自主智能制造：社會—信息—物理交互、參考體系架構與運作機制

姚錫凡，黃 宇，黃巖松，麥海鋒，楊爾輔，于洪年

(1.華南理工大學 機械與汽車工程學院，廣東 廣州 510640;2.思克萊德大學 設計制造與工程管理系，英國 格拉斯哥 G1 1XJ;3.愛丁堡龍比亞大學 工學與建筑環(huán)境學院，英國 愛丁堡 EH10 5DT)

0 引言

智能制造誕生于工業(yè)3.0時代，成長于工業(yè)4.0時代，隨著第一代信息通信技術(Information and Communication Technology, ICT)/人工智能(Artificial Intelligence, AI)技術的出現(xiàn)和發(fā)展，特別是信息物理系統(tǒng)(Cyber-Physical System, CPS)、大數(shù)據(jù)智能、分布式智能、自主智能、人機增強智能的應用深入，不斷走向自主[1]。自主智能制造意味著生產(chǎn)線上鮮有操作員工乃至無操作員工，即所謂的“無人工廠”或“黑燈工廠”。在未來智能制造中，人將起到何種作用，這是人們普遍關注且必須面對的基本問題。

實際上，即使是自主CPS，仍需要考慮人的因素[2]。傳統(tǒng)上，人們主要從物理空間人機交互的視角來探討人在系統(tǒng)中的角色和作用，忽視了從系統(tǒng)科學視角系統(tǒng)深入地探討智能制造系統(tǒng)的自主性問題，特別是在以智慧制造為代表的社會信息物理生產(chǎn)系統(tǒng) (Social-Cyber-Physical-Production System, SCPPS)[3]出現(xiàn)的同時，所誕生的面向工業(yè)4.0未來社會可持續(xù)發(fā)展的新型操作者[4]，更凸顯了這種系統(tǒng)性探索的必要性。我國發(fā)布的《新一代人工智能發(fā)展規(guī)劃》則將自主智能系統(tǒng)作為主攻方向之一。

本文從社會信息物理系統(tǒng)(Social CPS, SCPS)的角度出發(fā)，探討新一代智能制造系統(tǒng)的自主性、人機物交互、參考體系架構及其運作機制和示例：一方面在社會—信息—物理融合空間探討多維度人機交互及其融合問題，另一方面通過“自上而下”的知識驅(qū)動和“自下而上”的大數(shù)據(jù)驅(qū)動相結合的混合人工智能方法探討自主智能制造運作機制。為此，本文以人們熟知的自動駕駛案例為先導，對比分析人機物協(xié)同的智能制造系統(tǒng)在自主性層次上的問題，說明機器/系統(tǒng)如何從手工操作轉(zhuǎn)變?yōu)樽灾鬟\行，然后探討自主智能制造系統(tǒng)中的人機物交互以及人在其中所擔當?shù)慕巧妥饔茫又U述實現(xiàn)跨層、跨域的人機物協(xié)同自主智能制造參考體系架構和運作機制，最后給出混合人工智能方法驅(qū)動的人機物協(xié)同自主智能制造應用示例。

1 從人機交互到自主智能

汽車駕駛是人機交互的典型例子，通常需要操作者(駕駛員)對汽車進行控制，而自動駕駛的最終目標是實現(xiàn)無人駕駛。美國國家公路交通安全管理局(National Highway Traffic Safety Administration, NHTSA)將自動駕駛分為5個等級[5]；德國聯(lián)邦公路研究所也提出了類似的自動駕駛等級[6]；美國汽車工程師學會(Society of Automotive Engineers, SAE)發(fā)布了類似于NHTSA的自動駕駛分級，并進一步細化為6個級別[7]。

現(xiàn)有的自動駕駛車輛大多處于L2或L3級別，這種級別下需要駕駛員對車輛進行操作或?qū)χ苓叚h(huán)境進行觀察，可見人依然是駕駛過程中不可或缺的角色。然而無人自主駕駛無疑是未來交通出行的必然方向，其實現(xiàn)只是時間問題[8]，無人自主智能工廠的發(fā)展也是如此[9]。

自動駕駛是生活中常見的人機交互案例，也是新一代ICT/AI應用成果的重要體現(xiàn)，終將對生活方式乃至生產(chǎn)方式產(chǎn)生重大影響(即使不開車，也要坐車)，其廣泛應用于企業(yè)生產(chǎn)的物料自主運輸，由自動駕駛案例可以窺見智能制造未來的發(fā)展趨勢。實際上，與SAE自動駕駛6個級別類似[10]，德國也將工業(yè)4.0(智能制造)的自主性分為6個級別[11]，描述了從手工生產(chǎn)到全面自主生產(chǎn)的6種情形。工業(yè)4.0自主性與SAE自動駕駛的對比如表1所示。

