Activities
【導(dǎo)讀】2024年6月2日，由中國(guó)自動(dòng)化學(xué)會(huì)、北京市科學(xué)技術(shù)協(xié)會(huì)主辦的2024國(guó)家新質(zhì)生產(chǎn)力與智能產(chǎn)業(yè)發(fā)展會(huì)議在北京友誼賓館舉辦。本次會(huì)議以“追新逐質(zhì)，智創(chuàng)未來(lái)”為主題，邀請(qǐng)了10位院士及百余位長(zhǎng)江杰青、高校和科研院所的校長(zhǎng)、院長(zhǎng)等學(xué)術(shù)精英與會(huì)，500余名來(lái)自學(xué)術(shù)界和產(chǎn)業(yè)界的本領(lǐng)域?qū)＜?、學(xué)者、學(xué)生等參會(huì)。
本次大會(huì)特別設(shè)立八大平行會(huì)議，在“企業(yè)新質(zhì)生產(chǎn)力與數(shù)智化轉(zhuǎn)型升級(jí)平行會(huì)議”上，邀請(qǐng)北京科技大學(xué)彭開(kāi)香教授作題為“性能驅(qū)動(dòng)，數(shù)智賦能：制造過(guò)程閉環(huán)分析與優(yōu)化探索實(shí)踐”的專題報(bào)告，報(bào)告介紹了一套數(shù)據(jù)驅(qū)動(dòng)的閉環(huán)性能分析與優(yōu)化決策框架，詳細(xì)闡述了面向典型制造流程的閉環(huán)控制分析與優(yōu)化原型系統(tǒng)，并結(jié)合實(shí)際場(chǎng)景探討了性能指標(biāo)、數(shù)據(jù)關(guān)聯(lián)、性能分析、溯源評(píng)估以及性能閉環(huán)五大模塊的功能及應(yīng)用現(xiàn)狀。
一、數(shù)智浪潮：制造過(guò)程轉(zhuǎn)型驅(qū)動(dòng)與需求
黨的十九大提出了高質(zhì)量發(fā)展，強(qiáng)調(diào)智能強(qiáng)國(guó)；黨的二十大提出了新型工業(yè)化，特別是制造強(qiáng)國(guó)、智能強(qiáng)國(guó)和數(shù)字中國(guó)的目標(biāo)。2023年9月習(xí)近平總書(shū)記在黑龍江考察時(shí)首次提出“新質(zhì)生產(chǎn)力”，并在今年的政府工作報(bào)告中強(qiáng)調(diào)現(xiàn)代化產(chǎn)業(yè)體系建設(shè)和新質(zhì)生產(chǎn)力的發(fā)展。這一概念與新型工業(yè)化相輔相成，成為推動(dòng)制造業(yè)數(shù)字化轉(zhuǎn)型的重要途徑。
從2016年阿爾法狗無(wú)人機(jī)大戰(zhàn)到2022年出現(xiàn)的ChatGPT等大模型，人工智能的發(fā)展歷程展示了從弱人工智能向強(qiáng)人工智能，再向通用人工智能的進(jìn)步。這一發(fā)展為制造業(yè)的數(shù)字化進(jìn)程奠定了堅(jiān)實(shí)基礎(chǔ)，使得人工智能在制造業(yè)智能化轉(zhuǎn)型升級(jí)中起到重要作用，推動(dòng)實(shí)體制造業(yè)的數(shù)字化革命。
在制造業(yè)的工業(yè)革命中，人類經(jīng)歷了四次確定性的工業(yè)革命。未來(lái)，隨著人工智能、云計(jì)算、大數(shù)據(jù)等先進(jìn)技術(shù)的發(fā)展，世界正邁向第五次工業(yè)革命。制造產(chǎn)業(yè)的信息化、生產(chǎn)過(guò)程的智能化和產(chǎn)業(yè)資源的孵化，將是未來(lái)主要的攻關(guān)課題。
從歐洲的工業(yè)戰(zhàn)略到美國(guó)的先進(jìn)制造業(yè)領(lǐng)導(dǎo)力戰(zhàn)略，再到中國(guó)的“十四五”規(guī)劃，全球政策方向均強(qiáng)調(diào)數(shù)字化轉(zhuǎn)型、高端化和綠色化的內(nèi)涵，核心在于優(yōu)化決策。實(shí)現(xiàn)制造業(yè)的優(yōu)化決策需要解決時(shí)空多尺度分布性、縱向橫向性能指標(biāo)的全局性和復(fù)雜性等問(wèn)題。
