中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

1 知識(shí)自動(dòng)化

知識(shí)型工作是對(duì)知識(shí)的利用和創(chuàng)造,是具備知識(shí)才能完成的工作,或者有知識(shí)的人或系統(tǒng)完成的工作,是生產(chǎn)有用信息和知識(shí)的創(chuàng)造性腦力勞動(dòng).從事知識(shí)型工作的人是知識(shí)型工作者(如專業(yè)技術(shù)人員、咨詢?nèi)藛T、技師、科學(xué)家、管理者、分析師等),知識(shí)型工作者依靠知識(shí)和信息創(chuàng)造價(jià)值,有能力運(yùn)用自己的智能不斷創(chuàng)造新的價(jià)值和創(chuàng)造新的知識(shí).知識(shí)型工作在當(dāng)代社會(huì)分工中占有壓倒性的重要地位,其核心要求是完成復(fù)雜分析,精確判斷和創(chuàng)新決策的任務(wù).知識(shí)自動(dòng)化主要是指知識(shí)型工作的自動(dòng)化.

1.1 知識(shí)自動(dòng)化是未來重要顛覆性技術(shù)

在現(xiàn)代企業(yè)生產(chǎn)過程中,通過生產(chǎn)分工和自動(dòng)化技術(shù),體力型工作已經(jīng)基本上被機(jī)器所替代.得益于計(jì)算技術(shù)、機(jī)器學(xué)習(xí)、自然的用戶接口和自動(dòng)化技術(shù)的發(fā)展,很多知識(shí)型工作將來也可以通過自動(dòng)化技術(shù)由機(jī)器來完成,從而實(shí)現(xiàn)知識(shí)自動(dòng)化.

2009年,美國PaloAlto研究中心討論了關(guān)于“知識(shí)型工作的未來”,指出知識(shí)型工作自動(dòng)化將成為工業(yè)自動(dòng)化革命后的又一次革命.2013年5月,著名的McKinsey全球研究院在其發(fā)布的名為《展望2025:決定未來經(jīng)濟(jì)的12大顛覆技術(shù)》的報(bào)告中將知識(shí)型工作自動(dòng)化(automationofknowledgework)列為第2順位的顛覆技術(shù)[1],并預(yù)估其2025年的經(jīng)濟(jì)影響力大約在5.2～6.7億美元.知識(shí)型工作自動(dòng)化是通過機(jī)器對(duì)知識(shí)的傳播、獲取、分析、影響、產(chǎn)生等進(jìn)行處理,最終由機(jī)器實(shí)現(xiàn)并承擔(dān)長期以來被認(rèn)為只有人能夠完成的工作,即將現(xiàn)在認(rèn)為只有人能完成的工作實(shí)現(xiàn)自動(dòng)化[2,3].

2015年11月,McKinsey全球研究院非正式地發(fā)布了知識(shí)自動(dòng)化技術(shù)對(duì)于職業(yè)、公司機(jī)構(gòu)和未來工作的潛在影響的研究結(jié)果,McKinsey對(duì)將近800人的2000技能工作進(jìn)行了“可自動(dòng)化性”評(píng)定,發(fā)現(xiàn)將近45%的工作能夠通過使用當(dāng)前已有的科學(xué)技術(shù)被自動(dòng)化,超過20%的CEO工作也是可以實(shí)現(xiàn)知識(shí)自動(dòng)化的.通過對(duì)知識(shí)自動(dòng)化在一些產(chǎn)業(yè)中轉(zhuǎn)變業(yè)務(wù)流程的潛力進(jìn)行分析,發(fā)現(xiàn)收益通常是成本的3～10倍.

知識(shí)自動(dòng)化不僅將計(jì)算拓展到新的領(lǐng)域(如具有學(xué)習(xí)和基本判斷的能力),并且可以使知識(shí)工作者和機(jī)器之間產(chǎn)生新的關(guān)系,比如極有可能像人與其合作者間那樣實(shí)現(xiàn)人機(jī)之間的交互.