從完全人工操作(L0)到完全自主(L5)的自動駕駛發(fā)展過程的實質(zhì)，是人對車輛干預不斷減少而車輛自主性不斷上升的過程，最終車輛接管人實現(xiàn)自主行駛。人機界面(Human Machine Interface, HMI) 是其中重要的交互載體，并隨新技術應用和自動駕駛需求發(fā)生重大改變，從最初為駕駛員提供車輛狀態(tài)信息變得更加多樣化[12]，尤其是在高級別自動駕駛時需要為車內(nèi)乘客和周圍道路使用者提供信息交互支持。

直接沿用自動駕駛等級劃分自主智能制造，雖然利用現(xiàn)有的人機交互研究成果，但是無法滿足虛實融合為主要特性的新一代智能系統(tǒng)人機交互需求。綜觀人機交互發(fā)展歷程，其外延不斷拓展，從最初“人—機/Human-Machine/Robot/Computer” 的單機交互發(fā)展到人—系統(tǒng)(Human-System, HS)乃至于人—CPS(Human-CPS，H-CPS)的交互[13]，其內(nèi)涵從物理空間的人機交互(如圖1a)發(fā)展到虛擬空間和虛實融合的多形態(tài)交互(如圖1b～圖1g)[3]。

如果將智能制造分為低級(L0～ L2)和高級(L3～ L5)兩個階段，則高級階段智能制造即為自主智能制造(簡稱自主制造)，其重要特征在于實現(xiàn)了環(huán)境監(jiān)控并逐漸將人從物理交互中解放出來，類似于自動駕駛高級階段(L3～ L5)實現(xiàn)了行車環(huán)境的系統(tǒng)監(jiān)控并將人從物理操作中解放(或基本解放)出來。很明顯，對于基于CPS/SCPS的新一代智能制造系統(tǒng)自主性問題的研究，不能局限于物理系統(tǒng)層次，還需要在信息物理空間乃至社會信息物理空間進行系統(tǒng)性研究。

2 自主智能制造系統(tǒng)的人機物交互

以物聯(lián)網(wǎng)(Internet of Things,IoT)、云計算、CPS、大數(shù)據(jù)和深度學習為代表的新一代ICT/AI對制造業(yè)產(chǎn)生了革命性影響，形成了新一代智能制造模式——信息物理生產(chǎn)系統(tǒng)(Cyber-Physical-Production System, CPPS)乃至SCPPS[14-16]，或稱為人— 信息— 物理系統(tǒng)(H-CPS)[13]。

新一輪科技與產(chǎn)業(yè)革命對人機交互的影響超過以往任何時期。如圖2下半部分所示[17]，工業(yè)1.0時期，工人手工操作機器，出現(xiàn)操作員1.0(O1.0)；在工業(yè)2.0后期和工業(yè)3.0初期，操作員2.0(O2.0)使用計算機輔助技術和數(shù)控機床進行工作；到了工業(yè)3.0后期，電子和IT技術使生產(chǎn)流程進一步自動化，操作員3.0(O3.0)與機器/機器人/計算機協(xié)同工作；如今發(fā)展到工業(yè)4.0，操作員4.0(O4.0)在H-CPS的幫助下工作。

伴隨工業(yè)4.0而誕生的多種形態(tài)操作員4.0 (如圖3[18])，反映了人類的體力和腦力工作不斷被機器替代，也意味著生產(chǎn)線上直接從事作業(yè)加工的操作工(藍領)減少，操作工從“環(huán)內(nèi)”轉(zhuǎn)移到“環(huán)上”乃至“環(huán)外”，變?yōu)楸O(jiān)管者/評估者/協(xié)調(diào)者/程序員/虛擬操作員/數(shù)據(jù)分析員/規(guī)劃者/決策者/計劃員/創(chuàng)客/體驗者(白領)，即使此時仍然存在一線作業(yè)工人，也在可穿戴設備、平板電腦和協(xié)作機器人等“機”的協(xié)助下成為超強操作員/增強操作員/智慧操作員/協(xié)作操作員。這種情況大幅降低了操作員的勞動強度，并使整個產(chǎn)品的生產(chǎn)過程得到了更好的監(jiān)督、分析與決策策略上的優(yōu)化。例如，健康操作員可攜帶健康監(jiān)管器等可穿戴器具收集個人健康數(shù)據(jù)并與他人健康信息交互，對得到的數(shù)據(jù)進行分析，用于優(yōu)化策略或預測潛在的問題，進而提高生產(chǎn)率；社交操作員可以通過實時移動通訊設備連接其他智能操作員、監(jiān)管智能工廠的資源、使用企業(yè)積累的知識來進行管理與創(chuàng)新。實際上，這種作業(yè)人員在“環(huán)”的位置上的轉(zhuǎn)移，與人類歷史上勞動力從第一產(chǎn)業(yè)轉(zhuǎn)移到第二產(chǎn)業(yè)和第三產(chǎn)業(yè)頗為相似。