數(shù)據(jù)驅(qū)動(dòng)應(yīng)用是對(duì)制造業(yè)業(yè)務(wù)過(guò)程的抽象，通過(guò)定性與定量的方式理解數(shù)據(jù)，包括狀態(tài)監(jiān)測(cè)、根因溯源、預(yù)測(cè)評(píng)估和決策優(yōu)化，旨在產(chǎn)生新的洞察并輔助制造過(guò)程的自主決策。決策優(yōu)化涉及三個(gè)層面：制造業(yè)的運(yùn)行安全、工藝過(guò)程的生產(chǎn)性能指標(biāo)以及計(jì)劃調(diào)度層次。這三個(gè)層面相互關(guān)聯(lián)，需要解決融合分析、異常感知和未來(lái)影響評(píng)估等問(wèn)題，實(shí)現(xiàn)智能管控和多系統(tǒng)交互。
制造企業(yè)的信息化系統(tǒng)從研發(fā)設(shè)計(jì)、工藝設(shè)計(jì)、生產(chǎn)制造到運(yùn)行維護(hù)，涉及多階段、多工序和多系統(tǒng)的實(shí)時(shí)數(shù)據(jù)壁壘。實(shí)現(xiàn)智能管控需要多系統(tǒng)交互和動(dòng)態(tài)反饋的基礎(chǔ)，以及多個(gè)層次的閉環(huán)反饋。在多階段、多工序和多系統(tǒng)的整合中，面臨數(shù)據(jù)冗余、缺失、耦合和跨時(shí)空等挑戰(zhàn)。
二、性能領(lǐng)航：閉環(huán)分析與優(yōu)化關(guān)鍵技術(shù)
在實(shí)施該項(xiàng)目過(guò)程中，我們對(duì)閉環(huán)調(diào)控優(yōu)化的理解逐漸深化，特別是針對(duì)制造過(guò)程的閉環(huán)分析與優(yōu)化的關(guān)鍵技術(shù)取得了階段性成果。制造過(guò)程的運(yùn)行涉及三個(gè)層次：底層的運(yùn)行安全、工藝質(zhì)量和計(jì)劃調(diào)度。一般的作業(yè)過(guò)程是自上而下進(jìn)行分解，從經(jīng)營(yíng)層面的相關(guān)性能指標(biāo)到全流程的運(yùn)行指標(biāo)，再到具體工序和每個(gè)回路的性能指標(biāo)，最終形成各層次的關(guān)鍵性能指標(biāo)（KPI）。前期工作包括對(duì)多層次性能指標(biāo)的融合表征、性能退化監(jiān)測(cè)及預(yù)測(cè)等，希望形成閉環(huán)系統(tǒng)，為維護(hù)決策、調(diào)控優(yōu)化和計(jì)劃調(diào)度提供服務(wù)。
制造過(guò)程的調(diào)控模式經(jīng)歷了幾個(gè)階段：早期的人工操作、基于模型的控制與優(yōu)化與基于數(shù)據(jù)的控制與優(yōu)化。在20年前，數(shù)據(jù)驅(qū)動(dòng)成為熱門(mén)，而現(xiàn)在數(shù)據(jù)、人工知識(shí)和工藝知識(shí)同樣重要。因此，如何將基于模型的流程驅(qū)動(dòng)、數(shù)據(jù)驅(qū)動(dòng)和知識(shí)驅(qū)動(dòng)融合起來(lái)非常關(guān)鍵。無(wú)論是模型、數(shù)據(jù)還是知識(shí)，都需要協(xié)同支撐制造過(guò)程的管控和優(yōu)化。
在數(shù)字化背景下，制造企業(yè)面臨著新的挑戰(zhàn)，包括結(jié)構(gòu)功能、調(diào)控環(huán)境和評(píng)價(jià)指標(biāo)的更加苛刻。因此，基于傳統(tǒng)的ISA-95架構(gòu)，我們將性能劃分為三個(gè)層次的目標(biāo)：即穩(wěn)定、高質(zhì)、以及高效。在最底層，我們往往更關(guān)注的是控制系統(tǒng)的安全穩(wěn)定，以及小回路閉環(huán)控制的魯棒性；，在工序?qū)用妫c(diǎn)鼠標(biāo)），我們更關(guān)注各種中間產(chǎn)品的質(zhì)量問(wèn)題、工藝路徑的合理性問(wèn)題、以及模型設(shè)定的精準(zhǔn)度等問(wèn)題，到更高層次的目標(biāo)肯定就是經(jīng)濟(jì)性，通過(guò)智能化調(diào)度排程、風(fēng)險(xiǎn)評(píng)估、能源管理等，優(yōu)化全流程的綜合經(jīng)濟(jì)性能，指導(dǎo)全流程的優(yōu)化決策。。通過(guò)這樣的層次化閉環(huán)架構(gòu)，我們致力于形成局部回路的控制閉環(huán)、工序?qū)用娴闹笜?biāo)閉環(huán)、以及流程層面的決策閉環(huán)，以此來(lái)帶動(dòng)跨層滾動(dòng)優(yōu)化。