2016年1月,谷歌機(jī)器學(xué)習(xí)小組Deepmind在Nature發(fā)文[4]宣布其人工智能程序AlphaGo以5:0擊敗歐洲圍棋冠軍,2016年3月AlphaGo又以4:1戰(zhàn)勝世界圍棋冠軍李世石,被認(rèn)為是人工智能發(fā)展新的里程碑.下圍棋具有復(fù)雜分析、精確判斷和創(chuàng)新決策等典型的知識(shí)型工作要素,過去只有具備圍棋素養(yǎng)的知識(shí)型工作者才能做好,AlphaGo實(shí)際上是實(shí)現(xiàn)下圍棋這一知識(shí)型工作的自動(dòng)化,而且說明知識(shí)自動(dòng)化系統(tǒng)在一定程度上可以比人做得更加出色.AlphaGo的成功及其引起的巨大社會(huì)影響,事實(shí)上具有三重含義:一是知識(shí)自動(dòng)化在技術(shù)愿景上的可能性;二是人們對(duì)于知識(shí)自動(dòng)化的潛在渴望;三是知識(shí)自動(dòng)本身具有顛覆性的科學(xué)和經(jīng)濟(jì)意義.

1.2 知識(shí)自動(dòng)化相關(guān)研究現(xiàn)狀

在現(xiàn)代工業(yè)生產(chǎn)中,自動(dòng)化技術(shù)和系統(tǒng)已經(jīng)發(fā)展到一定水平,但是在復(fù)雜分析、精確判斷和創(chuàng)新決策等方面還是要依賴人的知識(shí)型工作,目前人的智能型工作和自動(dòng)控制系統(tǒng)只能依靠人機(jī)接口交互,還是一種非自動(dòng)化的運(yùn)行機(jī)制.知識(shí)自動(dòng)化就是人的智能型工作向控制系統(tǒng)的自動(dòng)化延伸,知識(shí)自動(dòng)化系統(tǒng)是用機(jī)器實(shí)現(xiàn)人的智能型工作的控制系統(tǒng),知識(shí)自動(dòng)化是工業(yè)生產(chǎn)中采用機(jī)器實(shí)現(xiàn)基于知識(shí)自動(dòng)處理的建模、控制、優(yōu)化及調(diào)度決策的自動(dòng)化系統(tǒng)理論、方法和技術(shù).知識(shí)自動(dòng)化的基礎(chǔ)是采用有效方法對(duì)知識(shí)進(jìn)行合理提取及處理,目前對(duì)知識(shí)的處理方法的研究集中在知識(shí)獲取、表示、重組和關(guān)聯(lián)推理上,但是離實(shí)現(xiàn)工業(yè)生產(chǎn)過程所需要的知識(shí)型工作自動(dòng)化還有一定差距.

(1) 知識(shí)獲取.知識(shí)獲取是指從專家或其他專門知識(shí)來源汲取知識(shí)并向知識(shí)型系統(tǒng)轉(zhuǎn)移的過程或技術(shù).20世紀(jì)60年代以前,大部分人工智能程序所需知識(shí)是由專業(yè)程序員手工編入程序的.知識(shí)獲取首次提出于20世紀(jì)80年代,知識(shí)獲取常用的方法主要有關(guān)聯(lián)規(guī)則挖掘[5]、統(tǒng)計(jì)方法[6]、人工神經(jīng)網(wǎng)絡(luò)[7]、決策樹[8]、遺傳算法[9]、基于事例的推理方法[10]等.

例如,針對(duì)環(huán)境不確定的情況,Barros等[11]提出了自頂向下的決策樹構(gòu)建方法.Han等[12]提出一種基于模糊C聚類的案例推理知識(shí)獲取方法,并將該方法應(yīng)用于吹氧轉(zhuǎn)爐的頂點(diǎn)預(yù)測,獲得較好的預(yù)測效果.Kamsu-Foguem等[13]采用關(guān)聯(lián)規(guī)則方法對(duì)知識(shí)密集型工業(yè)流程進(jìn)行知識(shí)提取,從而對(duì)操作流程進(jìn)行改進(jìn),達(dá)到節(jié)約生產(chǎn)成本的目的.Ghanbari等[14]提出一種基于合作蟻群優(yōu)化遺傳算法的知識(shí)獲取方法,這種融合方法增加了知識(shí)庫和規(guī)則庫之間的合作.Bai等[15]將模糊集和粗糙集理論相結(jié)合實(shí)現(xiàn)知識(shí)獲取.實(shí)際工程知識(shí)的不確定性導(dǎo)致工程知識(shí)有效性存在不確定性.針對(duì)工程知識(shí)不確定性,王宏君等[16]提出借助Bayes概率論,建立工程概念Bayes網(wǎng)絡(luò)模型獲取工程知識(shí)和知識(shí)關(guān)聯(lián)關(guān)系.2012年,Google為改善搜索結(jié)果,提出了知識(shí)圖譜(knowledgegraph)[17].緊隨其后,國內(nèi)外的其他互聯(lián)網(wǎng)搜索引擎公司也紛紛構(gòu)建了自己的知識(shí)圖譜,例如搜狗的“知立方”1)和微軟的Probase[18]等.由于知識(shí)圖譜方法能較直觀地解讀人類知識(shí),有利于隱性知識(shí)的提取,目前已被廣泛應(yīng)用于各領(lǐng)域.如Zhong等[19]提出基于混合評(píng)估ACT-R(adaptivecontrolofthoughtrational)認(rèn)知學(xué)習(xí)方法,用本體構(gòu)建知識(shí)地圖對(duì)陳述性知識(shí)進(jìn)行描述,通過構(gòu)建一個(gè)解決問題的過程對(duì)基于ACT-R程序性知識(shí)進(jìn)行描述.

