柴天佑院士：从人类感知到智能决策，制造业智能化关键问题解读

雷锋网按：工业互联网作为当下国内制造业转型升级的利器。制造流程如何转变？人工智能如何融入工业互联网发展进程中？在这个过程中存在哪些机遇和挑战？

10月18日，在2019工业互联网全球峰会上，中国工程院院士、东北大学学术委员会主任、流程工业综合自动化国家重点实验室主任柴天佑发表了主题演讲《工业互联网与工业人工智能》，给出了这些工业互联网发展前期关键问题的答案。

以下为柴天佑院士演讲全文，雷锋网作了不改变原意的整理：

工业互联网发展初期存在的四个问题

首先简单回顾一下工业互联网发展现状。

美国的工业互联网主要做的工作是资产优化，为不同企业向服务型企业转型提供一个模式。

德国工业4.0也代表着工业互联网，他们当时以制造流程优化为目的，强调实现个性定制的高效化，为中小企业发展提供模板。

其实，工业互联网发展到今天，还存在一些问题：

第一，缺乏IT和OT技术融合。现在我们所采用的互联网技术，包括5G、边缘计算、云平台技术，和现在我们第三次工业革命形成的PLC、DCS管控系统，从硬件软件缺乏深度融合。

第二，缺乏在工业互联网环境下，制造业转型升级新模式和高质量发展研究。

第三，工业互联网缺乏与工业人工智能技术的深度融合。

第四，针对工业互联网实际落地，缺乏系统体系架构、功能体系、自主可控的核心关键技术与实施路径的深入研究，特别是缺乏智能制造系统的新一代硬件、软件和系统及关键核心技术。

跨企业工业互联网系统：从人类感知到智能决策

我们跨企业工业互联网应该如何走？下图给出了这一问题的答案。

跨企业的工业互联网系统包括「外网系统+跨行业智能化的软件平台+不同企业的信息化系统」，然后通过系统的安全机制将其进行互联。

跨企业工业互联网系统的主要目标功能包括：

第一，对企业的安全进行监控和预警；

第二，对企业能耗进行监测和预警；

第三，对企业环境检测和预警；

第四，对于不同的中小企业，通过大数据驱动，提高企业管理和决策智能化水平。

对于集团企业的工业互联网系统而言，系统包括「内网系统+集团企业智能化软件平台+企业内部各类自动化系统」，然后通过特殊的安全系统和机制实现互联。

这一系统主要目标功能包括：

第一，在大数据环境下，实现企业经营管理和决策的智能优化；

第二，实现制造业企业向服务型转型，即企业不再只是生产产品，同时还要对产品的售后服务，以及将来的产品维护、运维提供服务。

第三，实现供应商企业、供货商企业集成优化，使企业的经营决策既考虑到工况，又考虑到供应链，形成一个优化的决策。

那么，一个企业级系统将来如何发展？下图就反应了一个企业一定有生产制造性，原来是由计算机管控系统。

今天的情况下，因为计算机管控系统主要是为工业过程控制，工业过程的逻辑和回路控制、监控所搭建。随后又基于此，加入MES（制造执行系统）、ERP（企业资源计划管理系统）信息。

但是在这样的产业信息化过程中并没有考虑智能化的问题，也没有考虑到在工业大数据环境，要想将这些功能加强，必然要做以下工作：

第一，要做智能传感。现在的传感感知是靠人，这些感知如何通过智能传感、无线传输、边缘计算，去预测、优化决策、大数据监控，并向上接入工业云。

为什么需要工业云？工业过程的数据是变化，通过某一段数据训练的模型无法用到整个生产过程中，因而必须要做一个自适应的机器学习系统。再加入物联网技术，也就形成了现在的企业物联网+企业智能化软件平台。

