Activities
【導(dǎo)讀】2024年7月2日，由中國(guó)科學(xué)技術(shù)協(xié)會(huì)、廣西壯族自治區(qū)人民政府主辦，中國(guó)自動(dòng)化學(xué)會(huì)承辦的第二十六屆中國(guó)科協(xié)年會(huì)通用大模型未來演進(jìn)路線——數(shù)據(jù)、算力、算法論壇在廣西南寧召開。會(huì)議特別邀請(qǐng)中國(guó)自動(dòng)化學(xué)會(huì)副理事長(zhǎng)、青島科技大學(xué)副校長(zhǎng)、上海交通大學(xué)教授李少遠(yuǎn)，作了題為“工業(yè)大數(shù)據(jù)的知識(shí)表達(dá)和利用”的主旨報(bào)告。報(bào)告詳細(xì)介紹了工業(yè)大數(shù)據(jù)、知識(shí)圖譜與知識(shí)嵌入技術(shù)的深度融合與創(chuàng)新，指出了工業(yè)大數(shù)據(jù)、知識(shí)圖譜與知識(shí)嵌入技術(shù)的協(xié)同發(fā)展將為工業(yè)4.0時(shí)代的企業(yè)構(gòu)建起強(qiáng)大的認(rèn)知基礎(chǔ)設(shè)施，實(shí)現(xiàn)從數(shù)據(jù)到知識(shí)，再到智慧決策的無縫轉(zhuǎn)化，開啟一個(gè)高度自治、高效協(xié)同與可持續(xù)發(fā)展的智能制造新時(shí)代。
關(guān)于工業(yè)系統(tǒng)的應(yīng)用，特別是流程工業(yè)，我國(guó)已在全球占據(jù)了重要地位。從現(xiàn)狀來看，我國(guó)流程工業(yè)中的許多設(shè)備和軟件并不落后，甚至在某些方面處于領(lǐng)先地位。然而，如何真正發(fā)揮這些設(shè)備和軟件的效益，充分利用其優(yōu)勢(shì)，仍然存在諸多問題。一個(gè)主要問題是操作經(jīng)驗(yàn)和人類知識(shí)的積累和利用。盡管我國(guó)購(gòu)買了大量的先進(jìn)過程控制（APC）軟件，但許多工程師由于擔(dān)心出錯(cuò)，往往不敢輕易調(diào)整和使用這些軟件。這導(dǎo)致了軟件的實(shí)際效益未能得到充分發(fā)揮。同時(shí)，某些廠家的運(yùn)行情況非常良好，積累了豐富的經(jīng)驗(yàn)。然而，這些寶貴的運(yùn)行經(jīng)驗(yàn)?zāi)芊裨谛袠I(yè)內(nèi)得到廣泛分享，成為一個(gè)關(guān)鍵問題。如何有效地利用和推廣這些先進(jìn)的經(jīng)驗(yàn)，對(duì)于提升整個(gè)行業(yè)的運(yùn)營(yíng)水平至關(guān)重要。
因此，我們需要深入研究并解決這些問題，確保先進(jìn)設(shè)備和軟件的最佳利用，促進(jìn)經(jīng)驗(yàn)共享，從而實(shí)現(xiàn)我國(guó)流程工業(yè)的持續(xù)發(fā)展和優(yōu)化。
一、工業(yè)系統(tǒng)的數(shù)據(jù)與模型
催化裂化流程是一個(gè)復(fù)雜的工業(yè)生產(chǎn)過程，涉及物料流、能量流及其他多種流體的混合。這一過程不僅在工藝上復(fù)雜，且運(yùn)行過程中產(chǎn)生的數(shù)據(jù)非常豐富，尤其是在短周期內(nèi)。這樣的復(fù)雜性和數(shù)據(jù)量為人工智能提供了實(shí)際數(shù)據(jù)進(jìn)行學(xué)習(xí)和訓(xùn)練的理想場(chǎng)景。