機(jī)器學(xué)習(xí)方法不僅可以自動(dòng)獲取新知識(shí),如發(fā)現(xiàn)新概念和新模型,還可以精煉知識(shí)庫,如發(fā)現(xiàn)知識(shí)庫中的錯(cuò)誤和缺陷、優(yōu)化和簡化知識(shí)等,人工神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)的一個(gè)子類.近幾年來,隨著數(shù)據(jù)存儲(chǔ)和計(jì)算性能的飛速發(fā)展,使得以多層復(fù)雜神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)掀起了研究和應(yīng)用熱潮[20,21],如Hinton等[22]提出了一種基于語言神經(jīng)網(wǎng)絡(luò)的自動(dòng)獲取領(lǐng)域?qū)＜抑R(shí)的方法.區(qū)別于監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)在與環(huán)境的不斷交互中通過“試錯(cuò)法”改善系統(tǒng)的行為.2013年,DeepMind公司在arXiv網(wǎng)站公開了一種通過變種Q學(xué)習(xí)算法訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)的深度強(qiáng)化學(xué)習(xí)模型[23],隨后該公司被Google收購,著名的AlphaGo圍棋程序采用的就是深度強(qiáng)化學(xué)習(xí)[4].在小樣本學(xué)習(xí)方面,Lake等[24]于2015年在Science上提出了一種能從單個(gè)樣本中學(xué)習(xí)到一大類視覺知識(shí)的Bayes規(guī)劃學(xué)習(xí)框架,并通過了視覺圖靈測試.

對(duì)于隱性知識(shí)的獲取研究較少,野中郁次郎(Nonaka)等[25,26]提出了如圖1所示的顯性知識(shí)和隱性知識(shí)相互轉(zhuǎn)化的4種模式,即SECI模型.圖1中的“外化”就是將隱性知識(shí)顯性化為顯性知識(shí)是典型的知識(shí)創(chuàng)新的過程.在經(jīng)驗(yàn)知識(shí)顯性化過程中,知識(shí)型工作者的經(jīng)驗(yàn)、技巧、訣竅和直覺等轉(zhuǎn)化為語言、文字、代碼等顯性知識(shí),這同時(shí)也是一個(gè)將感性知識(shí)提升為理性知識(shí),從想象轉(zhuǎn)變?yōu)楦拍畹倪^程.在文獻(xiàn)[27]中構(gòu)建了一種將生產(chǎn)協(xié)調(diào)員的隱性知識(shí)顯性化的知識(shí)模型,并應(yīng)用在冶金公司的光刻工藝中.

盡管知識(shí)獲取可以通過以上各種方法實(shí)現(xiàn),但工業(yè)過程中隱性知識(shí)如何獲取依然是研究的難點(diǎn),因?yàn)閷?shí)際工業(yè)中數(shù)據(jù)樣本的質(zhì)量和數(shù)量難以保證,工業(yè)過程控制系統(tǒng)中建模、控制與優(yōu)化決策相關(guān)知識(shí)規(guī)則的獲取等仍是主要難題,工業(yè)大數(shù)據(jù)環(huán)境下獲取知識(shí)的研究成果還較少.

(2)知識(shí)表示.知識(shí)表示就是對(duì)知識(shí)的一種描述,或者說是對(duì)知識(shí)的一組約定,一種計(jì)算機(jī)可以接受的用于描述知識(shí)的數(shù)據(jù)結(jié)構(gòu).常用的知識(shí)表示方法有一階謂詞邏輯表示法,產(chǎn)生式表示法,框架表示法、面向?qū)ο蟊硎痉?、Petri網(wǎng)表示法、語義網(wǎng)表示法等.

