人工智能助力有色金屬工業(yè)轉(zhuǎn)型升級(jí)

袁小鋒，桂衛(wèi)華，陳曉方，黃科科，陽春華

（中南大學(xué)，長(zhǎng)沙 410083）

一、有色金屬工業(yè)現(xiàn)狀與面臨的挑戰(zhàn)

在黨的“十九大”報(bào)告中，習(xí)近平總書記號(hào)召加快建設(shè)制造強(qiáng)國(guó)，加快發(fā)展先進(jìn)制造業(yè)，特別強(qiáng)調(diào)加快發(fā)展實(shí)體經(jīng)濟(jì)，筑牢現(xiàn)代化經(jīng)濟(jì)體系的堅(jiān)實(shí)基礎(chǔ)。實(shí)體經(jīng)濟(jì)是一國(guó)經(jīng)濟(jì)的立身之本，是財(cái)富創(chuàng)造的根本源泉，是國(guó)家強(qiáng)盛的重要支柱。李克強(qiáng)總理在2018年政府工作報(bào)告中明確指出實(shí)施《中國(guó)制造2025》，推進(jìn)工業(yè)強(qiáng)基、智能制造、綠色制造等重大工程?！吨袊?guó)制造2025》從國(guó)家層面確定了我國(guó)建設(shè)制造強(qiáng)國(guó)的總體戰(zhàn)略，推進(jìn)智能制造是主攻方向[1]。有色金屬工業(yè)是我國(guó)實(shí)體經(jīng)濟(jì)的基石，是實(shí)現(xiàn)制造強(qiáng)國(guó)的重要支撐，也是我國(guó)結(jié)構(gòu)性改革和綠色發(fā)展的主戰(zhàn)場(chǎng)之一，其智能制造的發(fā)展尤為重要。

改革開放以來，經(jīng)過技術(shù)引進(jìn)、消化吸收和自主創(chuàng)新，我國(guó)有色金屬工業(yè)在裝備提升、工藝技術(shù)改進(jìn)、產(chǎn)能結(jié)構(gòu)調(diào)整、境外資源開發(fā)利用等方面取得了明顯成效。目前，我國(guó)已成為世界上品種最齊全、規(guī)模最龐大的有色金屬制造大國(guó)和消費(fèi)大國(guó)，形成了較為完整的現(xiàn)代有色金屬工業(yè)體系。然而，我國(guó)整體上還不是有色金屬工業(yè)制造強(qiáng)國(guó)，仍面臨著綠色化與高效化發(fā)展的挑戰(zhàn)與問題，主要表現(xiàn)為：①優(yōu)質(zhì)資源枯竭，難冶資源比例大，生產(chǎn)裝備和工藝水平有待進(jìn)一步改善；②廢水、廢氣和廢固排放體量大，能耗總量大，能效與環(huán)保有待進(jìn)一步提高；③生產(chǎn)過程自動(dòng)化程度不高，對(duì)操作人員依賴性大，生產(chǎn)控制優(yōu)化有待進(jìn)一步智能自動(dòng)化；④企業(yè)生產(chǎn)、經(jīng)營(yíng)和管理缺乏快速和主動(dòng)響應(yīng)市場(chǎng)變化的敏捷決策機(jī)制，智能決策水平有待進(jìn)一步提升。由此可知，資源、能源、效益和環(huán)境是制約我國(guó)有色金屬工業(yè)發(fā)展的主要瓶頸問題。我國(guó)有色金屬工業(yè)綠色化和高效化轉(zhuǎn)型升級(jí)已迫在眉睫。為此，智能制造是有色金屬工業(yè)綠色化、高效化轉(zhuǎn)型升級(jí)的必經(jīng)之路。其中，以高效綜合利用復(fù)雜礦產(chǎn)資源的綠色選冶技術(shù)、實(shí)現(xiàn)生產(chǎn)過程的智能自主控制、提升企業(yè)經(jīng)營(yíng)決策的智能化水平，是我國(guó)有色金屬工業(yè)高效化和綠色化轉(zhuǎn)型升級(jí)的關(guān)鍵問題。