在工業(yè)系統(tǒng)中，存在著大量的軟件和不同的系統(tǒng)，從上層的企業(yè)資源規(guī)劃（ERP）到中層的制造執(zhí)行系統(tǒng)（MES），再到底層的過程控制系統(tǒng)（PCS）和制造控制系統(tǒng)（MCS）等。每個(gè)層級(jí)和系統(tǒng)基于不同的機(jī)理進(jìn)行分工，并擁有各自不同的軟件和數(shù)據(jù)權(quán)限，以及操作經(jīng)驗(yàn)等。要有效利用人工智能技術(shù)，必須打破這些系統(tǒng)之間的壁壘，整合不同來源的數(shù)據(jù)和經(jīng)驗(yàn)。
例如，按照分鐘級(jí)別采集數(shù)據(jù)，可以獲得非常豐富的數(shù)據(jù)信息，如圖1所示。這些數(shù)據(jù)不僅反映了整個(gè)系統(tǒng)的運(yùn)行是否處于優(yōu)化的平衡點(diǎn)上，還能揭示出能耗是否最低，產(chǎn)品產(chǎn)出是否最優(yōu)。通過分析這些數(shù)據(jù)，能夠提煉出大量的操作經(jīng)驗(yàn)，為優(yōu)化生產(chǎn)流程提供重要的參考。
因此，催化裂化流程中的豐富數(shù)據(jù)和復(fù)雜性正是人工智能技術(shù)發(fā)揮作用的理想場(chǎng)景。通過人工智能的應(yīng)用，可以更好地分析和優(yōu)化這些數(shù)據(jù)，提升整個(gè)工業(yè)系統(tǒng)的運(yùn)行效率和產(chǎn)出質(zhì)量。
圖1 工業(yè)數(shù)據(jù)的來源多樣
在流程工業(yè)領(lǐng)域，國(guó)內(nèi)外的情況存在一些區(qū)別。雖然中國(guó)的流程工業(yè)在設(shè)備和軟件上看起來都很先進(jìn)，但在操作和運(yùn)行過程中，尤其是在優(yōu)化控制和人工智能技術(shù)的應(yīng)用上，還遠(yuǎn)未得到充分的釋放和利用。
如在煉油行業(yè)，國(guó)外與國(guó)內(nèi)有所不同。我國(guó)的煉油原材料成分非常豐富且變化多樣，有中東原油、國(guó)產(chǎn)原油，還有其他國(guó)家的原油，成分變化非常大。然而，設(shè)備是固定的，不能隨時(shí)進(jìn)行調(diào)整。因此，在這種情況下，優(yōu)化控制和人工智能技術(shù)的作用顯得尤為重要。我國(guó)對(duì)優(yōu)化控制和人工智能技術(shù)的需求更加迫切，但目前許多企業(yè)只追求安全生產(chǎn)，效率方面卻大打折扣。提高流程工業(yè)的效率對(duì)于我國(guó)來說至關(guān)重要。
在流程工業(yè)的運(yùn)行過程中，數(shù)據(jù)、操作經(jīng)驗(yàn)和人類知識(shí)的積累非常豐富，但這些寶貴的信息并未得到充分利用。研究如何進(jìn)行多信息融合，是解決這一問題的關(guān)鍵，即如何將數(shù)據(jù)、語(yǔ)音和圖像等多種信息融合起來，這一概念在工業(yè)系統(tǒng)中顯得尤為必要。
在這一背景下，如何將數(shù)據(jù)和知識(shí)融合起來，統(tǒng)一進(jìn)行建模和優(yōu)化，是流程工業(yè)領(lǐng)域亟需解決的問題。這不僅涉及知識(shí)的載體和融合，還包括自動(dòng)化操作等各個(gè)方面的要求。通過將多元信息融合并進(jìn)行優(yōu)化控制，可以提升工業(yè)系統(tǒng)的整體效率和運(yùn)行質(zhì)量。這正是工業(yè)控制領(lǐng)域的研究重點(diǎn)和方向。