產(chǎn)生式表示法是由美國數(shù)學(xué)家Borst根據(jù)串替代規(guī)則提出的一種計(jì)算模型,模型中每一條規(guī)則稱為一個(gè)產(chǎn)生式.1972年Simon[28]在研究人類認(rèn)知模型中開發(fā)了基于規(guī)則的產(chǎn)生式系統(tǒng),是目前人工智能中應(yīng)用最廣泛的一種知識(shí)表示模式.

Yin等[29]使用知識(shí)表示和推理方法建立了一個(gè)自適應(yīng)擁塞控制模型,并提出一個(gè)矩陣形式的推理算法.Jin等[30]提出一種確定性規(guī)則庫方法,通過一種綜合集成的方式將模糊、不完整、不確定以及非線性的因果關(guān)系表示出來.

框架知識(shí)表示法是美國著名的人工智能學(xué)者Minsky[31]提出的,其中框架是一種描述所論對(duì)象屬性的數(shù)據(jù)結(jié)構(gòu),將框架視為知識(shí)表示的一個(gè)基本單元.例如,Terletskyi[32]提出了一種面向?qū)ο笠?guī)則框架知識(shí)表示方法.An[33]提出了基于領(lǐng)域本體的產(chǎn)生式框架知識(shí)表示方法.Kendall等[34]提出了一種利用框架知識(shí)表示機(jī)制描述模板的方法,并結(jié)合面向?qū)ο蠹夹g(shù)進(jìn)行建模.

面向?qū)ο蟊硎痉ㄆ鹪从?/span>20世紀(jì)七八十年代,具有模塊性、繼承性、封裝性和多態(tài)性等特征,與框架表示方法有許多相似之處,如層次分類和特性繼承機(jī)制等,但由于應(yīng)用目標(biāo)不同,實(shí)現(xiàn)和使用方式有較大區(qū)別.為了改善面向?qū)ο蟊硎痉ǖ闹R(shí)表示能力,Mohan等[35]針對(duì)空間知識(shí)的表示提出了面向?qū)ο蟮闹R(shí)表示方法,為圖像信息表示開發(fā)了一個(gè)全面的方案,使用這種知識(shí)表示的系統(tǒng)具有輕松描述圖像信息,進(jìn)行空間概念抽象、總結(jié)和規(guī)則化的能力.

Zhang等[36]將面向?qū)ο蟮腖CA語義表示用于產(chǎn)品生命周期研究.Thanh[37]綜合利用了框架,產(chǎn)生式規(guī)則,面向?qū)ο蟮戎R(shí)表示方式的特點(diǎn)設(shè)計(jì)了一種基于XML的新型知識(shí)表示方法.

Petri網(wǎng)是20世紀(jì)60年代由Petri[38]提出的,是對(duì)離散并行系統(tǒng)的數(shù)學(xué)表示,Petri網(wǎng)知識(shí)表示法用規(guī)則強(qiáng)度和可信度來表示不確定性知識(shí).為了擴(kuò)寬Petri網(wǎng)知識(shí)表示法的表示范圍,許多學(xué)者對(duì)Petri網(wǎng)知識(shí)表示法做了相應(yīng)改進(jìn).Li等[39]針對(duì)具有動(dòng)態(tài)特征的知識(shí)表示和推理,提出了自適應(yīng)模糊Petri網(wǎng),該模型既有模糊Petri網(wǎng)的特征也有神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力,能夠有效解決動(dòng)態(tài)知識(shí)的表示和推理.Mohite等[40]提出采用自適應(yīng)高階模糊Petri網(wǎng)進(jìn)行知識(shí)的表示與推理.Liu等[41]針對(duì)傳統(tǒng)的模糊Petri網(wǎng)不能捕捉模糊知識(shí)的動(dòng)態(tài)特性,提出了動(dòng)態(tài)自適應(yīng)模糊Petri網(wǎng),并采用了極大代數(shù)的并行推理算法,實(shí)現(xiàn)知識(shí)的自動(dòng)推理.

另外,Zhang等[42]針對(duì)智能夾具結(jié)構(gòu)的特點(diǎn),提出了基于知識(shí)本體的設(shè)計(jì)方法.陳澤華等[43]將粒矩陣的相容關(guān)系引入到知識(shí)表示方法中,通過實(shí)例證明了其有效性.