新一輪科技革命和產(chǎn)業(yè)變革與我國(guó)加快轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式形成歷史性交匯，為有色金屬工業(yè)實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略提供了重大機(jī)遇。新一代人工智能、大數(shù)據(jù)等現(xiàn)代信息技術(shù)和有色金屬工業(yè)的緊密結(jié)合，為我國(guó)有色金屬工業(yè)的轉(zhuǎn)型升級(jí)提供了重要技術(shù)保障。以人工智能驅(qū)動(dòng)有色金屬工業(yè)綠色化和高效化轉(zhuǎn)型，實(shí)現(xiàn)智能化發(fā)展，對(duì)我國(guó)有色金屬工業(yè)智能制造具有重大意義。

二、人工智能助力有色金屬工業(yè)轉(zhuǎn)型升級(jí)案例

智能制造是由智能機(jī)器和人類專家共同組成的人機(jī)一體化智能系統(tǒng)，在制造過程中進(jìn)行諸如分析、推理、判斷、構(gòu)思和決策等智能活動(dòng)，擴(kuò)大、延伸和部分地取代人類專家在制造過程中的腦力勞動(dòng)，已成為公認(rèn)的提升制造業(yè)整體競(jìng)爭(zhēng)力的核心高技術(shù)。有色冶金生產(chǎn)過程生產(chǎn)原料多變、工況復(fù)雜、生產(chǎn)工藝復(fù)雜且生產(chǎn)流程長(zhǎng)，從綠色、高效和智能化生產(chǎn)的轉(zhuǎn)型升級(jí)要求出發(fā)，需要通過靈敏感知、精細(xì)操作、智能分析和敏捷決策來應(yīng)對(duì)處理這些復(fù)雜變化和嚴(yán)苛要求。因此，人工智能技術(shù)在有色金屬工業(yè)綠色化、高效化和智能化的進(jìn)程中發(fā)揮著重要作用，并取得了實(shí)際的應(yīng)用和經(jīng)濟(jì)效果。在此，以基于分布機(jī)器視覺的浮選過程智能化和冶煉企業(yè)原料采購(gòu)決策知識(shí)自動(dòng)化為例，分別從控制級(jí)和決策級(jí)闡述人工智能技術(shù)助力有色金屬工業(yè)優(yōu)化升級(jí)的重要作用和意義。

（一）基于分布機(jī)器視覺的泡沫浮選過程智能化升級(jí)

選礦是礦產(chǎn)資源加工的一個(gè)重要環(huán)節(jié)，選礦水平高低直接影響礦物資源回收率和環(huán)保效益。泡沫浮選是一種主要的選礦方法，廣泛應(yīng)用于鋼鐵、有色金屬、煤炭等工業(yè)部門。泡沫浮選是以一定的工藝路線，在礦漿中加入浮選藥劑，產(chǎn)生攜帶礦粒的穩(wěn)定氣泡，通過收集含礦物質(zhì)點(diǎn)的泡沫，從而提高被加工礦物品位的過程。由于泡沫浮選工藝流程長(zhǎng)、礦源組分頻繁波動(dòng)、工況多變、關(guān)鍵質(zhì)量指標(biāo)無法在線檢測(cè)等原因，其生產(chǎn)過程主要是依賴操作人員根據(jù)自身經(jīng)驗(yàn)對(duì)多工序多槽泡沫的視覺特征（大小分布、顏色、虛實(shí)等）進(jìn)行綜合關(guān)聯(lián)分析，判斷浮選和工況狀態(tài)，完成多槽藥劑添加量、液位、流量、鼓風(fēng)量等的協(xié)調(diào)操作，如圖1所示。然而，由于人的主觀性強(qiáng)、分析判斷誤差大、工作效率低等原因，很難及時(shí)應(yīng)對(duì)原料的變化，造成工況不穩(wěn)定、生產(chǎn)指標(biāo)頻繁波動(dòng)和精礦產(chǎn)品質(zhì)量不穩(wěn)定，從而導(dǎo)致藥劑消耗大、資源回收率低、環(huán)境污染嚴(yán)重等問題。

