人工智能賦能流程制造

錢鋒

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

流程工業是國民經濟的支柱產業，石化、化工、鋼鐵、有色等是典型的流程制造業。為了解決流程制造中資源、能源利用率和安全環保問題，亟需研發新方法和新系統，推動流程制造綠色化低碳化、高端化高值化和數字化智能化發展。當前，人工智能已經成功應用于自動駕駛、圖像處理、機器人、實時輔助決策、智能推薦等諸多領域，并且在知識表示、認知理解和自主學習等方面展現出了強大的優勢。如何將人工智能與流程制造進行深度融合是“流程工業智能制造”的重點研究方向。近年來，各國政府紛紛發布與流程工業智能制造相關的戰略規劃，旨在推動流程工業制造技術的迭代升級。

鑒于流程工業面臨著多尺度信息集成、人機物交互以及具有約束的多目標優化等諸多挑戰，在流程工業智能制造中研究與應用人工智能技術成為各國學者們的研究重點。因此，本專題主要聚焦流程制造在信息集成、生產效率、運營管理、生產安全等方面的瓶頸問題，從智能感知、建模優化、自主控制、智能決策等多個維度推動人工智能賦能流程制造。

在中國工程院的大力支持下，我們很榮幸邀請到美國、德國、比利時、加拿大、丹麥、韓國、新加坡、瑞典、中國等多個國家的院士和知名學者介紹流程工業智能制造相關的新思想、新理論和新技術。通過嚴格而仔細的同行評審，我們挑選出了9篇論文予以發表。以下對這些文章進行簡要介紹。

通過開發化工產品建模方法以及工具，工程師和學者們能直觀地了解流程制造中各種變量之間的內在關系，并通過數學建模來獲取這些關系的主要特性。一般而言，建模是實現流程智能制造中過程監控、自主控制、智能決策以及性能評估等功能的前提條件。在本專題中，丹麥皇家科學院院士Rafiqul Gani教授、德國馬克斯-普朗克復雜技術系統動力學研究所所長Kai Sundmacher教授等解決了由材料選擇和工藝操作之間的強耦合關系所引起的復雜設計問題。因為材料的屬性需要用數據驅動的模型進行描述，而與工藝相關的規則需要基于機理進行描述，所以該工作強調了混合建模有利于多尺度材料以及過程工藝的設計。通過關聯數據驅動制造、分散制造、區塊鏈集成這三個方面，清華大學王笑楠教授等對信息物理生產系統（CPPS）在推動下一代制造中的作用提出了系統性的觀點。此外，提出了通過數據驅動建模，CPPS 有助于提升制造過程的直觀性以及自動化水平。比利時根特大學教授Christian V.Stevens 等總結了在過程控制中應用機器學習實現化學過程建模的優勢、局限、機會和挑戰，在提升基于機器學習的建模方法可信度方面提出了三項建議。他們還指出，機器學習特別適用于實時優化和規劃等有時間約束的情況。

在實際工業過程中，傳感設備所采集的測量值容易受操作環境、原材料和產品質量指標的變化等諸多因素的影響。因此，有必要開發新的過程監控技術來評估流程制造的運行狀態。中國工程院院士桂衛華教授等提出子帶瞬時能譜（SIEP）來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 的基礎上，進一步提出了一種對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測的可靠性和準確性。由于操作環境的不斷變化，測量數據的分布可能會隨著時間的變化而變化，因此，基于歷史訓練數據的過程監控模型無法實現在線數據流的準確監測。鑒于此，中南大學陽春華教授、中國工程院院士桂衛華教授等提出了一種魯棒的轉移字典學習方法?；诖硇詫W習和域自適應轉移學習的協同框架，該方法可以消除環境干擾所引起的分布差異，并且維持工業過程的監測性能。加拿大國家工程院院士黃彪教授等采用了基于演員-評論家策略的強化學習方法，來解決流程工業中對象的實時跟蹤問題。這種方法不僅可以提高監測系統在不確定環境下的魯棒性，而且可以利用較少的由計算機視覺所生成的圖像降低維護成本。

優化控制一直是確保流程制造運行效能的閉環穩定性與決策的關鍵。近年來，隨著工業系統的規模逐漸龐大，系統的結構越來越復雜，引入先進的機器學習技術來優化流程工業決策過程和控制策略是十分必要的。由于煉鐵過程中難以滿足實時響應和彈性計算的要求，中國工程院院士孫優賢教授等提出了一種基于云服務和云分發系統的多目標優化框架。在此基礎上，作者利用深度學習和進化計算，提出了多目標優化算法對高爐煉鐵過程中的沖突目標進行優化。從監控、控制、優化和故障檢測的角度來看，美國康奈爾大學Fengqi You教授等回顧了考慮隨機不確定性影響的機器學習和數據驅動控制在發電系統中的典型應用；作者們指出機器學習和數據驅動的控制技術有助于提高智能發電系統的可見性、可操作性、靈活性、收益性以及安全性，因此有望成為傳統基于模型方法的可替代方案。瑞典皇家工程科學院院士Karl Henrik Johansson教授、中國工程院院士柴天佑教授等回顧了流程工業生產全過程中現有決策、控制和運行管理框架的不足，并且提出了將工業人工智能、工業互聯網與過程領域知識深度融合的設想，在實現流程工業智能制造方面具有較大的潛力。

綜上所述，本專題選取的9篇論文從工業過程建模、過程監測與性能評估、智能決策與優化控制等方面報道了流程工業智能制造的最新進展。我們希望本專題的出版能夠幫助學術界和工業界的研究人員和從業者進一步了解人工智能在流程工業智能制造中的作用。最后，我們對作者、審稿人、編輯部和客座編輯的辛勤付出表示衷心的感謝！