下面以SCPPS的典型代表——智慧制造(wisdom manufacturing)[19-20]為例，探討其中的人機物交互問題。智慧制造將制造系統(tǒng)視為由社會系統(tǒng)、信息系統(tǒng)和物理系統(tǒng)3個相互聯(lián)系、相互作用的子系統(tǒng)構成的一個人機物協(xié)同SCPPS，其將未來互聯(lián)網(wǎng)四大支柱技術(物聯(lián)網(wǎng)、內(nèi)容知識網(wǎng)(Internet of Contents & Knowledge, IoCK)、務聯(lián)網(wǎng)(Internet of Services, IoS)和人際網(wǎng)(Internet of People, IoP))與制造技術深度融合于一體，以數(shù)據(jù)為紐帶聯(lián)通社會系統(tǒng)、信息系統(tǒng)和物理系統(tǒng)，形成一種人機物協(xié)同的智能制造新模式[21]。這種人機物協(xié)同的智慧制造是人(社會系統(tǒng)(Social System，SS))、(計算)機(廣義的信息系統(tǒng)(Cyber System，CS))、物(機器和其他資源構成的物理系統(tǒng)(Physical System，PS))三者的有機融合，當機器設備(物)在物聯(lián)網(wǎng)邊緣計算和人工智能作用下形成具備自主性的智能體時，人—機—物交互是成為系統(tǒng)協(xié)同的關鍵，其各元素之間的交互如圖4所示，此時人既可作為社會人，又可作為物理人在生產(chǎn)車間進行作業(yè)(隨著智能制造的發(fā)展，作為操作工的人越來越少，甚至出現(xiàn)無人車間，人更多地從事設計等創(chuàng)新性工作)，還可作為虛擬人存在于系統(tǒng)中。

智慧制造/SCPPS中的人機物交互包括社會系統(tǒng)、物理系統(tǒng)、信息系統(tǒng) 3個子系統(tǒng)(空間)內(nèi)部元素之間的交互以及子系統(tǒng)之間元素的交互，其中：社會系統(tǒng)包括基于人聯(lián)網(wǎng)(人際網(wǎng))的人—人交互與協(xié)同集成；物理系統(tǒng)包括基于物聯(lián)網(wǎng)的機(器)—機(器)、物(料)—物(品)/機、人—機/物的交互與協(xié)同；信息系統(tǒng)包括基于務聯(lián)網(wǎng)的服務—服務的交互與協(xié)同，以及基于內(nèi)容知識網(wǎng)的數(shù)據(jù)/信息/知識在系統(tǒng)中的傳遞和耦合，尤其是子系統(tǒng)(空間)之間的人—機/H-CS、人—物/H-PS、機—物/C-PS、人機物/H-CPS的交互與協(xié)同。

需要指出的是，所謂“人機物”，既可以指物理空間里的人-機(器)-物(料)，又可以指整個智慧制造系統(tǒng)的人(社會系統(tǒng))-信息系統(tǒng)(計算機及其網(wǎng)絡系統(tǒng))-物理系統(tǒng)，即H-CPS或SCPPS，因此需要根據(jù)具體語境(場景)確定其含義。例如，“機”在物理空間指機器(如機床、機器人)，在整個系統(tǒng)空間又指信息系統(tǒng)；“物”在物理空間指物料或機器，在整個系統(tǒng)中又指物理系統(tǒng)；“人”實際上可以同時位于智能制造空間的裝備執(zhí)行層(物理層)、制造執(zhí)行層和決策層[22]，即位于智慧制造(SCPPS)中對應的物理空間、信息空間和社會空間[3,23]。

3 自主智能制造系統(tǒng)中人的角色

如圖5所示，工業(yè)4.0下的智能制造系統(tǒng)實際上存在3條回路，即機器設備構成的物理系統(tǒng)回路、監(jiān)控物理系統(tǒng)的虛擬回路和監(jiān)管CPPS的組織回路，分別對應智慧制造洋蔥模型的物理系統(tǒng)、信息系統(tǒng)和社會系統(tǒng)。這里所說的“人在回路里(Human in the Loop，HiL)”指物理系統(tǒng)里是否有人作業(yè)，若無人即為所謂的“無人工廠”。

HiL[24]當初指一個控制系統(tǒng)是否包括執(zhí)行動作的人，若有則稱人在控制回路里；人在回路上 (Human(Man) on the loop，HoL)[25]指人間接監(jiān)管系統(tǒng)而不是直接操控系統(tǒng)；與HoL類似的另一個概念是人在網(wǎng)格 (Human in the Mesh，HiM)[26-27]。由于新型操作者4.0的誕生， 無人工廠雖然不存在HiL，但是存在HoL/HiM(即在信息系統(tǒng)里)和人在回路外(Human out of the Loop，HofL)(即在社會系統(tǒng)里)的情形。