機(jī)器視覺作為人工智能的一個(gè)重要分支，已被廣泛用于國(guó)民經(jīng)濟(jì)的各個(gè)行業(yè)。工業(yè)機(jī)器視覺系統(tǒng)通過圖像視頻攝取裝置，將目標(biāo)轉(zhuǎn)換成圖像視頻信號(hào)，經(jīng)過圖像視頻處理系統(tǒng)，抽取目標(biāo)的特征，通過特征識(shí)別來指導(dǎo)和控制生產(chǎn)過程。因此，機(jī)器視覺具有能夠用機(jī)器代替人進(jìn)行感知和認(rèn)知的潛能，其具有處理速度快和精度高的特點(diǎn)，可以極大地提高生產(chǎn)的靈活性和自動(dòng)化程度。并且，在高危和大批量重復(fù)性生產(chǎn)過程中，機(jī)器視覺具有比人工視覺更強(qiáng)的感知能力和更精確的識(shí)別能力。為了解決人工操作在浮選過程中的缺陷，通過引入機(jī)器視覺技術(shù)，利用分布機(jī)器視覺提取泡沫圖像敏感特征，達(dá)到生產(chǎn)過程金屬品位實(shí)時(shí)預(yù)測(cè)，浮選工況識(shí)別，浮選流程藥劑添加量協(xié)調(diào)優(yōu)化控制，從而能夠有效應(yīng)對(duì)礦源條件的頻繁變化，提高資源回收率，降低藥劑消耗和污染物排放，為實(shí)現(xiàn)浮選過程的智能化提供關(guān)鍵技術(shù)之一[2]。圖2給出了基于分布機(jī)器視覺的泡沫浮選生產(chǎn)過程工況智能識(shí)別與協(xié)調(diào)優(yōu)化控制流程圖。

1. 浮選泡沫圖像敏感特征提取與關(guān)鍵指標(biāo)預(yù)測(cè)

基于泡沫對(duì)藥劑變化的敏感性分析，可確定浮選過程中泡沫尺寸、紋理、流動(dòng)速度、顏色、穩(wěn)定度和承載率等敏感特征集，通過一定的特征描述方法，并融合泡沫圖像特征、機(jī)理模型和運(yùn)行數(shù)據(jù)實(shí)現(xiàn)金屬品位預(yù)測(cè)（見圖3），從而能夠?yàn)楦∵x過程的工況識(shí)別、分析與協(xié)調(diào)控制提供一定依據(jù) [3～5]。

圖1 基于人工的泡沫特征分析與操作

圖2 基于機(jī)器視覺的浮選過程工況智能識(shí)別與協(xié)調(diào)優(yōu)化控制

2. 基于泡沫圖像特征的浮選過程工況識(shí)別

浮選過程工況和泡沫圖像具有較強(qiáng)的相關(guān)性，不同的工況產(chǎn)生不同的泡沫圖像特征，不同的泡沫圖像能夠反映不同的生產(chǎn)工況。針對(duì)機(jī)器視覺特征與工況之間的關(guān)系，可建立基于機(jī)器視覺特征的多工況智能識(shí)別方法，如基于泡沫視覺特征與工藝參數(shù)融合的浮選入礦類型識(shí)別、基于泡沫大小動(dòng)態(tài)分布特征的加藥量健康狀態(tài)自學(xué)習(xí)識(shí)別；基于多尺度泡沫特征和嵌入先驗(yàn)知識(shí)聚類的病態(tài)工況識(shí)別等 [6～8]。

3. 基于泡沫圖像敏感特征的浮選全流程智能協(xié)調(diào)優(yōu)化控制

智能協(xié)調(diào)優(yōu)化是基于不同工序泡沫圖像特征的分析和工況智能識(shí)別，確定每道工序最佳的泡沫圖像特征，并通過加藥量、風(fēng)量等操作量的自動(dòng)控制，確保工況穩(wěn)定運(yùn)行在最佳狀態(tài)，從而改變?nèi)斯び^察泡沫、手動(dòng)調(diào)節(jié)的工作方式[9～11]。圖4給出了基于泡沫圖像敏感特征的浮選全流程智能協(xié)調(diào)優(yōu)化控制方案。

上述研究工作已應(yīng)用于多家礦物浮選企業(yè)，實(shí)現(xiàn)了根據(jù)泡沫圖像自動(dòng)識(shí)別、分析和控制工況的智能化操作，穩(wěn)定了精礦品位，有效提升了選礦過程有價(jià)金屬回收率，取得了很好的社會(huì)和經(jīng)濟(jì)效益。