对于这个系统而言，必须要考虑工业网络化系统安全，这是有特殊的安全要求的。这样，这个系统就实现了制造流程的全局化、个性制造流程化。

企业工业网络化系统的目的是执行定制化生产任务。当然，对于这样一个系统而言，必须要考虑工业网络化系统的安全，工业系统有其特殊的安全需要。

下面以一个制造流程的智能系统为例，来说明如何实现工业互联网的产业应用。如下图所示。

现在的生产线，无论是离散生产线，还是流程生产线，底层都是加工装备。在流程工业中都会有一个控制系统，所以大家看到的生产线是自动化，这样生产线实现的自动化是有条件：在一种产品、一定边界条件下，通过人利用信息化系统，通过工艺工程师把这个系统的指令和工艺参数确定后，实现自动化生产线。如果将来要实现个性化定制生产，即生产条件变化的情况下，实现实际落地应用时，人如何在其中起到作用？

如上图所示，实际上，人可以从信息化系统获得工况数据，但是工况的信息还要靠人，人有感知、视觉、听觉等能力，包括需要召开汇报会、调度会，为什么？就是因为用人拿到的这些信息，需要由人来决策。也就是说人根据工况信息进行决策和规划，要决策企业的综合生产指标、决策企业的工艺参数、决策控制系统的指令，再下达到控制系统，这条自动化生产线据此来实现目标生产。

但是我们都知道，人本身是难以处理多元信息的感知的，人难以快速计算多元信息的感知，再加上人会由于知识水平的不同、能力不同，决策往往也不一致。所以在这种情况下，下一步就要将这个系统变成一个新的系统。

新系统的目标是实现企业高效化决策和生产，这个系统最终变为两个系统，把底层人控制的控制系统和加工系统，转换成为智能控制系统；把所有信息化分层决策，转换成为人机合作的智能优化系统，最终由原来的三层结构形成两层结构。

例如ERP、制造执行系统、MES、离散工业装置控制系统，流程工业过程控制系统，过去的系统从企业目标、资源计划调度，以及工业参数、生产指令都是依靠人来决策，所以无法实现这三层的集成。

未来的情况就会形成上图右侧这样的两层结构，一个是智能自主控制系统，一个是人机合作的智能优化决策系统，这样的制造流程智能自主系统将随决策指令协同路径实现制造流程的高效化和可预测化。

从工业自动化到工业人工智能，如何转型？

将来的制造流程智能系统的发展方向是怎样的呢？

如上图所示，在工业现场制造流程中，加入了DCS、智能传感、5G网络、智能计算单元和控制云，形成这样一个智能系统；右侧还有一个数字孪生系统，这个数字孪生系统和制造流程完全一样，通过不断校正，并与和现场一样的工业互联网系统进行交互，将它研究的算法直接在这个系统环境下实验，实验完之后直接用到生产中，将来把工业的实验尽量减少，这是我们讲的数字孪生系统。

当然，这样的系统必须采用人工智能技术来实现。

谈到人工智能技术，我们会区分强人工智能和弱人工智能，强人工智能是指拥有和人一样的智慧，以及全面的智能。但是今天一些人认为强人工智能是无法实现，当然也有人认为实现强人工智能大概需要50年。我们今天可以实现的是弱人工智能，特点是针对一个特定的场景、目标要比人做得好。例如现在的人工智能技术可以用于开车（自动驾驶），也可以用于下棋，但是不能两者兼备。

在工业应用中，将来应该是实现工业环境应用的特殊人工智能技术，到今天为止，人工智能仍然没有大家公认的定义，但是他的核心目标是要实现智能行为的自动化和可复制，不是单一技术，是特定任务的技术集合。

现在的人工智能算法是靠数据训练得到的，它的准确率是高，但是为什么高，我们说不清楚。

人工智能下一步发展方向将会是：

第一，由现在的不可解释的人工智能，发展到可解释的人工智能技术。因为只有可解释，人才可以进行推理。

第二，人工智能将会向智能系统发展。工业流程中我们现在应用的是自动化控制系统，将来将会转变为智能控制系统。

现在的人工智能和自动化之间有什么相同点和不同点？

从目标来讲，自动化减少了人的体力和脑力劳动，从而提高工作效率的效果和效益，AI是人的智能行为的复制，它们采用的手段是一样的，都是算法和系统。此外，它们的共同点还在于都是通过机器延伸和增强人类的感知、认知决策执行功能，使人增强认识世界和改造世界的能力，去完成人无法完成的特定任务，或者是特定任务比人完成得更好。