語義網(wǎng)是由TimBerners-Lee提出的,語義網(wǎng)表示法是通過概念及其語義關(guān)系來表示知識(shí)的一種有向圖.語義網(wǎng)知識(shí)表示法主要有結(jié)構(gòu)性、聯(lián)想性和自然性等優(yōu)點(diǎn),也有非嚴(yán)格性和處理上的復(fù)雜性等缺點(diǎn).Omri等[44]提出了采用模糊語義網(wǎng)絡(luò)表示不確定性知識(shí)和相似性知識(shí),該方法有效地解決了不確定性知識(shí)在推理過程中的存在多義性和相似性知識(shí)在推理中存在重義性等問題.Shadbolt等[45]提出了模糊語義網(wǎng)知識(shí)表示方法和演化算法.由于語義網(wǎng)絡(luò)法對(duì)知識(shí)表示形式?jīng)]有嚴(yán)格一致規(guī)范,推理不能保證其結(jié)果的正確性.

在工業(yè)生產(chǎn)過程中,知識(shí)型工作者對(duì)事物和信息的表達(dá)往往是不精確、不確定和模糊的,最終導(dǎo)致獲得的知識(shí)具有不確定性,此類知識(shí)如何表示對(duì)于面向控制需求的知識(shí)自動(dòng)化系統(tǒng)實(shí)現(xiàn)具有挑戰(zhàn)性.

工業(yè)生產(chǎn)過程中不確定性知識(shí)采用傳統(tǒng)的語義網(wǎng)絡(luò)進(jìn)行表示時(shí)會(huì)出現(xiàn)多義性和不可理解性.如判斷鋁電解槽況的經(jīng)驗(yàn)性知識(shí)中“火焰黃而無力”既是熱槽特征又是壓槽特征,如采用傳統(tǒng)語義網(wǎng)三元組模式(結(jié)點(diǎn)1,弧,結(jié)點(diǎn)2)進(jìn)行表示時(shí)會(huì)出現(xiàn)多種語義的混淆,導(dǎo)致整個(gè)語義網(wǎng)絡(luò)的可理解性很差.為了解決上述問題,采用Bayes概率語義網(wǎng)表示知識(shí),其基本模型如圖2所示.在該模型中組成知識(shí)的最小成分為知識(shí)元,代表實(shí)體,表示各種事物、概念、情況、屬性、狀態(tài)、事件、動(dòng)作等.知識(shí)元按不同的屬性進(jìn)行分層,即相同屬性的知識(shí)元放在同一層,如(an,1,an,2,an,3,...,an,k)為一個(gè)知識(shí)元集,n表示知識(shí)元所在模型中的層次,k表示知識(shí)元在相應(yīng)知識(shí)元集中的位置.Pn,k表示知識(shí)元關(guān)聯(lián)概率集,其由j個(gè)概率組成,分別是(pn,k,1,pn,k,2,...,pn,k,j).n表示哪一層知識(shí)元集關(guān)聯(lián)至其下一層知識(shí)元集,k表示該層知識(shí)元集哪一個(gè)知識(shí)元關(guān)聯(lián)下一次知識(shí)元集,j表示上一層知識(shí)元集中的知識(shí)元關(guān)聯(lián)至下一層知識(shí)元集中的哪一個(gè)知識(shí)元.fn,k,j表示相應(yīng)的語義關(guān)系,表示它所連接的兩個(gè)實(shí)體之間的語義聯(lián)系,其中n,k,j與上述意義相同.pm是知識(shí)生成概率.知識(shí)結(jié)果m表示該知識(shí)表示模型所產(chǎn)生的所有知識(shí)結(jié)果,雖然并不是產(chǎn)生的每一個(gè)知識(shí)結(jié)果都能用,但是可以從知識(shí)結(jié)果集中選擇出所需要的知識(shí).

采用Bayes概率語義網(wǎng)模型對(duì)鋁電解槽工況判斷知識(shí)進(jìn)行表示,如圖3所示.在知識(shí)表示過程中先按照特征現(xiàn)象、槽況狀態(tài)、原因分析和處理方法4個(gè)不同的屬性將知識(shí)元進(jìn)行分層,然后用帶有關(guān)聯(lián)屬性和關(guān)聯(lián)概率的有向線段將知識(shí)元按圖3中所示方式進(jìn)行連接.從圖3中可以看出,每一層的知識(shí)關(guān)聯(lián)概率實(shí)際上依次對(duì)應(yīng)了分類別的工況分析,引起異常的原因判斷,對(duì)應(yīng)處理方法的決策,從左到右每走完圖中的一條路徑都可以得出一個(gè)對(duì)電解槽槽況進(jìn)行精確判斷和控制決策的完整知識(shí).例如“火焰呈藍(lán)白色屬于冷槽特征,原因是系列電流低,處理方法為提高系列電流”.