圖3 浮選過程金屬品位智能預(yù)測(cè)建模

圖4 浮選全流程智能協(xié)調(diào)優(yōu)化控制框架

（二）冶煉企業(yè)原料采購(gòu)決策知識(shí)自動(dòng)化

在現(xiàn)代有色金屬工業(yè)企業(yè)中，許多體力勞動(dòng)已逐漸被機(jī)器所替代，企業(yè)的管理和控制主要依靠知識(shí)型工作者來完成，其核心是知識(shí)型工作。隨著企業(yè)規(guī)模的擴(kuò)大和信息化技術(shù)的深化應(yīng)用，知識(shí)型工作者無法勝任新信息環(huán)境和海量數(shù)據(jù)下的工作，人工操作、決策存在主觀性和不一致性，無法實(shí)現(xiàn)工業(yè)生產(chǎn)全流程的整體優(yōu)化，知識(shí)的推廣、積累和傳承十分困難。知識(shí)型工作是對(duì)知識(shí)的利用和創(chuàng)造，其核心要求是完成復(fù)雜分析，精確判斷和創(chuàng)新決策的任務(wù)[12]。知識(shí)自動(dòng)化主要是指知識(shí)型工作的自動(dòng)化[13]。著名的McKinsey 全球研究院曾在其發(fā)布的名為《展望2025：決定未來經(jīng)濟(jì)的12 大顛覆技術(shù)》的報(bào)告中，將知識(shí)型工作自動(dòng)化 (automation of knowledge work) 列為第二大顛覆性技術(shù)[14]。因此，知識(shí)自動(dòng)化在有色金屬工業(yè)中應(yīng)用潛力大、前景廣闊。

本文以某鉛鋅冶煉企業(yè)原料采購(gòu)決策為例，闡述知識(shí)自動(dòng)化的重要意義。我國(guó)有色金屬冶煉企業(yè)在原料采購(gòu)時(shí)往往面臨以下問題：原料資源來源廣（往往超過百家的供應(yīng)商），成分復(fù)雜多變，品位、價(jià)格不一；企業(yè)生產(chǎn)規(guī)模大，對(duì)原料需求量大，原料采購(gòu)占用企業(yè)大量資金；生產(chǎn)對(duì)原料有嚴(yán)格的質(zhì)量要求（如金屬品位、雜質(zhì)含量等）；由于生產(chǎn)的連續(xù)性要求企業(yè)有合理的庫(kù)存來應(yīng)對(duì)各種不確定性因素；市場(chǎng)變化快，企業(yè)產(chǎn)品市場(chǎng)與原料市場(chǎng)存在脫節(jié)現(xiàn)象。

在以往的生產(chǎn)經(jīng)營(yíng)管理中，企業(yè)的原料采購(gòu)主要憑借采購(gòu)人員自身經(jīng)驗(yàn)進(jìn)行決策，是一項(xiàng)典型的知識(shí)型工作。人工決策時(shí)要考慮采購(gòu)目標(biāo)、外部狀況、供應(yīng)狀況、企業(yè)狀況，以及資金、庫(kù)存、供應(yīng)商關(guān)系等復(fù)雜問題，并時(shí)常會(huì)因決策考慮不周全而給企業(yè)帶來?yè)p失。為此，在該鉛鋅冶煉企業(yè)構(gòu)建如圖5所示的原料采購(gòu)決策知識(shí)自動(dòng)化系統(tǒng)。

圖5 企業(yè)原料采購(gòu)決策知識(shí)自動(dòng)化系統(tǒng)