二、隱式知識(shí)的發(fā)現(xiàn)和利用
在工業(yè)系統(tǒng)中，隱性知識(shí)是指操作人員對(duì)設(shè)備及其運(yùn)行機(jī)制的認(rèn)知和經(jīng)驗(yàn)，如圖2所示。這些知識(shí)雖然表面上不顯眼，但在實(shí)際運(yùn)行中往往起到關(guān)鍵作用。例如，許多自動(dòng)化領(lǐng)域的專家在設(shè)計(jì)控制器時(shí)，通?；谝粋€(gè)模型，而這個(gè)模型包含了許多在控制器運(yùn)行過程中未被充分利用的知識(shí)，包括操作人員的經(jīng)驗(yàn)。
圖2 隱式知識(shí)的發(fā)現(xiàn)和利用
首先，信息獲取存在困難。相比過去，現(xiàn)在的信息獲取手段有了顯著改善。過去主要依賴傳感器，而現(xiàn)在增加了圖像、視頻和語(yǔ)音等多種信息來源。然而，如何有效融合多元化的信息仍是一個(gè)技術(shù)難題。
其次，隱性知識(shí)的存儲(chǔ)較為復(fù)雜。這些經(jīng)驗(yàn)往往以簡(jiǎn)短的語(yǔ)言表達(dá)，如老工程師在緊急情況下的幾句話。這些經(jīng)驗(yàn)如何統(tǒng)一到系統(tǒng)控制器中并進(jìn)行有效存儲(chǔ)，是一個(gè)挑戰(zhàn)。如何將操作人員的經(jīng)驗(yàn)和知識(shí)系統(tǒng)化、標(biāo)準(zhǔn)化地存儲(chǔ)起來，以便在系統(tǒng)控制中發(fā)揮作用，是我們需要解決的問題。
此外，知識(shí)和數(shù)據(jù)的共享也是一個(gè)重要課題。即使在同一個(gè)行業(yè)中，不同地點(diǎn)的相同裝置由于加工原材料不同，操作數(shù)據(jù)和知識(shí)也會(huì)有所差異。如何實(shí)現(xiàn)數(shù)據(jù)和知識(shí)的共享是一個(gè)重要課題。雖然中國(guó)自動(dòng)化學(xué)會(huì)和企業(yè)在對(duì)話中探討了數(shù)據(jù)共享的可能性，但實(shí)際操作中面臨諸多挑戰(zhàn)。一種可行的解決方案是通過標(biāo)桿學(xué)習(xí)和數(shù)據(jù)利用，使數(shù)據(jù)資源在不同情況下都能被有效利用，而不是局限于數(shù)據(jù)所有權(quán)的問題。
最后，隱性知識(shí)和多元信息的利用仍然不足。目前，隱性知識(shí)、操作經(jīng)驗(yàn)和多元信息的融合和利用仍然不足。這種利用不足是推動(dòng)我們努力改進(jìn)的重要?jiǎng)恿?。通過更好地結(jié)合這些信息，我們可以顯著提升工業(yè)系統(tǒng)的整體效率和控制水平。解決這些問題不僅需要技術(shù)上的突破，還需要政策和標(biāo)準(zhǔn)的支持，以實(shí)現(xiàn)數(shù)據(jù)和知識(shí)的有效獲取、存儲(chǔ)、共享和利用。這些方面的綜合改進(jìn)將大大增強(qiáng)工業(yè)系統(tǒng)的優(yōu)化控制能力，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。
在工業(yè)系統(tǒng)中，如何將人的經(jīng)驗(yàn)和知識(shí)，包括操作過程中的知識(shí)納入系統(tǒng)是個(gè)較為重要的內(nèi)容。主要包括三個(gè)方面：下層數(shù)據(jù)、人的經(jīng)驗(yàn)和知識(shí)、機(jī)理模型。