實際上，人們已經(jīng)意識到自主系統(tǒng)仍然不能缺少人的參與，需要以人為中心來設計CPP/CPPS/智能制造[28-31]。綜觀CPS/CPPS與人的融合研究[2,32-35]，絕大多數(shù)局限于HiL-CPS問題，少數(shù)涉及HoL-CPS問題[36]，幾乎沒有涉及HofL-CPS問題，更加缺少三者(HiL/HoL/HofL)與CPS的集成研究，然而伴隨著新一輪工業(yè)革命，誕生了操作員4.0[17-18]和長尾生產(chǎn)需求[16]，這種集成又必不可少。本研究將HiL，HoL，HofL分別融入SCPPS (智慧制造)洋蔥模型的物理、信息和社會子系統(tǒng)中，形成一個有機的整體，更有利于理解和把握三者之間的關系并認識人在自主智能制造系統(tǒng)中的作用和角色。

4 人機物協(xié)同自主智能制造參考體系架構

借鑒德國工業(yè)4.0參考體系架構模型(Reference Architecture Model Industrie 4.0, RAMI 4.0)[37]，本文在(主動)智慧制造集成框架[38-39]基礎上，提出如圖6所示的自主智能制造參考體系架構模型(Reference Architecture Model for Autonomous Smart Manufacturing, RAM4ASM)，其中：系統(tǒng)層次從空間跨度維度刻畫，包括工件/產(chǎn)品、設備、單元、產(chǎn)線、車間、企業(yè)、互聯(lián)世界；時間跨度從生命周期維度刻畫，包括設計、生產(chǎn)、使用/維護和回收等階段；功能層次(類別)維度代表系統(tǒng)的核心功能，包括資產(chǎn)(物理資源)、感控、數(shù)據(jù)(信息)處理、功能、業(yè)務、用戶(社群)6個層次。業(yè)務功能代表產(chǎn)品全生命周期的所有業(yè)務功能，包括產(chǎn)品設計、仿真分析、車間狀態(tài)感知、數(shù)據(jù)處理、資源配置、機器學習、故障診斷與預測、設備控制、生產(chǎn)過程監(jiān)控等。

所提出的RAM4ASM功能層次與組織符號學的物理、經(jīng)驗、語法、語義、語用、社會6個層次相對應[38]、一脈相承，并支持現(xiàn)代集成制造從工業(yè)3.0下的計算機集成走向工業(yè)4.0下人機物協(xié)同的全面集成需求[1]。工業(yè)4.0集成包括橫向、縱向、端到端3項集成，其中：橫向集成在于實現(xiàn)企業(yè)間的集成，使互聯(lián)的企業(yè)在產(chǎn)品生命周期的生態(tài)系統(tǒng)支持下創(chuàng)造價值鏈；縱向集成旨在實現(xiàn)企業(yè)內(nèi)部不同層次之間的信息集成；端到端集成則在前兩者(縱向和橫向)集成的基礎上，通過產(chǎn)品生命周期理念來彌合產(chǎn)品設計、制造與客戶之間的鴻溝[40]。縱橫集成又稱為跨層、跨域集成[9]。由此可見，新一代智能制造中的人機物協(xié)同是多維度和多層次的[41]。

在物理系統(tǒng)、信息系統(tǒng)和社會系統(tǒng)日趨融合的復雜大環(huán)境下，要實現(xiàn)如此復雜的多層次、多維度人機物協(xié)同自主智能制造的設計、管理與運行，無疑需要一個虛實融合的人機物協(xié)同SCPS體系架構，而如圖6所示的“四網(wǎng)”融合的RAM4ASM正是這樣的參考體系架構，其實現(xiàn)了從物理層到社會層的跨層(縱向)集成、從單個企業(yè)到互聯(lián)世界多個企業(yè)的跨域(橫向)集成，以及面向產(chǎn)品生命周期價值鏈的設計、制造和使用服務的端到端集成。

5 自主智能制造運作機制

如前所述，在虛實融合的智慧制造系統(tǒng)/SCPPS中，人存在于物理空間、信息空間和社會空間。如果將物理空間的人/機器/工件等物體(稱為PA)和社會空間的人(稱為SA)分別映射為相應的虛擬智能體CAp(cyber Agent for physical things)和CAs(cyber Agent for social beings)，則有f1: PA→CAp和f2: SA→CAs，進一步結合虛擬空間的賽博原住民——賽博智能體CA(cyber Agent)，再通過務聯(lián)網(wǎng)連接所需的Cap，CAs，CA節(jié)點，建立自主(智慧)制造復雜網(wǎng)絡模型，如圖7所示。