不同之处在于，它们处理问题的对象是不同的。

我们现实生活中有两类研究对象：

第一类是机理清楚，动态可以用微分方程调控，静态可以用代数方程描述的对象，通过我们所学到的机理知识，我们知道了其中的因果关系，可以通过因果关系以小数据来进行建模、分析、控制和优化。

第二类是如图像这类很难用数学模型（微分方程、代数方程等）描述的对象，它的信息是在一个空间里边，是一个大数据范畴，这时候可以用大数据和机器学习来处理和建模，这是今天的人工智能技术。

所以人工智能技术发展到今天的深度学习是基于大数据实现的，但是今天的成果有一个条件，就是必须是一个封闭环境下的大数据。我们今天在工业中所遇到的对象，它的整个机理不清晰，难以建立数学模型，我们现在的技术，我们各类专业知识是无法解决这样问题的；另外，工业中的输入输出信息处于开放环境，是可变的（且不确定），人的决策并无法将所有因素都考虑到。

在这样的情况下，再加上工业上的信息难以获取，特别是多元信息的获取，我们的决策目标是冲突的（我们要质量好，那么它的产量不一定高；产量高，成本不一定低）。

这类对象应该是我们未来将自动化和人工智能技术相结合发展新的技术，即工业人工智能技术。

对于工业人工智能，各个国家都极为重视，包括美国、德国等，中国的智能制造业也是把下一代的人工智能技术应用到工业制造中。所以下一步的目标是将工业制造实现智能化。

工业互联网系统研究发展思路

什么是工业人工智能的含义？

当前来看，针对产品与工艺设计、经营管理与决策、制造流程运行管理与控制等工业生产活动中目前仍然依靠人的感知、认知、分析与决策能力和经验与知识来完成的知识工作，实现知识工作的自动化与智能化来显著提高经济效益。

以制造流程知识工作为例，目前有三类工作：运行工况多源信息感知与识别， 经营层、生产层和运行层的协同决策，以及以企业综合生产指标优化为目标，自动协同制造装备控制系统的动作。

人工智能在短期内的核心经济目标是什么？

是以以前无法实现自动化的任务实现自动化。

最近美国提出的“补充和增量人类能力的AI系统”，实际上都是人类知识工作能力如何起作用。

鉴于这种情况，接下来我们将会面临三方面挑战：

第一，复杂工业环境下多元信息的动态感知；

第二，预报模型，因为我们下一步要做的事是要比人强，人最大的能力是推理，要比人强，需要具备预测能力；

第三，决策与控制过程集成优化。

由此也需要三项技术：复杂工业系统的动态感知技术、复杂工业环境下5G快速可靠传输技术、云边端协同智能算法实现技术。

针对工业互联网系统研发的具体思路，柴天佑院士最后也总结为以下几点：

第一，找准问题，应该找在工业过程的感知、认知、决策中的执行问题，选好场景；

第二，确定目标，以最优秀的知识工作者为目标，并最终进行超越；

第三，采用CPS思想，也就是采用系统为目标的研究思路，把计算资源和物理资源融合，研究更强大的系统。这里就应该把研发工业互联网系统与研发面向特定领域的工业系统结合起来。这里具体又包括三部分：

第一，模型驱动的自动化和模型驱动的原来各个专业知识，应该和数据驱动的人工智能技术进行深度的融合和协同；

第二，研发工业互联网与研发面向各种制造流程的智能算法系统密切结合；

第三，研发工业互联网与PLC（DCS）管控系统深度融合。

第四，基础研究、研发、时延与工业应用相结合；

第五，汇聚国家重点实验室、高技术公司与制造行业的科技力量，形成学科交叉长期合作的研究机制。 雷锋网雷锋网 (公众号：雷锋网)

。