人工智能賦能流程制造

錢(qián)鋒

Key Laboratory of S mart Manufacturing in Energy Chemical Process, Ministry of Education, East China University of S cience and Technology, S hanghai 200237, China

流程工業(yè)是國(guó)民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，石化、化工、鋼鐵、有色等是典型的流程制造業(yè)。為了解決流程制造中資源、能源利用率和安全環(huán)保問(wèn)題，亟需研發(fā)新方法和新系統(tǒng)，推動(dòng)流程制造綠色化低碳化、高端化高值化和數(shù)字化智能化發(fā)展。當(dāng)前，人工智能已經(jīng)成功應(yīng)用于自動(dòng)駕駛、圖像處理、機(jī)器人、實(shí)時(shí)輔助決策、智能推薦等諸多領(lǐng)域，并且在知識(shí)表示、認(rèn)知理解和自主學(xué)習(xí)等方面展現(xiàn)出了強(qiáng)大的優(yōu)勢(shì)。如何將人工智能與流程制造進(jìn)行深度融合是“流程工業(yè)智能制造”的重點(diǎn)研究方向。近年來(lái)，各國(guó)政府紛紛發(fā)布與流程工業(yè)智能制造相關(guān)的戰(zhàn)略規(guī)劃，旨在推動(dòng)流程工業(yè)制造技術(shù)的迭代升級(jí)。

鑒于流程工業(yè)面臨著多尺度信息集成、人機(jī)物交互以及具有約束的多目標(biāo)優(yōu)化等諸多挑戰(zhàn)，在流程工業(yè)智能制造中研究與應(yīng)用人工智能技術(shù)成為各國(guó)學(xué)者們的研究重點(diǎn)。因此，本專題主要聚焦流程制造在信息集成、生產(chǎn)效率、運(yùn)營(yíng)管理、生產(chǎn)安全等方面的瓶頸問(wèn)題，從智能感知、建模優(yōu)化、自主控制、智能決策等多個(gè)維度推動(dòng)人工智能賦能流程制造。

在中國(guó)工程院的大力支持下，我們很榮幸邀請(qǐng)到美國(guó)、德國(guó)、比利時(shí)、加拿大、丹麥、韓國(guó)、新加坡、瑞典、中國(guó)等多個(gè)國(guó)家的院士和知名學(xué)者介紹流程工業(yè)智能制造相關(guān)的新思想、新理論和新技術(shù)。通過(guò)嚴(yán)格而仔細(xì)的同行評(píng)審，我們挑選出了9篇論文予以發(fā)表。以下對(duì)這些文章進(jìn)行簡(jiǎn)要介紹。

通過(guò)開(kāi)發(fā)化工產(chǎn)品建模方法以及工具，工程師和學(xué)者們能直觀地了解流程制造中各種變量之間的內(nèi)在關(guān)系，并通過(guò)數(shù)學(xué)建模來(lái)獲取這些關(guān)系的主要特性。一般而言，建模是實(shí)現(xiàn)流程智能制造中過(guò)程監(jiān)控、自主控制、智能決策以及性能評(píng)估等功能的前提條件。在本專題中，丹麥皇家科學(xué)院院士Rafiqul Gani教授、德國(guó)馬克斯-普朗克復(fù)雜技術(shù)系統(tǒng)動(dòng)力學(xué)研究所所長(zhǎng)Kai Sundmacher教授等解決了由材料選擇和工藝操作之間的強(qiáng)耦合關(guān)系所引起的復(fù)雜設(shè)計(jì)問(wèn)題。因?yàn)椴牧系膶傩孕枰脭?shù)據(jù)驅(qū)動(dòng)的模型進(jìn)行描述，而與工藝相關(guān)的規(guī)則需要基于機(jī)理進(jìn)行描述，所以該工作強(qiáng)調(diào)了混合建模有利于多尺度材料以及過(guò)程工藝的設(shè)計(jì)。通過(guò)關(guān)聯(lián)數(shù)據(jù)驅(qū)動(dòng)制造、分散制造、區(qū)塊鏈集成這三個(gè)方面，清華大學(xué)王笑楠教授等對(duì)信息物理生產(chǎn)系統(tǒng)（CPPS）在推動(dòng)下一代制造中的作用提出了系統(tǒng)性的觀點(diǎn)。此外，提出了通過(guò)數(shù)據(jù)驅(qū)動(dòng)建模，CPPS 有助于提升制造過(guò)程的直觀性以及自動(dòng)化水平。比利時(shí)根特大學(xué)教授Christian V.Stevens 等總結(jié)了在過(guò)程控制中應(yīng)用機(jī)器學(xué)習(xí)實(shí)現(xiàn)化學(xué)過(guò)程建模的優(yōu)勢(shì)、局限、機(jī)會(huì)和挑戰(zhàn)，在提升基于機(jī)器學(xué)習(xí)的建模方法可信度方面提出了三項(xiàng)建議。他們還指出，機(jī)器學(xué)習(xí)特別適用于實(shí)時(shí)優(yōu)化和規(guī)劃等有時(shí)間約束的情況。