決策過程中將從100多家礦山的原料采購(gòu)決策問題分為兩步?jīng)Q策：首先根據(jù)配礦數(shù)據(jù)知識(shí)、配礦機(jī)理知識(shí)及原礦分類基準(zhǔn)模型，將100多種礦源按質(zhì)量分為若干類，以每類采購(gòu)資金最小為目標(biāo)，以滿足生產(chǎn)要求為約束，建立原料分類采購(gòu)模型，依據(jù)分類采購(gòu)決策模型以及市場(chǎng)知識(shí)、企業(yè)生產(chǎn)知識(shí)等決策每一類原料各自采購(gòu)量。在實(shí)際的采購(gòu)過程中，采購(gòu)決策者還需要考慮同一種類型的精礦，可能由于地區(qū)和分承包方的不同而價(jià)格會(huì)有不同；各個(gè)分承包方履行合同的情況可能不同，有些分承包方的到貨量超過了合同量，有些則不能完成合同量；有些分承包方屬于經(jīng)營(yíng)性公司，每年提供的精礦品位可能不同。為此，第二步?jīng)Q策是對(duì)每一類的采購(gòu)進(jìn)行進(jìn)一步優(yōu)化，即在分類決策結(jié)果的基礎(chǔ)上根據(jù)基于知識(shí)分析的供應(yīng)商評(píng)估結(jié)果和礦源信息建立的供應(yīng)商采購(gòu)模型，優(yōu)化得到各供應(yīng)商的采購(gòu)計(jì)劃。兩步?jīng)Q策知識(shí)自動(dòng)化系統(tǒng)采購(gòu)方案借鑒了人工憑借知識(shí)進(jìn)行采購(gòu)決策的思路，不僅能夠簡(jiǎn)化優(yōu)化決策的計(jì)算量，而且一旦由于供應(yīng)商原因?qū)е履车V源供貨不足時(shí)，可以很容易從同大類礦源中找到替代供應(yīng)商，從而避免人工決策的弊端，每年為企業(yè)節(jié)約數(shù)百萬至數(shù)千萬元的原料采購(gòu)經(jīng)費(fèi)[15,16]。

上述兩個(gè)案例分別從控制層面和決策層面說明，人工智能技術(shù)能夠助力有色金屬生產(chǎn)智能制造，實(shí)現(xiàn)從傳統(tǒng)生產(chǎn)方式向綠色化、高效化和智能化生產(chǎn)方式的轉(zhuǎn)變。借助人工智能技術(shù)，建立具有智能感知、智能認(rèn)知和智能控制的智能自主系統(tǒng)和具有智能協(xié)同的優(yōu)化決策系統(tǒng)，是實(shí)現(xiàn)有色金屬全流程綠色高效化生產(chǎn)的必由之路。

三、有色金屬工業(yè)轉(zhuǎn)型升級(jí)對(duì)人工智能的挑戰(zhàn)

有色金屬工業(yè)高效化、綠色化轉(zhuǎn)型升級(jí)的主要途徑是生產(chǎn)過程智能化，其關(guān)鍵是通過人工智能技術(shù)實(shí)現(xiàn)生產(chǎn)過程的智能感知、認(rèn)知和決策。

從人工智能技術(shù)發(fā)展史看，主要可以分為兩大流派，一類是以框架知識(shí)和語義網(wǎng)絡(luò)為代表的基于規(guī)則的方法，模仿人類認(rèn)識(shí)處理對(duì)象的方法，自上而下地建立規(guī)則體系解決智能問題；另一類是以機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)為代表的基于數(shù)據(jù)統(tǒng)計(jì)的方法，依托大規(guī)模數(shù)據(jù)集和強(qiáng)大計(jì)算能力進(jìn)行學(xué)習(xí)，自下而上地通過訓(xùn)練得到計(jì)算模型實(shí)現(xiàn)智能計(jì)算的目的。從IBM深藍(lán)到AlphaGo的成功說明了面向數(shù)據(jù)的人工智能具有強(qiáng)大的生命力，其決策是按照確定勝負(fù)規(guī)則，從精確信息中評(píng)估學(xué)習(xí)找出最優(yōu)解，其適用對(duì)象一般仍然是封閉集合、完備規(guī)則和有限約束的問題，在互聯(lián)網(wǎng)、安保、金融等領(lǐng)域已經(jīng)取得了重要的應(yīng)用。由于有色金屬工業(yè)的復(fù)雜性和大規(guī)模性，其智能化轉(zhuǎn)型升級(jí)對(duì)人工智能技術(shù)提出了更高的挑戰(zhàn)。