為實(shí)現(xiàn)上述目標(biāo)，相應(yīng)的數(shù)字表征、關(guān)聯(lián)建模、柔性調(diào)控以及閉環(huán)優(yōu)化是層次化性能閉環(huán)設(shè)計(jì)架構(gòu)下的四項(xiàng)關(guān)鍵技術(shù)。致力于通過(guò) 造過(guò)程數(shù)字主線技術(shù)，解決知識(shí)-數(shù)據(jù)驅(qū)動(dòng)的深度融合網(wǎng)絡(luò)構(gòu)建難點(diǎn)（解決的是感知 perception 的問(wèn)題）；通過(guò)多工序-系統(tǒng)性能分析與評(píng)估，解決資源異構(gòu) 強(qiáng)耦合下多工序-多系統(tǒng)性能關(guān)聯(lián)的認(rèn)知（recognition）問(wèn)題。通過(guò)多目標(biāo)預(yù)測(cè)-反應(yīng)式閉環(huán)調(diào)度，突破優(yōu)化調(diào)度方法關(guān)聯(lián)工業(yè)生產(chǎn)實(shí)績(jī)的 閉環(huán)調(diào)度難點(diǎn)；通過(guò)閉環(huán)調(diào)控與多目標(biāo)跨層優(yōu)化，突破質(zhì)量-能效-成本等跨層性能綜合優(yōu)化實(shí)現(xiàn)瓶頸，上述兩項(xiàng)解決的是 action 的問(wèn)題。
在數(shù)主線方面，經(jīng)過(guò)兩年多的實(shí)踐，我們團(tuán)隊(duì)建了模型、數(shù)據(jù)、知識(shí)協(xié)同的復(fù)雜產(chǎn)品過(guò)程數(shù)主線。該主線包括制造過(guò)程多元異構(gòu)數(shù)據(jù)的統(tǒng)一表征、通過(guò)數(shù)據(jù)描述模型以及構(gòu)建大知識(shí)圖譜。這些成果實(shí)現(xiàn)了工藝知識(shí)的統(tǒng)一描述、多維時(shí)空域下多路經(jīng)理模型的跨域關(guān)聯(lián)和時(shí)空系統(tǒng)的描述。通過(guò)這些技術(shù)，我們建立了一個(gè)實(shí)驗(yàn)室級(jí)的數(shù)字資源平臺(tái)。
在關(guān)聯(lián)分析建模方面，針對(duì)多工序、多系統(tǒng)統(tǒng)一考慮，團(tuán)隊(duì)提出了異構(gòu)動(dòng)態(tài)圖解決因果性問(wèn)題，并構(gòu)建了多目標(biāo)約束下的制造性能綜合評(píng)價(jià)體系?；趫D模型的關(guān)聯(lián)分析、性能監(jiān)測(cè)與溯源取得了一定成果，并形成了基于工業(yè)互聯(lián)網(wǎng)的云邊端架構(gòu)，實(shí)現(xiàn)了不同層次性能指標(biāo)的評(píng)估。
在閉環(huán)調(diào)度技術(shù)方面，面對(duì)批量生產(chǎn)與客戶定制化生產(chǎn)的矛盾、多設(shè)備智能優(yōu)化配置、多時(shí)間尺度和多目標(biāo)協(xié)同優(yōu)化以及動(dòng)態(tài)調(diào)整的需求，我們提出了三個(gè)方面的解決方案。首先是優(yōu)化配置方案，通過(guò)魯棒優(yōu)化算法設(shè)計(jì)生產(chǎn)流程；其次是閉環(huán)調(diào)度策略，解決單機(jī)和多機(jī)調(diào)度問(wèn)題；最后是云邊協(xié)同，考慮設(shè)備和性能的不確定性，構(gòu)建云邊協(xié)同閉環(huán)調(diào)度框架。