如圖8所示的RAM4ASM功能層次體系架構，與圖4～圖6一樣包括物理、信息和社會3個子系統(tǒng)，操作員4.0同樣存在于3個子系統(tǒng)中，分別對應HiL(物理空間)、HoL(信息空間)和HofL(社會空間)。底部的物理系統(tǒng)通過物聯(lián)網(wǎng)實現(xiàn)物理制造資源集成、感知以及物—物和人—物互聯(lián)，形成包括人在內(nèi)的物理回路；中間的信息系統(tǒng)，通過內(nèi)容知識網(wǎng)和務聯(lián)網(wǎng)實現(xiàn)虛擬的人機物集成，包括數(shù)據(jù)/信息/知識的處理及其之間的相互轉(zhuǎn)化，以及虛擬服務化資源管理調(diào)度和物理系統(tǒng)監(jiān)控等；頂層的社會系統(tǒng)(社群)除了社交操作員等O4.0外，還包括企業(yè)經(jīng)營決策者/用戶/客戶/公眾等利益相關者。企業(yè)經(jīng)營者根據(jù)市場動態(tài)、經(jīng)營策略和企業(yè)文化等各種因素確定制造系統(tǒng)整體的經(jīng)營目標和功能定位，增強企業(yè)文化建設以及與上下游企業(yè)和用戶的聯(lián)動等。

需要指出的是，現(xiàn)實生產(chǎn)場景不同于特定規(guī)則限定的自動駕駛場景，由于當今社會對產(chǎn)品的需求具有多層次和多樣性特點，生產(chǎn)場景變得多樣化和復雜化，簡單的生產(chǎn)場景無人已經(jīng)實現(xiàn)自主工廠，而復雜生產(chǎn)場景仍需要人的現(xiàn)場參與。特別是隨著工業(yè)4.0的發(fā)展，現(xiàn)場作業(yè)人數(shù)雖然大幅度減少，但卻又誕生了以前不存在的如O4.0的新興操作人員。

圖8所示的RAM4ASM，既包容“自上而下”的基于符號學的智慧制造[38]，又包容“自下而上”大數(shù)據(jù)驅(qū)動的主動(智慧)制造[39]，因此其既支持通過社會化(socialization)、外化(externalization)、融合(combination)和內(nèi)化(internalization)實現(xiàn)人的隱性知識在社區(qū)群體之間轉(zhuǎn)化[19]，又支持大數(shù)據(jù)到知識圖譜的轉(zhuǎn)化和大數(shù)據(jù)深度學習，為知識(模型)驅(qū)動和數(shù)據(jù)驅(qū)動融于一體提供框架支持，進而將知識驅(qū)動和數(shù)據(jù)驅(qū)動理念有機融合在一起。一方面可利用“自下而上”的數(shù)據(jù)驅(qū)動方法，使以大數(shù)據(jù)深度學習為代表的新一代人工智能在實際生產(chǎn)中得以落地；另一方面，利用“自上而下”的知識驅(qū)動方法，使企業(yè)在制造領域前期積累的先驗知識、經(jīng)驗和模型(如智能體、數(shù)字孿生模型和知識圖譜)發(fā)揮作用，彌補單一數(shù)據(jù)驅(qū)動方法對數(shù)據(jù)需求量大和難以利用先驗知識(模型)的缺點。

實際上，數(shù)據(jù)驅(qū)動和知識驅(qū)動是實現(xiàn)AI智能系統(tǒng)的兩大主流方法，盡管歷史上經(jīng)歷過此長彼消，但是兩者本質(zhì)上具有互補性。目前興起的新一代人工智能熱潮源于深度學習，而深度學習源于人工神經(jīng)網(wǎng)絡的研究，以大數(shù)據(jù)深度學習為代表的數(shù)據(jù)驅(qū)動方法已在機器視覺、自然語言處理等領域獲得巨大進展和落地應用，特別是在非結構化大數(shù)據(jù)處理和關聯(lián)計算方面表現(xiàn)突出，但缺乏邏輯推理和因果關系的表達能力，存在可解釋性差等問題，而以符號表示和邏輯推理為代表的知識驅(qū)動方法則具有邏輯推理解釋和對因果關系的表達能力，存在知識獲得困難和知識邊界易于突破等瓶頸問題，難以適應非結構數(shù)據(jù)為主的大數(shù)據(jù)時代需求。慶幸的是，隨著大數(shù)據(jù)興起的知識圖譜為知識獲取和人工智能可解釋問題提供了一條新途徑。因此，如何將符號化知識與數(shù)據(jù)驅(qū)動的人工智能方法有機融合是當前人工智能的重大問題，特別對需要特定領域知識支持的智能制造更是如此。

