Activities
【導(dǎo)讀】2024年7月2日，由中國科學(xué)技術(shù)協(xié)會、廣西壯族自治區(qū)人民政府主辦，中國自動化學(xué)會承辦的第二十六屆中國科協(xié)年會通用大模型未來演進路線——數(shù)據(jù)、算力、算法論壇在廣西南寧召開。會議特別邀請中國自動化學(xué)會副理事長、青島科技大學(xué)副校長、上海交通大學(xué)教授李少遠，作了題為“工業(yè)大數(shù)據(jù)的知識表達和利用”的主旨報告。報告詳細介紹了工業(yè)大數(shù)據(jù)、知識圖譜與知識嵌入技術(shù)的深度融合與創(chuàng)新，指出了工業(yè)大數(shù)據(jù)、知識圖譜與知識嵌入技術(shù)的協(xié)同發(fā)展將為工業(yè)4.0時代的企業(yè)構(gòu)建起強大的認知基礎(chǔ)設(shè)施，實現(xiàn)從數(shù)據(jù)到知識，再到智慧決策的無縫轉(zhuǎn)化，開啟一個高度自治、高效協(xié)同與可持續(xù)發(fā)展的智能制造新時代。
關(guān)于工業(yè)系統(tǒng)的應(yīng)用，特別是流程工業(yè)，我國已在全球占據(jù)了重要地位。從現(xiàn)狀來看，我國流程工業(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，仍然存在諸多問題。一個主要問題是操作經(jīng)驗和人類知識的積累和利用。盡管我國購買了大量的先進過程控制（APC）軟件，但許多工程師由于擔心出錯，往往不敢輕易調(diào)整和使用這些軟件。這導(dǎo)致了軟件的實際效益未能得到充分發(fā)揮。同時，某些廠家的運行情況非常良好，積累了豐富的經(jīng)驗。然而，這些寶貴的運行經(jīng)驗?zāi)芊裨谛袠I(yè)內(nèi)得到廣泛分享，成為一個關(guān)鍵問題。如何有效地利用和推廣這些先進的經(jīng)驗，對于提升整個行業(yè)的運營水平至關(guān)重要。
因此，我們需要深入研究并解決這些問題，確保先進設(shè)備和軟件的最佳利用，促進經(jīng)驗共享，從而實現(xiàn)我國流程工業(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際數(shù)據(jù)進行學(xué)習和訓(xùn)練的理想場景。
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。每個層級和系統(tǒng)基于不同的機理進行分工，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。
例如，按照分鐘級別采集數(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)不僅反映了整個系統(tǒng)的運行是否處于優(yōu)化的平衡點上，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，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)，提升整個工業(yè)系統(tǒng)的運行效率和產(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，國內(nèi)外的情況存在一些區(qū)別。雖然中國的流程工業(yè)在設(shè)備和軟件上看起來都很先進，但在操作和運行過程中，尤其是在優(yōu)化控制和人工智能技術(shù)的應(yīng)用上，還遠未得到充分的釋放和利用。
如在煉油行業(yè)，國外與國內(nèi)有所不同。我國的煉油原材料成分非常豐富且變化多樣，有中東原油、國產(chǎn)原油，還有其他國家的原油，成分變化非常大。然而，設(shè)備是固定的，不能隨時進行調(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。我國對優(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)的效率對于我國來說至關(guān)重要。
在流程工業(yè)的運行過程中，數(shù)據(jù)、操作經(jīng)驗和人類知識的積累非常豐富，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)和知識融合起來，統(tǒng)一進行建模和優(yōu)化，是流程工業(yè)領(lǐng)域亟需解決的問題。這不僅涉及知識的載體和融合，還包括自動化操作等各個方面的要求。通過將多元信息融合并進行優(yōu)化控制，可以提升工業(yè)系統(tǒng)的整體效率和運行質(zhì)量。這正是工業(yè)控制領(lǐng)域的研究重點和方向。
二、隱式知識的發(fā)現(xiàn)和利用