(3)知識(shí)重組.知識(shí)重組是指對(duì)相關(guān)知識(shí)客體中的知識(shí)因子和知識(shí)關(guān)聯(lián)進(jìn)行結(jié)構(gòu)上的重新組合,形成另一種形式的知識(shí)產(chǎn)品.知識(shí)重組包括知識(shí)因子的重組和知識(shí)關(guān)聯(lián)的重組[46].知識(shí)因子的重組是指將知識(shí)客體中的知識(shí)因子抽出,并對(duì)其進(jìn)行形式上的歸納、選擇、整理或排列,從而形成知識(shí)客體的檢索指南系統(tǒng)的過程.知識(shí)關(guān)聯(lián)的重組是指在相關(guān)知識(shí)領(lǐng)域中提取大量知識(shí)因子,并對(duì)其進(jìn)行分析與綜合,形成新的知識(shí)關(guān)聯(lián),從而生產(chǎn)出更高層次上綜合知識(shí)產(chǎn)品的過程.在知識(shí)因子重組方面,馮丹[47]提出了基于內(nèi)容的知識(shí)重組方法,這種方法是一種知識(shí)因子的重組方法,其主要思想是將檢索和抽取的知識(shí)以段落的形式進(jìn)行重新組織.Maleszka等[48]提出將知識(shí)重組應(yīng)用到協(xié)同推薦中,定義了4個(gè)標(biāo)準(zhǔn)并分析完成推薦的目的,多個(gè)數(shù)據(jù)集的測試結(jié)果表明所提的方法較好.Biswas等[49]提出了一種基于規(guī)則模型框架的知識(shí)重組方法,該方法采用概念聚類的方式建立一個(gè)層次結(jié)構(gòu)模型以實(shí)現(xiàn)知識(shí)的重組.

知識(shí)重組包括知識(shí)增殖、知識(shí)分裂、知識(shí)變異、知識(shí)融合、知識(shí)約簡以及知識(shí)衍生等方面.目前,對(duì)知識(shí)重組的研究還處在理論階段,有關(guān)知識(shí)重組的應(yīng)用研究相對(duì)還比較少.工業(yè)生產(chǎn)過程的控制決策問題復(fù)雜多變,受到多種不確定性因素(如市場、物流和礦源等變化)的影響,根據(jù)單一屬性的知識(shí)很難讓工業(yè)中的智能系統(tǒng)做出最優(yōu)決策,因此需要將多種屬性的知識(shí)進(jìn)行重組,創(chuàng)造出有利于精準(zhǔn)決策的新知識(shí),這也是知識(shí)自動(dòng)化系統(tǒng)實(shí)現(xiàn)的重要技術(shù)手段.

(4)知識(shí)關(guān)聯(lián)和推理.知識(shí)之間存在很多有用的關(guān)聯(lián),在知識(shí)網(wǎng)絡(luò)化模型中,知識(shí)就是由眾多的結(jié)點(diǎn)(即知識(shí)因子)和結(jié)點(diǎn)之間聯(lián)系(即知識(shí)關(guān)聯(lián))組成的.Ruiz等[50]通過研究知識(shí)之間的關(guān)聯(lián)規(guī)則進(jìn)行知識(shí)的管理與產(chǎn)生新的知識(shí).Namioka等[51]將知識(shí)關(guān)聯(lián)網(wǎng)絡(luò)應(yīng)用到系統(tǒng)設(shè)計(jì)中,知識(shí)庫開發(fā)者可以避開冗長的描述、錯(cuò)誤以及矛盾,降低了計(jì)算復(fù)雜性.知識(shí)關(guān)聯(lián)的研究工作主要集中在如何通過關(guān)聯(lián)規(guī)則從數(shù)據(jù)挖掘有效的信息,在圖書館管理、情報(bào)搜集、網(wǎng)絡(luò)信息分析上運(yùn)用較多,對(duì)于工業(yè)生產(chǎn)過程的知識(shí)關(guān)聯(lián)研究較少.

知識(shí)推理有多種方法,可以按不同方式分成幾類.根據(jù)知識(shí)表示特點(diǎn),可分為圖搜索方法以及邏輯論證方法,圖搜索推理的方法是從圖中初始狀態(tài)的節(jié)點(diǎn)到目標(biāo)狀態(tài)的終止節(jié)點(diǎn)的搜索過程,而邏輯論證推理方式是基于知識(shí)表示采用謂詞邏輯或者其他邏輯形式時(shí),進(jìn)行推理的過程;根據(jù)是否采用啟發(fā)性知識(shí),分為啟發(fā)式推理和非啟發(fā)式推理;根據(jù)所用知識(shí)因果關(guān)系的確定程度,分為精確推理和非精確推理.