誠然，數(shù)據(jù)與知識融合驅(qū)動的形式多樣復雜。李峰等[42]針對電力系統(tǒng)應用需求，提出并行、串行、引導和反饋4種數(shù)據(jù)與知識聯(lián)合驅(qū)動模式；蒲志強等[43]將群體智能決策協(xié)同分為架構級和算法級，算法級協(xié)同又包括神經(jīng)網(wǎng)絡樹、遺傳模糊樹、分層強化學習等層次化協(xié)同方法，以及知識增強的數(shù)據(jù)驅(qū)動、數(shù)據(jù)調(diào)優(yōu)的知識驅(qū)動、知識與數(shù)據(jù)的互補結合等組件化協(xié)同方法。

本文針對圖7所示的多智能體構成復雜網(wǎng)絡需求，將加工作業(yè)流程用一個三元組圖表示為G=(V,E,u)，其中：V={vi}i=1:Nv為機器節(jié)點集合，vi為加工時間等機器屬性，Nv為節(jié)點數(shù)目；E={ek,rk,sk}k=1:Ne為節(jié)點連邊的集合，ek為工件運輸時間/距離等移動機器人屬性，Ne為邊或弧的數(shù)目，rk為接收節(jié)點，sk為發(fā)送節(jié)點；u為最大完工時間等整體屬性。用圖神經(jīng)網(wǎng)絡深度強化學習求解G=(V,E,u)[44]，如圖9所示。

圖9所示的人工智能方法融合應用求解，實質(zhì)上將符號主義(知識驅(qū)動方法)、聯(lián)結主義(數(shù)據(jù)驅(qū)動方法)和行為主義(強化學習方法)3種人工智能學派(方法)有機融合在一起，進而實現(xiàn)融入實體知識描述的復雜網(wǎng)絡深度強化學習，使得復雜網(wǎng)絡(類似于知識圖譜)先驗知識能夠成為深度學習的輸入并作為深度學習優(yōu)化目標的約束，形成一種知識引導、數(shù)據(jù)驅(qū)動和行為探索相結合的人工智能求解方法。

6 示例

下面以按訂單生產(chǎn)模式為例進行說明：

(1)生產(chǎn)企業(yè)通過社會化網(wǎng)絡大數(shù)據(jù)分析向需求用戶推送產(chǎn)品服務和知識，一旦接到用戶需求訂單，就邀請用戶參與產(chǎn)品設計和生產(chǎn)計劃的制訂，在人聯(lián)網(wǎng)和CPS支持下可實現(xiàn)所定制產(chǎn)品的模擬仿真乃至虛擬制造。

(2)信息系統(tǒng)接收社會系統(tǒng)下達的生產(chǎn)計劃，根據(jù)車間生產(chǎn)信息和設備狀態(tài)信息生成調(diào)度方案，并分發(fā)到物理系統(tǒng)進行加工作業(yè)。

(3)物理系統(tǒng)執(zhí)行信息系統(tǒng)發(fā)來的控制指令，完成具體的作業(yè)加工任務，同時將車間的工作狀態(tài)反饋給信息系統(tǒng)。

(4)信息系統(tǒng)分析來自物理生產(chǎn)系統(tǒng)的狀態(tài)數(shù)據(jù)/信息，監(jiān)控加工作業(yè)是否按預定的作業(yè)調(diào)度方案進行，判斷是否需要對調(diào)度方案進行動態(tài)調(diào)整。

(5)社會系統(tǒng)接收來自車間的狀態(tài)信息或信息系統(tǒng)動態(tài)調(diào)度結果及其他信息，判斷生產(chǎn)是否按計劃進行，如果發(fā)生用戶訂單更改等突發(fā)事件，則需重新制定生產(chǎn)計劃。

從上述訂單實現(xiàn)流程可知，頂層社會系統(tǒng)主要通過人聯(lián)網(wǎng)，利用人類的經(jīng)驗、知識和群體智慧解決經(jīng)營決策、生產(chǎn)計劃、創(chuàng)意與產(chǎn)品設計、問題解決方案等；底層物理系統(tǒng)主要通過物聯(lián)網(wǎng)，利用傳感數(shù)據(jù)完成具體的作業(yè)加工任務；中間的信息系統(tǒng)處于頂層社會系統(tǒng)的人類知識(模型)和底層物理系統(tǒng)感知數(shù)據(jù)的交匯之處，其利用物聯(lián)網(wǎng)感知數(shù)據(jù)實現(xiàn)對生產(chǎn)過程的監(jiān)控，并從數(shù)據(jù)挖掘出有意義的信息/知識/事件推送到社會系統(tǒng)，為企業(yè)的業(yè)務決策提供支持。

本質(zhì)上來說，產(chǎn)品設計開發(fā)及其生產(chǎn)流程制訂由人完成，是人類在社會實踐與生產(chǎn)實踐中的群體智慧結晶；底層物理生產(chǎn)系統(tǒng)僅執(zhí)行人類意志(命令)，只因融合了當今新一代信息/智能技術而具備了自主智能執(zhí)行能力；中間的信息系統(tǒng)起關鍵作用，即承上啟下地融合人類的經(jīng)驗知識(包括符號推理智能)和大數(shù)據(jù)智能(計算智能)。