在閉環(huán)調(diào)控優(yōu)化方面，我們解決了多流關(guān)聯(lián)建模難、性能閉環(huán)調(diào)控難和多約束耦合優(yōu)化難的問(wèn)題。通過(guò)非優(yōu)工況下調(diào)控、分布式跨層優(yōu)化和閉環(huán)調(diào)控優(yōu)化，構(gòu)建了云邊端協(xié)同調(diào)控優(yōu)化的整體框架。通過(guò)數(shù)字主線提供的信息，進(jìn)行關(guān)聯(lián)分析，得到各層次的性能指標(biāo)，并實(shí)現(xiàn)跨層次的優(yōu)化。
三、研發(fā)實(shí)踐：原型系統(tǒng)構(gòu)建與應(yīng)用實(shí)踐
本項(xiàng)目中的閉環(huán)調(diào)控優(yōu)化系統(tǒng)不僅在實(shí)驗(yàn)室內(nèi)成功實(shí)現(xiàn)了基礎(chǔ)構(gòu)建，同時(shí)也在某條實(shí)際生產(chǎn)線上進(jìn)行了驗(yàn)證。通過(guò)這一實(shí)踐，團(tuán)隊(duì)積累了寶貴的實(shí)驗(yàn)室建設(shè)經(jīng)驗(yàn)。我們的目標(biāo)是開(kāi)發(fā)一個(gè)制造過(guò)程變化分析與優(yōu)化平臺(tái)，以過(guò)程性能的管控為主線，設(shè)定具體的過(guò)程性能指標(biāo)體系。
在這一框架下，我們集成了性能指標(biāo)、數(shù)據(jù)關(guān)聯(lián)、性能分析、數(shù)據(jù)評(píng)估和性能閉環(huán)五大模塊，并將這些模塊按云、邊、端進(jìn)行分解。在端側(cè)，主要考慮數(shù)據(jù)的可追溯性、系統(tǒng)仿真和工況模擬；在邊側(cè)，重點(diǎn)關(guān)注工序級(jí)性能評(píng)估、工藝優(yōu)化和性能溯源；在云側(cè)，重點(diǎn)關(guān)注以經(jīng)濟(jì)性能為核心的綜合性能評(píng)估，包括能耗預(yù)測(cè)和性能退化預(yù)測(cè)等功能。
在具體功能模塊上，我們研發(fā)了數(shù)據(jù)驅(qū)動(dòng)的制造過(guò)程閉環(huán)控制分析與優(yōu)化原型系統(tǒng)，構(gòu)建了制造過(guò)程6維數(shù)字表征模型，突破了 多源異構(gòu)數(shù)據(jù)交換、利用與溯源瓶頸，開(kāi)發(fā)復(fù)雜時(shí)空數(shù)據(jù)基礎(chǔ)建模、管理與容錯(cuò)匯聚技術(shù)，打造 面向工業(yè)互聯(lián)網(wǎng)的 數(shù)據(jù)演化態(tài)勢(shì)感知平臺(tái)。構(gòu)建 “工序-工藝-工況”協(xié)同的全景知識(shí)圖譜，建立數(shù)據(jù)-模型虛實(shí)結(jié)合的動(dòng)態(tài)交互模型，最終打造“數(shù)據(jù)-模型-知識(shí)”深度融合的數(shù)字主線。面向典型工藝流程，我們?cè)O(shè)計(jì)了幾萬(wàn)余點(diǎn)數(shù)據(jù)驅(qū)動(dòng)的流程演示模塊，做到了全流程、多層級(jí)、多模態(tài)數(shù)據(jù)的實(shí)時(shí)在線回放，實(shí)現(xiàn)了產(chǎn)線流程關(guān)鍵工序的全景演示與I、II級(jí)基準(zhǔn)工藝設(shè)定的廣角透視。
另外，研發(fā)團(tuán)隊(duì)還進(jìn)行了數(shù)據(jù)追溯工作，該模塊的追溯是基于構(gòu)建的“元模型”。依據(jù)時(shí)間、空間、屬性、屬性值等一系列集成數(shù)據(jù)，以鋼卷號(hào)為載體，對(duì)運(yùn)行狀態(tài)信息與性能指標(biāo)信息等進(jìn)行時(shí)空變換，構(gòu)建了與實(shí)體鋼卷同步化的“數(shù)字鋼卷”。同時(shí)，以鋼卷號(hào)為唯一索引，梳理加熱爐開(kāi)始直到卷曲結(jié)束多工序的數(shù)據(jù)血緣關(guān)系，支持給定批次的設(shè)定值、過(guò)程運(yùn)行狀態(tài)測(cè)量值的時(shí)空追溯?；跁r(shí)空數(shù)據(jù)，我們也針對(duì)不同需求，開(kāi)發(fā)了一系列功能模塊。如：數(shù)據(jù)摘要、數(shù)據(jù)增強(qiáng)、特征空間可視化等。致力于從數(shù)據(jù)關(guān)聯(lián)的角度解析工況波動(dòng)的原因、潛在影響范圍、及傳播效應(yīng)。