實(shí)際系統(tǒng)通常結(jié)合其他技術(shù)對(duì)問題進(jìn)行推理求解.主要有以下幾種方法.

a)基于Bayes網(wǎng)絡(luò)的知識(shí)推理.該類方法主要是將因果關(guān)系知識(shí)或關(guān)聯(lián)性通過Bayes網(wǎng)絡(luò)表示出來,并結(jié)合Bayes統(tǒng)計(jì)的方法進(jìn)行推理,得到目標(biāo)解.例如在鋁電解中,電解槽中的各個(gè)特征變量之間存在強(qiáng)耦合的關(guān)系以及因果關(guān)系,可以通過Bayes網(wǎng)絡(luò)將這些變量表示出來,作為一種知識(shí)的表示形式.

在Bayes網(wǎng)絡(luò)中,假定每一節(jié)點(diǎn)在給定其父節(jié)點(diǎn)條件時(shí),獨(dú)立于他的前輩節(jié)點(diǎn),故對(duì)于離散型隨機(jī)變量,其取值{x1,x2,...,xn}的聯(lián)合概率為

通過這種方法對(duì)關(guān)系復(fù)雜、耦合等系統(tǒng),進(jìn)行概率上的推理分析,避免了建模等復(fù)雜問題的出現(xiàn).Hu等[52]采用動(dòng)態(tài)Bayes網(wǎng)絡(luò)將石化生產(chǎn)中變量間的復(fù)雜關(guān)系通過動(dòng)態(tài)Bayes網(wǎng)絡(luò)框架表示出來,并結(jié)合Bayes推理方法處理生產(chǎn)過程的異常工況.還有Diallo等[53]結(jié)合專家知識(shí)以及跟蹤數(shù)據(jù)通過Bayes網(wǎng)絡(luò)構(gòu)建一個(gè)工業(yè)系統(tǒng)的故障診斷模型,在專家經(jīng)驗(yàn)知識(shí)幫助下建立的Bayes網(wǎng)絡(luò)搜索計(jì)算時(shí)間更短,對(duì)故障的判斷效率就會(huì)更高.

b)基于本體的知識(shí)推理.國內(nèi)外研究學(xué)者對(duì)基于本體的知識(shí)推理的研究成果也較多.Ebrahimipour等[54]構(gòu)建的本體模型中將基于本體的知識(shí)表示方法應(yīng)用到氣動(dòng)閥的支持維護(hù)案例中,克服了非均質(zhì)性和不一致性的維護(hù)記錄帶來的問題,通過相應(yīng)的推理方法取得了良好的效果.Samwald等[55]提出了一種web本體語言框架和推理方法來實(shí)現(xiàn)對(duì)藥物基因組知識(shí)的表示,組織和推理,從而實(shí)現(xiàn)對(duì)相關(guān)數(shù)據(jù)的高效利用.Roda等[56]將基于本體框架的知識(shí)表示方法用于傳感數(shù)據(jù)的智能分析,通過具體的案例分析,表明結(jié)合幾個(gè)知識(shí)表示方案可以推斷過程變量和表示狀態(tài).

c)基于案例的知識(shí)推理.在基于案例推理系統(tǒng)中,所謂案例就是求解問題的狀態(tài)及對(duì)其求解的策略.一般地,一個(gè)案例包含問題的初始狀態(tài),問題求解的目標(biāo)狀態(tài)以及求解的方案.這種推理方法模擬人類推理活動(dòng)中“回憶”的認(rèn)知能力,在問題求解時(shí),可以使用以前求解類似問題的經(jīng)驗(yàn)(即案例)來進(jìn)行推理,并為修改或修正以前問題的解法而不斷學(xué)習(xí).案例推理原理如圖4所示,其中案例表示、案例檢索和案例調(diào)整是案例推理研究的核心問題. 