以邊緣計算、智能體、云計算、大數(shù)據(jù)和深度學習為代表的新一代ICT/AI，有力地促進了底層物理生產(chǎn)系統(tǒng)的自主性和信息系統(tǒng)的大數(shù)據(jù)智能分析能力[45]。例如，大數(shù)據(jù)深度感知事件驅(qū)動的車間作業(yè)調(diào)度方法[46]，能夠根據(jù)加工過程的實時數(shù)據(jù)和歷史數(shù)據(jù)預測刀具磨損程度，生成刀具剩余壽命預測事件驅(qū)動的主動調(diào)度方案[47]，在避免發(fā)生刀具磨損事故并確保系統(tǒng)正常運作的同時提高了生產(chǎn)率。雖然這種大數(shù)據(jù)驅(qū)動的主動制造較好地利用了大數(shù)據(jù)的深層價值，但是仍然不能有效利用人類積累的經(jīng)驗知識(包括機理模型和數(shù)字孿生模型等)，因此需要將數(shù)據(jù)驅(qū)動與知識驅(qū)動加以融合。

下面以若干個企業(yè)(車間)組成的齒輪制造為具體案例進行說明。企業(yè)6為齒輪制造核心成員，擁有4機床，能完成插齒、滾齒和磨齒等加工任務，但是需要將其他加工任務外包給其他企業(yè)，原材料供應商和其他加工企業(yè)生產(chǎn)能力如表2所示。齒輪制造(1)根據(jù)《齒輪制造工藝手冊》編委會于2017年出版的《齒輪制造工藝手冊(第2版)》，滲碳淬火大齒輪的加工工藝流程包括原材料處理(鍛造)、車削加工(分5步對齒輪的齒頂圓、內(nèi)孔、左右端面和環(huán)槽進行粗車和精車加工，以保證相應的徑向跳動誤差、端面跳動誤差和表面粗糙度的要求)、孔和鍵槽加工(通過劃、鉆、鏜完成環(huán)槽孔加工，通過劃、插、鉗完成內(nèi)孔鍵槽加工)、齒加工(粗滾齒、齒形端面及沿齒長棱邊倒角、半精滾齒、磨齒和齒側(cè)倒角)、熱處理及表面處理(正火、滲碳、淬火和噴丸)，以及一些必要的檢測和去毛刺操作。案例的運作過程如圖10所示，具體步驟如下：①需求方在社會交互網(wǎng)絡服務平臺(中心)上提交訂單——滲碳噴丸大齒輪生產(chǎn)需求；②企業(yè)6投標獲得訂單后，進一步設計其詳細的加工流程和加工要求，同時將自身不能完成的任務以外包的形式在平臺上拋出齒輪加工訂單；③企業(yè)6和需求方確定外包企業(yè)為1，3，5，7，形成④-⑤-⑥-⑦-⑧的產(chǎn)品生產(chǎn)鏈，各企業(yè)依次根據(jù)外包制造和產(chǎn)品設計的要求進行生產(chǎn)，并實時將相關的加工數(shù)據(jù)反饋至平臺中心，完成各自加工任務后將完工工件運輸?shù)较乱粋€企業(yè)進行下一步加工；⑨完成加工后，產(chǎn)品集中到企業(yè)6進行檢查和裝配；⑩最后通過平臺將產(chǎn)品發(fā)送給需求方。在該過程中，企業(yè)之間的信息交互工作由社交操作員完成，社交操作員收集和整理平臺數(shù)據(jù)后打包發(fā)送給企業(yè)的管理層進行決策，并將決策結果發(fā)布在平臺，以實現(xiàn)信息的交互與共享。

表2 齒輪制造相關企業(yè)的加工能力

下面以企業(yè)3的車削加工為例進一步分析車間作業(yè)過程，即用所擁有的5臺車床分別對鍛件(稱為工件0)的齒頂圓、內(nèi)孔、左端面、右端面和倒角進行粗加工。加工作業(yè)流程可以看作為虛擬空間多個智能體和車間動態(tài)環(huán)境之間交互的最優(yōu)調(diào)控過程與現(xiàn)實世界實際加工調(diào)度過程的結合。復雜網(wǎng)絡結構由節(jié)點集合和連邊集合構成，節(jié)點對應實際中的個體，邊為將節(jié)點連接在一起的某種關系。一個加工作業(yè)流程所需的節(jié)點，既包括物理節(jié)點(如生產(chǎn)線上的機器、工人、協(xié)作機器人、運輸?shù)?，也包括虛擬空間的機器或人或軟件/流程/知識/算法(統(tǒng)稱為服務)和社會空間的人。經(jīng)過如此抽象處理之后的加工作業(yè)流程，可用深度神經(jīng)網(wǎng)絡(Deep Neural Network，DNN)和強化學習結合而成的深度強化學習方法來實現(xiàn)加工作業(yè)的自適應優(yōu)化。