在關(guān)聯(lián)分析方面，研發(fā)團(tuán)隊(duì)以性能為主導(dǎo)，開(kāi)發(fā)了性能管控平臺(tái)，集成了關(guān)聯(lián)分析、過(guò)程監(jiān)測(cè)、故障數(shù)據(jù)、性能評(píng)估和綜合評(píng)價(jià)系統(tǒng)。在閉環(huán)調(diào)度方面，通過(guò)結(jié)合煉鋼、連鑄、熱軋和下游工序，研發(fā)團(tuán)隊(duì)實(shí)現(xiàn)整個(gè)過(guò)程的動(dòng)態(tài)排程，并考慮了底層和中層的不確定性問(wèn)題。通過(guò)云、邊、端的協(xié)同機(jī)制，我們統(tǒng)一了控制系統(tǒng)平臺(tái)，實(shí)現(xiàn)了底層控制性能優(yōu)化、中層工藝優(yōu)化和上層閉環(huán)調(diào)控優(yōu)化。
盡管我們已取得了一定的進(jìn)展，但仍需進(jìn)一步驗(yàn)證和優(yōu)化。例如，數(shù)據(jù)治理、工況感知、數(shù)據(jù)追溯、融合和退化評(píng)估等模塊已在現(xiàn)場(chǎng)部署并取得初步成果，但后續(xù)還需進(jìn)行更多驗(yàn)證和優(yōu)化。在實(shí)際部署過(guò)程中，數(shù)據(jù)收集仍具有一定的困難性，尤其是實(shí)時(shí)數(shù)據(jù)、工藝數(shù)據(jù)和計(jì)劃調(diào)度數(shù)據(jù)的整合工作。然而，一旦數(shù)據(jù)收集完成，系統(tǒng)部署便能順利進(jìn)行。
四、數(shù)智思考：新質(zhì)生產(chǎn)力引領(lǐng)未來(lái)轉(zhuǎn)型
通過(guò)本項(xiàng)目，研發(fā)團(tuán)隊(duì)對(duì)數(shù)字化，尤其是在新質(zhì)生產(chǎn)力的引領(lǐng)下，進(jìn)行了深入的思考。首先，本項(xiàng)目的目的是實(shí)現(xiàn)從數(shù)據(jù)主線、關(guān)聯(lián)分析、閉環(huán)調(diào)控到閉環(huán)優(yōu)化四位一體的控制分析與優(yōu)化框架。整體而言，我們構(gòu)建了一個(gè)從性能感知、過(guò)程認(rèn)知到柔性調(diào)控、閉環(huán)優(yōu)化的數(shù)字化系統(tǒng)。
盡管研發(fā)團(tuán)隊(duì)取得了一定的成果，但在實(shí)際應(yīng)用過(guò)程中，依然面臨模型不充分、工況不清晰、知識(shí)不完備、決策不智能等問(wèn)題。未來(lái)，團(tuán)隊(duì)計(jì)劃進(jìn)一步深入推進(jìn)項(xiàng)目，力求將流程驅(qū)動(dòng)、數(shù)據(jù)驅(qū)動(dòng)和知識(shí)驅(qū)動(dòng)有機(jī)融合，推動(dòng)智能驅(qū)動(dòng)，實(shí)現(xiàn)自適應(yīng)、智能認(rèn)知、智能學(xué)習(xí)和自優(yōu)化。
智能驅(qū)動(dòng)的實(shí)現(xiàn)需要經(jīng)歷驅(qū)動(dòng)的進(jìn)化過(guò)程。從流程驅(qū)動(dòng)來(lái)看，需要基于物理模型；從數(shù)據(jù)驅(qū)動(dòng)來(lái)看，需要基于數(shù)據(jù)事實(shí)；從知識(shí)驅(qū)動(dòng)來(lái)看，需要依賴人類智慧。因此，只有將物理模型、數(shù)據(jù)事實(shí)和人類智慧有機(jī)結(jié)合，才能真正實(shí)現(xiàn)制造過(guò)程的智能化。
*本文根據(jù)作者所作報(bào)告速記整理而成