在實(shí)際工業(yè)過(guò)程中，傳感設(shè)備所采集的測(cè)量值容易受操作環(huán)境、原材料和產(chǎn)品質(zhì)量指標(biāo)的變化等諸多因素的影響。因此，有必要開(kāi)發(fā)新的過(guò)程監(jiān)控技術(shù)來(lái)評(píng)估流程制造的運(yùn)行狀態(tài)。中國(guó)工程院院士桂衛(wèi)華教授等提出子帶瞬時(shí)能譜（SIEP）來(lái)定量地表示不同條件下鋁電解槽電壓指定頻段的特性；在SIEP 的基礎(chǔ)上，進(jìn)一步提出了一種對(duì)電池條件敏感的頻率分割方法，從而提高鋁基電解槽電壓監(jiān)測(cè)的可靠性和準(zhǔn)確性。由于操作環(huán)境的不斷變化，測(cè)量數(shù)據(jù)的分布可能會(huì)隨著時(shí)間的變化而變化，因此，基于歷史訓(xùn)練數(shù)據(jù)的過(guò)程監(jiān)控模型無(wú)法實(shí)現(xiàn)在線數(shù)據(jù)流的準(zhǔn)確監(jiān)測(cè)。鑒于此，中南大學(xué)陽(yáng)春華教授、中國(guó)工程院院士桂衛(wèi)華教授等提出了一種魯棒的轉(zhuǎn)移字典學(xué)習(xí)方法?；诖硇詫W(xué)習(xí)和域自適應(yīng)轉(zhuǎn)移學(xué)習(xí)的協(xié)同框架，該方法可以消除環(huán)境干擾所引起的分布差異，并且維持工業(yè)過(guò)程的監(jiān)測(cè)性能。加拿大國(guó)家工程院院士黃彪教授等采用了基于演員-評(píng)論家策略的強(qiáng)化學(xué)習(xí)方法，來(lái)解決流程工業(yè)中對(duì)象的實(shí)時(shí)跟蹤問(wèn)題。這種方法不僅可以提高監(jiān)測(cè)系統(tǒng)在不確定環(huán)境下的魯棒性，而且可以利用較少的由計(jì)算機(jī)視覺(jué)所生成的圖像降低維護(hù)成本。

優(yōu)化控制一直是確保流程制造運(yùn)行效能的閉環(huán)穩(wěn)定性與決策的關(guān)鍵。近年來(lái)，隨著工業(yè)系統(tǒng)的規(guī)模逐漸龐大，系統(tǒng)的結(jié)構(gòu)越來(lái)越復(fù)雜，引入先進(jìn)的機(jī)器學(xué)習(xí)技術(shù)來(lái)優(yōu)化流程工業(yè)決策過(guò)程和控制策略是十分必要的。由于煉鐵過(guò)程中難以滿足實(shí)時(shí)響應(yīng)和彈性計(jì)算的要求，中國(guó)工程院院士孫優(yōu)賢教授等提出了一種基于云服務(wù)和云分發(fā)系統(tǒng)的多目標(biāo)優(yōu)化框架。在此基礎(chǔ)上，作者利用深度學(xué)習(xí)和進(jìn)化計(jì)算，提出了多目標(biāo)優(yōu)化算法對(duì)高爐煉鐵過(guò)程中的沖突目標(biāo)進(jìn)行優(yōu)化。從監(jiān)控、控制、優(yōu)化和故障檢測(cè)的角度來(lái)看，美國(guó)康奈爾大學(xué)Fengqi You教授等回顧了考慮隨機(jī)不確定性影響的機(jī)器學(xué)習(xí)和數(shù)據(jù)驅(qū)動(dòng)控制在發(fā)電系統(tǒng)中的典型應(yīng)用；作者們指出機(jī)器學(xué)習(xí)和數(shù)據(jù)驅(qū)動(dòng)的控制技術(shù)有助于提高智能發(fā)電系統(tǒng)的可見(jiàn)性、可操作性、靈活性、收益性以及安全性，因此有望成為傳統(tǒng)基于模型方法的可替代方案。瑞典皇家工程科學(xué)院院士Karl Henrik Johansson教授、中國(guó)工程院院士柴天佑教授等回顧了流程工業(yè)生產(chǎn)全過(guò)程中現(xiàn)有決策、控制和運(yùn)行管理框架的不足，并且提出了將工業(yè)人工智能、工業(yè)互聯(lián)網(wǎng)與過(guò)程領(lǐng)域知識(shí)深度融合的設(shè)想，在實(shí)現(xiàn)流程工業(yè)智能制造方面具有較大的潛力。

綜上所述，本專題選取的9篇論文從工業(yè)過(guò)程建模、過(guò)程監(jiān)測(cè)與性能評(píng)估、智能決策與優(yōu)化控制等方面報(bào)道了流程工業(yè)智能制造的最新進(jìn)展。我們希望本專題的出版能夠幫助學(xué)術(shù)界和工業(yè)界的研究人員和從業(yè)者進(jìn)一步了解人工智能在流程工業(yè)智能制造中的作用。最后，我們對(duì)作者、審稿人、編輯部和客座編輯的辛勤付出表示衷心的感謝！