所謂的知識(shí)圖譜，是對(duì)傳統(tǒng)模型的進(jìn)一步擴(kuò)展。傳統(tǒng)模型僅關(guān)注系統(tǒng)的輸入輸出，而知識(shí)圖譜則包括系統(tǒng)內(nèi)部的操作變量、狀態(tài)變化和輸出因素。通過這種方式，可以全面描述系統(tǒng)的狀態(tài)及其變化因素。
我們要構(gòu)建一個(gè)立體化、全方位的知識(shí)圖譜，其中包括操作經(jīng)驗(yàn)、控制變量和操作變量。首先，通過知識(shí)圖譜了解系統(tǒng)發(fā)生了什么變化，并判斷是否需要產(chǎn)生控制作用。這一概念是對(duì)傳統(tǒng)模型控制優(yōu)化技術(shù)路線的擴(kuò)展，需要不斷豐富和發(fā)展。
我們的工作之一是探討如何通過遷移學(xué)習(xí)等先進(jìn)人工智能技術(shù)，應(yīng)用于工業(yè)系統(tǒng)，以提出新的方法，如圖3所示。這包括機(jī)理建模、裝置結(jié)構(gòu)和子系統(tǒng)之間的拓?fù)潢P(guān)系等新表述的探索。通過分析多維數(shù)據(jù)，發(fā)現(xiàn)系統(tǒng)變化的主要特征，從而構(gòu)建知識(shí)圖譜。通過實(shí)際運(yùn)行數(shù)據(jù)，可以看到系統(tǒng)變化的輸入因素，判斷系統(tǒng)運(yùn)行是否處于優(yōu)化狀態(tài)，是否存在安全隱患等。
圖3 相似系統(tǒng)知識(shí)輔助的遷移-增量學(xué)習(xí)建模
有了實(shí)時(shí)運(yùn)行數(shù)據(jù)、操作經(jīng)驗(yàn)、運(yùn)行經(jīng)驗(yàn)和裝置運(yùn)行結(jié)構(gòu)特征等多方面的信息，我們可以構(gòu)建一個(gè)完整的知識(shí)圖譜，如圖4所示。然而，這并不是我們的最終目的。傳統(tǒng)控制器使用模型進(jìn)行推理，而模型的關(guān)鍵作用在于推理。
圖4 從數(shù)據(jù)中發(fā)現(xiàn)模式，從模式中固化知識(shí)
三、融合關(guān)系知識(shí)的數(shù)據(jù)驅(qū)動(dòng)建模和優(yōu)化
第二個(gè)方面的工作是如何從知識(shí)圖譜中進(jìn)行進(jìn)一步的演化和推理，以了解整個(gè)系統(tǒng)的狀態(tài)是否滿足要求。特別是對(duì)最終產(chǎn)品進(jìn)行預(yù)測(cè)，判斷其是否合格和最優(yōu)。反過來，指導(dǎo)各個(gè)裝置之間的操控，包括操控變量和操作條件的優(yōu)化。這是對(duì)傳統(tǒng)控制概念的進(jìn)一步擴(kuò)展，通過知識(shí)圖譜實(shí)現(xiàn)更精準(zhǔn)的控制和優(yōu)化。
原有的控制系統(tǒng)主要作用于單個(gè)裝置，例如調(diào)節(jié)溫度至1200度，并在允許的誤差范圍內(nèi)進(jìn)行調(diào)整。然而，現(xiàn)在我們需要擴(kuò)展這一概念，將其應(yīng)用到整個(gè)生產(chǎn)線。通過利用知識(shí)圖譜建立內(nèi)部各種關(guān)系之間的推理關(guān)系，進(jìn)行全局的推理，使得生產(chǎn)線能夠持續(xù)優(yōu)化，不斷運(yùn)行。無論內(nèi)部條件如何變化，生產(chǎn)線都能在環(huán)保、優(yōu)化的狀態(tài)下運(yùn)行，并提高產(chǎn)品的生產(chǎn)指標(biāo)。根據(jù)不同的要求，調(diào)節(jié)相應(yīng)的變量。