在工業(yè)系統(tǒng)中，隱性知識是指操作人員對設(shè)備及其運行機制的認知和經(jīng)驗，如圖2所示。這些知識雖然表面上不顯眼，但在實際運行中往往起到關(guān)鍵作用。例如，許多自動化領(lǐng)域的專家在設(shè)計控制器時，通常基于一個模型，而這個模型包含了許多在控制器運行過程中未被充分利用的知識，包括操作人員的經(jīng)驗。
圖2 隱式知識的發(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技術(shù)難題。
其次，隱性知識的存儲較為復(fù)雜。這些經(jīng)驗往往以簡短的語言表達，如老工程師在緊急情況下的幾句話。這些經(jīng)驗如何統(tǒng)一到系統(tǒng)控制器中并進行有效存儲，是一個挑戰(zhàn)。如何將操作人員的經(jīng)驗和知識系統(tǒng)化、標準化地存儲起來，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，知識和數(shù)據(jù)的共享也是一個重要課題。即使在同一個行業(yè)中，不同地點的相同裝置由于加工原材料不同，操作數(shù)據(jù)和知識也會有所差異。如何實現(xiàn)數(shù)據(jù)和知識的共享是一個重要課題。雖然中國自動化學(xué)會和企業(yè)在對話中探討了數(shù)據(jù)共享的可能性，但實際操作中面臨諸多挑戰(zhàn)。一種可行的解決方案是通過標桿學(xué)習和數(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，隱性知識和多元信息的利用仍然不足。目前，隱性知識、操作經(jīng)驗和多元信息的融合和利用仍然不足。這種利用不足是推動我們努力改進的重要動力。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，還需要政策和標準的支持，以實現(xiàn)數(shù)據(jù)和知識的有效獲取、存儲、共享和利用。這些方面的綜合改進將大大增強工業(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)驗和知識，包括操作過程中的知識納入系統(tǒng)是個較為重要的內(nèi)容。主要包括三個方面：下層數(shù)據(jù)、人的經(jīng)驗和知識、機理模型。
所謂的知識圖譜，是對傳統(tǒng)模型的進一步擴展。傳統(tǒng)模型僅關(guān)注系統(tǒng)的輸入輸出，而知識圖譜則包括系統(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)建一個立體化、全方位的知識圖譜，其中包括操作經(jīng)驗、控制變量和操作變量。首先，通過知識圖譜了解系統(tǒng)發(fā)生了什么變化，并判斷是否需要產(chǎn)生控制作用。這一概念是對傳統(tǒng)模型控制優(yōu)化技術(shù)路線的擴展，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)習等先進人工智能技術(shù)，應(yīng)用于工業(yè)系統(tǒng)，以提出新的方法，如圖3所示。這包括機理建模、裝置結(jié)構(gòu)和子系統(tǒng)之間的拓撲關(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)建知識圖譜。通過實際運行數(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)知識輔助的遷移-增量學(xué)習建模
有了實時運行數(shù)據(jù)、操作經(jīng)驗、運行經(jīng)驗和裝置運行結(jié)構(gòu)特征等多方面的信息，我們可以構(gòu)建一個完整的知識圖譜，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
三、融合關(guān)系知識的數(shù)據(jù)驅(qū)動建模和優(yōu)化
第二個方面的工作是如何從知識圖譜中進行進一步的演化和推理，以了解整個系統(tǒng)的狀態(tài)是否滿足要求。特別是對最終產(chǎn)品進行預(yù)測，判斷其是否合格和最優(yōu)。反過來，指導(dǎo)各個裝置之間的操控，包括操控變量和操作條件的優(yōu)化。這是對傳統(tǒng)控制概念的進一步擴展，通過知識圖譜實現(xiàn)更精準的控制和優(yōu)化。