以如圖11所示的機器(含人機協(xié)作機器人)與移動機器人自動導引小車(Automated Guided Vehicle，AGV)構成的企業(yè)3的柔性制造系統(tǒng)為例，將節(jié)點表示機器、連邊表示物料運輸(如AGV運輸)的加工作業(yè)復雜網(wǎng)絡模型嵌入DNN，并與強化學習相結合，形成圖神經(jīng)網(wǎng)絡的深度強化學習模型，分散位于物理空間的AGV和機器，通過邊緣計算進行自主決策，并將加工狀態(tài)傳至虛擬空間，而位于虛擬空間的“網(wǎng)絡嵌入的DNN+強化學習”用于求解機器與AGV的協(xié)同作業(yè)問題，并將求解結果傳輸給機器和AGV進行實際加工。這種虛實結合的方法表示加工作業(yè)流程可以引入先驗知識(如虛擬模型)，而且深度強化學習網(wǎng)絡可以先在虛擬空間進行仿真訓練，即構建虛擬的車間調(diào)度環(huán)境并將智能體與虛擬環(huán)境進行交互，以實現(xiàn)作業(yè)調(diào)度優(yōu)化學習，再遷移到實際生產(chǎn)場景。

企業(yè)3需要加工的工件如表3和表4所示，其中工件0為接受外包的齒輪粗加工工件，其他工件為常規(guī)生產(chǎn)工件。通過深度強化學習的方法[48]求出其調(diào)度結果，如圖12所示(因AGV運輸時間短，為了便于學習求解，忽略工位之間的運輸時間)。圖中根據(jù)排產(chǎn)順序繪制的加工過程甘特圖，橫軸表示這批工件加工開始后的時間；縱軸分為5個機器編號，編號右邊的每一個方塊表示一道工序，從左到右即該編號對應機器的加工順序，方塊的長度反映工序的加工時間，方塊中的數(shù)字表示工件序號。顯然，短小的方塊位置比寬大的方塊更多地靠近左邊，即耗時較短的工序傾向于更早地加工，這是因為耗時短的工序加工起來更加靈活，在機器加工的間隙能夠輕松地插入加工，使加工過程更加緊密，總加工時間更少，加工效率更高。最后，工廠通過虛實融合的CPS對加工過程進行實時狀態(tài)監(jiān)控和作業(yè)安排。

表3 加工順序表

表4 加工時間表

7 結束語

本文從系統(tǒng)科學視角用混合驅(qū)動的人工智能方法對高級智能制造——自主智能制造中的人機物交互、人因、參考體系架構和運作機制展開研究，形成物理空間、信息空間和社會空間三位一體的人機物協(xié)同SCPPS。研究表明，即使為全面自主智能制造，仍需要人的參與，而且這種參與突破了傳統(tǒng)人機交互在物理空間上的限制，滲透到虛擬空間和社會空間。從知識—數(shù)據(jù)混合驅(qū)動視角探討人機物協(xié)同的自主智能制造，一方面可以通過“自上而下”的知識驅(qū)動方法，利用人類在制造領域積累的先驗知識、經(jīng)驗以及模型的強解釋性和易遷移性解決數(shù)據(jù)驅(qū)動的聯(lián)結主義黑箱問題，另一方面可以利用“自下而上”的大數(shù)據(jù)驅(qū)動方法對事物、數(shù)據(jù)之間相關性分析的深入與廣泛性，解決知識驅(qū)動方法對領域?qū)＜业囊蕾囈约爸R獲取困難等問題，加上通過感知—動作的行為探索實現(xiàn)環(huán)境自適應強化學習，將符號主義、聯(lián)結主義和行為主義3種主流人工智能學派有機融合在一起。

從廣義上來說，智能制造系統(tǒng)包括智能生產(chǎn)、智能產(chǎn)品和智能服務，即便擁有無人自主智能生產(chǎn)線(物理生產(chǎn)系統(tǒng))，生產(chǎn)出來的產(chǎn)品終究是為了滿足人的需求、服務于人的，同時在產(chǎn)品設計、服務和使用過程無疑不能缺少人的參與，應運而生的操作員4.0便是最好的例證。

本文旨在從宏觀視角探討自主(智能)制造的基本概念及其參考體系架構和運作機理，為理解和認識高級智能制造系統(tǒng)運作機制以及人在其中的作用和角色提供支持，未來需要結合具體生產(chǎn)場景進行進一步研究。誠然，在復雜制造場景中實現(xiàn)自主智能制造還有很長的路要走。