從學(xué)術(shù)角度來看，流程工業(yè)中存在大量的關(guān)系和知識(shí)，需要不斷地加以利用。如何有效利用這些關(guān)系和知識(shí)？我們采用了多種新的方法。例如，在工業(yè)系統(tǒng)中按照遞階結(jié)構(gòu)進(jìn)行實(shí)時(shí)控制，從底層控制到中間的DCS，再到上方的RPU，最后到ERP，打通各個(gè)層次的不同定位。對(duì)于我國(guó)而言，生產(chǎn)結(jié)構(gòu)難以改變，在這種情況下，如何將數(shù)據(jù)和知識(shí)更好地融合起來？
在控制系統(tǒng)中，數(shù)據(jù)的輸入和輸出之間存在因果關(guān)系，這與一般通用大模型僅從大數(shù)據(jù)中發(fā)現(xiàn)規(guī)律和特征有所不同，如圖5所示。從這個(gè)角度來看，我們建立了許多拓?fù)浣Y(jié)構(gòu)，探討各個(gè)子系統(tǒng)之間的相互關(guān)聯(lián)和影響，實(shí)現(xiàn)全局系統(tǒng)的動(dòng)態(tài)變化特征的捕捉和遞進(jìn)。
圖5 工業(yè)生產(chǎn)過程
四、融合公式化機(jī)理知識(shí)的數(shù)據(jù)驅(qū)動(dòng)建模和優(yōu)化
我們采用了深度神經(jīng)網(wǎng)絡(luò)、圖神經(jīng)網(wǎng)絡(luò)等先進(jìn)技術(shù)和人工智能方法，從而進(jìn)一步推動(dòng)工業(yè)生產(chǎn)和應(yīng)用場(chǎng)景的發(fā)展，如圖6所示。這些技術(shù)幫助我們統(tǒng)一構(gòu)建知識(shí)圖譜和知識(shí)大模型，解決優(yōu)化問題，確定每個(gè)裝置的操作條件。通過實(shí)際案例，如煉油過程中的操作經(jīng)驗(yàn)，根據(jù)生產(chǎn)運(yùn)行的實(shí)際情況進(jìn)行推理，最終實(shí)現(xiàn)整個(gè)系統(tǒng)的運(yùn)行優(yōu)化。
圖6 融合多視角先驗(yàn)知識(shí)圖的質(zhì)量預(yù)測(cè)
在具體實(shí)施過程中，我們主要使用圖神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)等先進(jìn)算法，如圖7所示。整個(gè)系統(tǒng)結(jié)構(gòu)從底層的PID控制、中間的MPC（模型預(yù)測(cè)控制）到上層的RTO（實(shí)時(shí)優(yōu)化）和ERP（企業(yè)資源計(jì)劃）都是逐層工作的。在這一過程中，我們嵌入了大量圖神經(jīng)網(wǎng)絡(luò)的算法，最終以MPC計(jì)算控制為框架，包括模型、滾動(dòng)優(yōu)化算法和法規(guī)校正等多個(gè)關(guān)系都納入到MPC的算法框架中進(jìn)行實(shí)施。
圖7 以圖結(jié)構(gòu)為基礎(chǔ)的知識(shí)融合建模
