實現產品生生命周期透明化管理。平行制造中軟件定義的過程可分為軟件定義的產品設計過程、軟件定義的產品生產過程、軟件定義的產品銷售過程、軟件定義的用戶使用過程、軟件定義的協同工作過程。

軟件定義的工廠

根據人、機、料、法、環各要素，基于多 Agent智能體建模方法，構建軟件定義的工廠如下。

1）人員行為建模：包括個體行為建模與組織行為建模。在個體層次，建模依據在系統中涉及到的人的數目，所考慮人的同質性或異質性以及對人的典型描述方法。組織層次建模的任務是構建個體之間的關系模型，利用的工具主要是社會網絡和復雜網絡。基于Agent 智能體方法，構建軟件定義的員工、班組、車間，以及由生產計劃、質檢、營銷、采購、經營等部門組成的多級管理組織，實現鋼廠各員工、班組、車間與多級管理組織的屬性與行為特征的描述。

2）制造設備建模。采用基于 Agent智能體的建模方法，根據研究問題，建立各設備在使用過程中主要輸入變量和輸出變量之間的映射關系，在成本、安全等約束下為各設備管理提供量化依據。

3）軟件定義的生產資料（料）：對礦石、合金、輔料、備件等生產材料采用基于Agent智能體方法建模。

4）軟件定義的方法（法）：基于現有仿真軟件實現鋼廠典型工藝過程與控制方法、管理方法等進行建模。化工工藝建模方法，綜合利用了熱力學原理、化學反應、單元操作原理等基礎學科，用數學解析方法建立各類方程式。

5）軟件定義的環境（環）：對所處生態環境因素構建模型，包括上下游產業、同行鋼鐵企業等。

6）軟件定義的鋼廠：集合軟件定義的人、機、料、法、環，構建軟件定義的鋼廠，實現鋼廠的人工系統，實現鋼廠透明化，如圖9所示。

 

圖 9 軟件定義的鋼廠

此外，整個煉鋼過程的原材料、過程材料和成品材料也可用平行材料的方式描述。

軟件定義的工廠典型案例

基于軟件定義技術，構建大規模定制服裝廠數字化工廠。圖 10為大規模定制服裝廠數字化工廠系統架構，該數字化工廠時間的工作流程如圖11所示。

 

圖10 大規模定制服裝廠數字化工廠系統架構

 

圖 11 大規模定制服裝廠數字化工廠工作流程

制造的預測智能

結合企業外部互聯網大數據和情報分析系統與企業內部工業大數據，可以實現制造生產與管理過程的智能預測。以鋼鐵生產計劃進行優化為例，其覆蓋范圍從分廠擴展到全流程，兼顧工業復雜性與社會復雜性。生產計劃綜合考慮交貨期、質量、生產效率、物流周轉、能耗、綜合成本等多目標優化，實現上下游、生產-能源-物流等動態協同調度，如圖12所示。

 

圖 12 鋼廠生產計劃優化的計算實驗

現在鋼廠生產計劃主要依據實際訂單和粗略的市場預測定制合同計劃，并在合同計劃中分解出月生產計劃、旬生產計劃和日生產計劃。市場波動與訂單的變動經常導致生產計劃的變動，因此生產計劃的制定需要具有動態性與可調控性。在平行鋼鐵中，鋼廠的生產計劃牽涉到工程性的要素（庫存、設備、工序、物料等）和社會性的要素（員工、社會屬性），屬于社會物理信息系統。因此，在鋼廠工人系統平臺下結合鋼廠情報系統的外界生產環境大數據分析，對鋼廠內部工業大數據分析，實現鋼廠的生產計劃與排產優化計算實驗。基于上下游企業接口數據，實現與其生產計劃的協同管理；通過與生產工藝控制模型的接口數據，實現生產調度與工藝生產的協同優化。

在人工系統基礎中，采用大數據與知識混雜的挖掘分析等技術，建立基于生產經驗的高精度生產模型和知識庫。基于生產模型庫和知識庫，結合鋼廠情報系統，利用知識自動化技術實現鋼廠的預測智能。以生產計劃預測為例，生產計劃的預測分為生產計劃短期預測與生產計劃中期預測。在短期預測中，對鋼廠的生產工作流與短期生產計劃進行模擬預測；在中期預測中，對鋼廠的中期生產計劃、企業經濟決策及行業的發展做出模擬與預測。

制造的引導智能

在軟件定義的工廠和計算實驗基礎上，對復雜制造控制與管理過程實現智能引導。同樣，以鋼廠生產管理為例，鋼廠物理系統（實際系統）與鋼廠人工系統構成的平行系統進行虛實互動的平行執行，來實現平行系統的引導智能，如圖 13所示。具體過程如下：在計算實驗中，多種生產計劃方案輸入人工系統進行優化，得到的優化結果輸入物理系統，物理系統在社會系統環境干擾下得到輸出；人工系統通過輸入輸出進行自學習和模型校正；同時計算實驗中通過情報系統感知外部生態大數據，再結合新的人工系統，進行預測智能，預測結果作為物理系統的動態優化目標，最終實現物理系統與人工系統的引導智能。

 

圖 13 鋼廠的平行執行

邁向社會制造

在平行制造中，針對大規模定制化生產需求，提出了有一類產消者驅動（procustomer-driven）的平行制造范式，稱之為社會制造，其流程如圖 14所示。在社會制造中，產消者顧名思義為產品的消費者同時也是生產參與者，可以參與到制造過程中。社會制造是在產消者驅動下以眾包的形式完成設計、制造和銷售等過程，并以互聯網物聯網、大數據、3D掃描與 3D打印等技術支撐，以區塊連技術構生產過程供需各方信任機制，形成資源公平共享的分布式、虛擬化、網絡化、智能化的大規模個性化定制生產范式。

 

圖 14 社會制造流程

展 望

工業 5.0時代的智能制造是針對虛實互動的 CPSS工業環境，以互聯網、物聯網、移動互聯網等“互聯網+”為平臺，借助大數據、云計算、社會計算、機器學習等技術手段，構建實時感知社會需求的企業情報系統，構建與工業流程、車間、工廠、企業等平行的數字化平臺及人工系統，促使制造系統由被動管理向主動響應、自適應協調、平行引導的智能制造模式的轉變。

一定程度上，新一輪工業革命中的智能制造就是綜合利用搜索技術、先進的生產制造技術、社會服務應用（社會媒體）及泛在的移動終端設備，通過眾包等方式讓社會民眾充分參與產品的全生命周期生產制造過程，實現實時化、個性化、大規模創新和“敏捷移動智造”，或稱社會智造。不久的將來，一個企業的競爭力和實力，很大程度上可能并不取決其外在規模與資產的大小，而取決于其掌控 CMOs的手段和能力，取決于其對虛實互動的認識、實踐和效率，取決于與其伴生的人工企業之規模和深度。工業化和信息化的深度融合必將是平行工廠、平行企業、平行制造的應用和普及。（責任編輯 祝葉華）

基金項目：國家自然科學基金項目（61533019, 71232006, 61233001, 61773381, 61773382, 71702182, 91520301）

參考文獻（略）

本文作者：王飛躍，高彥臣，商秀芹，張俊

作者簡介：王飛躍，中國科學院自動化研究所，復雜系統管理與控制國家重點實驗室/北京智能技術工程研究中心，研究員，研究方向為智能制造；商秀芹（通信作者），中國科學院自動化研究所，復雜系統管理與控制國家重點實驗室/北京智能技術工程研究中心，青島市智能產業技術研究院，博士，研究方向為智能制造。

注：本文發表于《科技導報》2018 年第21 期，敬請關注。