有色金屬生產(chǎn)過程智能化面臨的問題主要在于：①需要面對(duì)開放受擾、不確定的動(dòng)態(tài)生產(chǎn)環(huán)境，多時(shí)空尺度和不完備數(shù)據(jù)集進(jìn)行全局工況態(tài)勢(shì)感知和認(rèn)知；②生產(chǎn)情境難以表征，生產(chǎn)控制和決策對(duì)應(yīng)的復(fù)雜信息難以計(jì)算，需要學(xué)習(xí)處理沖突不完備小樣本數(shù)據(jù)中包含的碎片化隱性知識(shí)；③過程機(jī)理復(fù)雜，無法精確建模，多工序關(guān)聯(lián)耦合，協(xié)同操作優(yōu)化難度大；④影響決策的各種要素存在定義不清晰、尺度不一致和多目標(biāo)沖突等問題，分層跨域敏捷決策困難。由此可知，有色金屬工業(yè)生產(chǎn)并不滿足封閉集合、完備規(guī)則和有限約束等現(xiàn)有前提，其智能化對(duì)人工智能具有更大的挑戰(zhàn)性。要實(shí)現(xiàn)有色金屬生產(chǎn)過程的智能化，應(yīng)當(dāng)把自上而下的規(guī)則和自下而上的數(shù)據(jù)兩類資源在有色金屬工業(yè)生產(chǎn)過程的人機(jī)物信息物理空間中有效融合起來，從有色金屬制造環(huán)境的智能感知、人機(jī)物系統(tǒng)協(xié)同的智能自主控制以及動(dòng)態(tài)智能優(yōu)化決策等方面實(shí)現(xiàn)有色金屬工業(yè)智能化。主要科學(xué)問題包括：

（1）復(fù)雜過程動(dòng)態(tài)建模和工況動(dòng)態(tài)感知。①具有復(fù)雜機(jī)理的生產(chǎn)過程動(dòng)態(tài)建模、虛擬仿真與可視化；②復(fù)雜環(huán)境下物料成分、特殊生產(chǎn)參數(shù)快速檢測(cè)技術(shù)；③多源異構(gòu)多模態(tài)動(dòng)態(tài)數(shù)據(jù)特征表示與提?。虎艽髷?shù)據(jù)與機(jī)理知識(shí)相結(jié)合的運(yùn)行工況動(dòng)態(tài)感知。

（2）動(dòng)態(tài)特性認(rèn)知和知識(shí)發(fā)現(xiàn)。①多時(shí)空動(dòng)態(tài)數(shù)據(jù)時(shí)序因果關(guān)聯(lián)的深度學(xué)習(xí)；②大數(shù)據(jù)環(huán)境下生產(chǎn)過程知識(shí)發(fā)現(xiàn)與高效獲取；③知識(shí)關(guān)聯(lián)建模與自學(xué)習(xí)方法；④生產(chǎn)過程多源知識(shí)的融合與遷移學(xué)習(xí)。

（3）大數(shù)據(jù)環(huán)境下知識(shí)驅(qū)動(dòng)的多目標(biāo)動(dòng)態(tài)決策。①大數(shù)據(jù)與知識(shí)驅(qū)動(dòng)的多尺度、多沖突目標(biāo)動(dòng)態(tài)協(xié)同決策理論；②高動(dòng)態(tài)性能的智能自主控制方法；③生產(chǎn)全流程動(dòng)態(tài)性能評(píng)估與智能調(diào)整方法。

（4）信息物理系統(tǒng)融合與協(xié)同。①人機(jī)物系統(tǒng)自主協(xié)同控制與智能優(yōu)化；②信息物理系統(tǒng)的防御與安全；③不確定、開放環(huán)境下的人機(jī)合作決策與互學(xué)習(xí)。

四、結(jié)語

目前，我國(guó)有色金屬工業(yè)在生產(chǎn)裝置與工藝技術(shù)等方面與世界先進(jìn)水平相比，正處于從大到強(qiáng)的關(guān)鍵時(shí)期，迫切需要通過生產(chǎn)全流程的智能化實(shí)現(xiàn)綠色高效生產(chǎn)，人工智能技術(shù)與有色金屬工業(yè)的深度融合，可為有色金屬工業(yè)轉(zhuǎn)型升級(jí)提供強(qiáng)有力的支撐，把我國(guó)建成具有技術(shù)引領(lǐng)能力的有色金屬工業(yè)強(qiáng)國(guó)，同時(shí)也可促進(jìn)人工智能技術(shù)的進(jìn)一步發(fā)展，實(shí)現(xiàn)工業(yè)文明與生態(tài)文明的協(xié)同發(fā)展。