原有的控制系統(tǒng)主要作用于單個裝置，例如調(diào)節(jié)溫度至1200度，并在允許的誤差范圍內(nèi)進行調(diào)整。然而，現(xiàn)在我們需要擴展這一概念，將其應(yīng)用到整個生產(chǎn)線。通過利用知識圖譜建立內(nèi)部各種關(guān)系之間的推理關(guān)系，進行全局的推理，使得生產(chǎn)線能夠持續(xù)優(yōu)化，不斷運行。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)下運行，并提高產(chǎn)品的生產(chǎn)指標。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，需要不斷地加以利用。如何有效利用這些關(guān)系和知識？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)進行實時控制，從底層控制到中間的DCS，再到上方的RPU，最后到ERP，打通各個層次的不同定位。對于我國而言，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。從這個角度來看，我們建立了許多拓撲結(jié)構(gòu)，探討各個子系統(tǒng)之間的相互關(guān)聯(lián)和影響，實現(xiàn)全局系統(tǒng)的動態(tài)變化特征的捕捉和遞進。
圖5 工業(yè)生產(chǎn)過程
四、融合公式化機理知識的數(shù)據(jù)驅(qū)動建模和優(yōu)化
我們采用了深度神經(jīng)網(wǎng)絡(luò)、圖神經(jīng)網(wǎng)絡(luò)等先進技術(shù)和人工智能方法，從而進一步推動工業(yè)生產(chǎn)和應(yīng)用場景的發(fā)展，如圖6所示。這些技術(shù)幫助我們統(tǒng)一構(gòu)建知識圖譜和知識大模型，解決優(yōu)化問題，確定每個裝置的操作條件。通過實際案例，如煉油過程中的操作經(jīng)驗，根據(jù)生產(chǎn)運行的實際情況進行推理，最終實現(xiàn)整個系統(tǒng)的運行優(yōu)化。
圖6 融合多視角先驗知識圖的質(zhì)量預(yù)測
在具體實施過程中，我們主要使用圖神經(jīng)網(wǎng)絡(luò)和機器學(xué)習等先進算法，如圖7所示。整個系統(tǒng)結(jié)構(gòu)從底層的PID控制、中間的MPC（模型預(yù)測控制）到上層的RTO（實時優(yōu)化）和ERP（企業(yè)資源計劃）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計算控制為框架，包括模型、滾動優(yōu)化算法和法規(guī)校正等多個關(guān)系都納入到MPC的算法框架中進行實施。
圖7 以圖結(jié)構(gòu)為基礎(chǔ)的知識融合建模
實際運行時，數(shù)據(jù)不斷產(chǎn)生，信息也在不斷積累。我們需要根據(jù)實時數(shù)據(jù)來融合知識圖譜。知識圖譜通常是離線事先制作的，人的操作經(jīng)驗事先插入到知識圖譜中。但在實際運行中，我們需要利用實時數(shù)據(jù)進行系統(tǒng)實時的推理。實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)化會變得相當容易。通過機器學(xué)習和人工智能的各種算法，可以將約束轉(zhuǎn)化為非約束問題進行求解，最終利用實時數(shù)據(jù)和機理系統(tǒng)運行的知識進行融合，形成統(tǒng)一的算法，如圖8所示。
圖8 基于BNN結(jié)構(gòu)學(xué)習的知識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。因此，我們需要進一步擴展技術(shù)策略，將新的技術(shù)統(tǒng)一納入進來。流程工業(yè)和零散制造有時不能分開，例如煉油有時是一批一批的，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。現(xiàn)在，結(jié)合人工智能的許多技術(shù)和方法，特別是結(jié)合機理和知識，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)習和深度神經(jīng)網(wǎng)絡(luò)時，需要考慮系統(tǒng)的橫向關(guān)系。如果不加這個橫向關(guān)系，學(xué)習出來的數(shù)據(jù)可能會偏離工作點，對工業(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、信息到知識的轉(zhuǎn)化，最終形成有用的知識是關(guān)鍵。技術(shù)只能反映當前這一時刻的系統(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圖譜，并利用不同來源進一步形成實時控制作用。
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)測控制）在工業(yè)系統(tǒng)應(yīng)用時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)路線確實能夠推動傳統(tǒng)工業(yè)控制技術(shù)的發(fā)展。我們還需將人機協(xié)同、人類知識和操作經(jīng)驗很好地結(jié)合起來。這些新方法和技術(shù)的應(yīng)用將對工業(yè)人工智能和人工智能技術(shù)提出新的挑戰(zhàn)，并進一步推動其發(fā)展。
（本文根據(jù)作者所作報告速記整理而成）