實(shí)際運(yùn)行時(shí)，數(shù)據(jù)不斷產(chǎn)生，信息也在不斷積累。我們需要根據(jù)實(shí)時(shí)數(shù)據(jù)來融合知識(shí)圖譜。知識(shí)圖譜通常是離線事先制作的，人的操作經(jīng)驗(yàn)事先插入到知識(shí)圖譜中。但在實(shí)際運(yùn)行中，我們需要利用實(shí)時(shí)數(shù)據(jù)進(jìn)行系統(tǒng)實(shí)時(shí)的推理。實(shí)際裝置總是存在許多約束條件，優(yōu)化的主要瓶頸正是這些約束。如果沒有約束，系統(tǒng)優(yōu)化會(huì)變得相當(dāng)容易。通過機(jī)器學(xué)習(xí)和人工智能的各種算法，可以將約束轉(zhuǎn)化為非約束問題進(jìn)行求解，最終利用實(shí)時(shí)數(shù)據(jù)和機(jī)理系統(tǒng)運(yùn)行的知識(shí)進(jìn)行融合，形成統(tǒng)一的算法，如圖8所示。
圖8 基于BNN結(jié)構(gòu)學(xué)習(xí)的知識(shí)融合的混合建模策略
流程工業(yè)非常復(fù)雜，包括冶金、電力等多個(gè)領(lǐng)域。這些領(lǐng)域有共性，即所謂的通用大模型。然而，結(jié)合具體行業(yè)又有具體的應(yīng)用和設(shè)計(jì)。因此，我們需要進(jìn)一步擴(kuò)展技術(shù)策略，將新的技術(shù)統(tǒng)一納入進(jìn)來。流程工業(yè)和零散制造有時(shí)不能分開，例如煉油有時(shí)是一批一批的，其中涉及零散制造。建模和優(yōu)化的矛盾與困難一直困擾著工業(yè)控制應(yīng)用?，F(xiàn)在，結(jié)合人工智能的許多技術(shù)和方法，特別是結(jié)合機(jī)理和知識(shí)，可以有效解決這些問題。
五、總結(jié)與展望
工業(yè)數(shù)據(jù)講求對(duì)應(yīng)性，即輸入和輸出之間的因果關(guān)系，這是有效的。因此，在工業(yè)系統(tǒng)中應(yīng)用深度學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)時(shí)，需要考慮系統(tǒng)的橫向關(guān)系。如果不加這個(gè)橫向關(guān)系，學(xué)習(xí)出來的數(shù)據(jù)可能會(huì)偏離工作點(diǎn)，對(duì)工業(yè)系統(tǒng)無用。工業(yè)系統(tǒng)中的人工智能應(yīng)用有許多特殊性和具體技術(shù)問題需要研究。通過數(shù)據(jù)到信息、信息到知識(shí)的轉(zhuǎn)化，最終形成有用的知識(shí)是關(guān)鍵。技術(shù)只能反映當(dāng)前這一時(shí)刻的系統(tǒng)內(nèi)部關(guān)系。如何全方位了解并開好一條生產(chǎn)線，需要建立整體的知識(shí)圖譜，并利用不同來源進(jìn)一步形成實(shí)時(shí)控制作用。
在工業(yè)系統(tǒng)中應(yīng)用人工智能的技術(shù)涉及多方面問題。進(jìn)一步利用好人工智能的各種新方法非常重要。例如，MPC（模型預(yù)測(cè)控制）在工業(yè)系統(tǒng)應(yīng)用時(shí)有許多問題需要解決。雖然深度神經(jīng)網(wǎng)絡(luò)的規(guī)模較小，無法與通用大模型相比，但其概念和技術(shù)路線確實(shí)能夠推動(dòng)傳統(tǒng)工業(yè)控制技術(shù)的發(fā)展。我們還需將人機(jī)協(xié)同、人類知識(shí)和操作經(jīng)驗(yàn)很好地結(jié)合起來。這些新方法和技術(shù)的應(yīng)用將對(duì)工業(yè)人工智能和人工智能技術(shù)提出新的挑戰(zhàn)，并進(jìn)一步推動(dòng)其發(fā)展。
（本文根據(jù)作者所作報(bào)告速記整理而成）