國內(nèi)外對(duì)案例推理的研究成果較多.Chattopadhyay等[57]將Case-basedreasoning和KNN結(jié)合起來構(gòu)建一個(gè)專家知識(shí)庫,用作醫(yī)療診斷.Han等[58]提出一種基于模糊C聚類的案例推理知識(shí)獲取方法,并將該方法應(yīng)用于吹氧轉(zhuǎn)爐的頂點(diǎn)預(yù)測,獲得較好的預(yù)測效果.Yan等[59]采用案例搜索匹配推理技術(shù)實(shí)現(xiàn)豎爐運(yùn)行狀態(tài)的連續(xù)預(yù)測;桂衛(wèi)華等[60]對(duì)銅閃速熔煉過程中關(guān)鍵工藝參數(shù)無法在線監(jiān)測,過程建模及優(yōu)化控制難等問題,提出采用操作模式搜索匹配的方法,實(shí)現(xiàn)了熔煉過程的優(yōu)化控制.

d)基于模糊邏輯的知識(shí)推理.模糊邏輯推理技術(shù)能較好地描述與仿效人的思維方式,總結(jié)和反映人的體會(huì)與經(jīng)驗(yàn),對(duì)復(fù)雜事物和系統(tǒng)可進(jìn)行模糊度量、模糊識(shí)別、模糊推理、模糊控制與模糊決策.Peng等[61]建立了一個(gè)模糊規(guī)則知識(shí)庫,通過平行模糊推理技術(shù)解決故障診斷問題.Jian等[62]為了維持發(fā)酵系統(tǒng)的穩(wěn)定性,采用支持向量機(jī)和模糊推理相結(jié)合建立了故障診斷系統(tǒng).

e)基于粗糙集的知識(shí)推理.粗糙集理論是一種處理模糊性和不精確性知識(shí)的數(shù)學(xué)工具.經(jīng)過十幾年的研究和發(fā)展,粗糙集理論已經(jīng)在信息系統(tǒng)分析、人工智能、決策支持系統(tǒng)、知識(shí)與數(shù)據(jù)發(fā)現(xiàn)、模式識(shí)別與分類、故障檢測等方面取得了較為成功的應(yīng)用[63,64].Salam′o等[65]研究了基于粗糙集的特征選擇案例推理分類器的降維方法,還提出若干基于粗糙集估計(jì)屬性相關(guān)性的方法.

f)基于模糊Petri網(wǎng)的知識(shí)推理.通常模糊推理Petri網(wǎng)模型表達(dá)為(S,R,?,Γ,θ⁰,U);其中S={S1,S2,...,Sn}為命題集合;R={R1,R2,...,Rn}為規(guī)則集合;?為S→R規(guī)則的輸入矩陣;Γ為S←R規(guī)則輸出矩陣;θ⁰為初始狀態(tài);U為置信度矩陣.

模糊Petri網(wǎng)推理算法通常采用不確定推理方法,主要思想是模糊命題合取式的真值取各子式真值的最小值,模糊命題析取式的真值取各子式真值的最大值,根據(jù)模糊推理Petri網(wǎng)的特點(diǎn),定義命題Si的下一步狀態(tài)θ^k+1為

模糊推理Petri網(wǎng)的在很多領(lǐng)域都有應(yīng)用研究,Milinkovi′c等[66]采用模糊Petri網(wǎng)對(duì)火車的延誤時(shí)間進(jìn)行估計(jì)和模糊推理求解.

傳統(tǒng)的基于關(guān)聯(lián)規(guī)則、粗糙集理論以及各種邏輯的知識(shí)推理和計(jì)算方法雖已在生產(chǎn)調(diào)度和設(shè)備控制等方面得到了部分應(yīng)用,但針對(duì)復(fù)雜對(duì)象,特別是復(fù)雜生產(chǎn)過程不完備知識(shí)的推理和計(jì)算仍停留在理論探討層面,研究成果極少.工業(yè)生產(chǎn)過程中的知識(shí)不僅具有復(fù)雜性和不完備性,而且還具有強(qiáng)關(guān)聯(lián)、強(qiáng)耦合、多尺度、多維度、碎片化和動(dòng)態(tài)性等特征,因此采用傳統(tǒng)的知識(shí)推理方法難以滿足知識(shí)自動(dòng)化系統(tǒng)的控制需求.

1.3 基于知識(shí)的自動(dòng)化應(yīng)用技術(shù)

許多國際知名的自動(dòng)化系統(tǒng)供應(yīng)商研發(fā)了蘊(yùn)含有知識(shí)的模型、軟件和系統(tǒng),有一些得到了應(yīng)用驗(yàn)證,但是其核心技術(shù)和算法保密,在解決我國工業(yè)生產(chǎn)的智能優(yōu)化方面也缺乏針對(duì)性.

美國Emerson公司過程控制公司事業(yè)部(PWS)基于知識(shí)開發(fā)的SmartProcess智能軟件包和專家系統(tǒng)到了廣泛的應(yīng)用和認(rèn)可,為用戶帶來了可觀的經(jīng)濟(jì)效益和回報(bào).美國Honeywell公司于2002年推出世界第一套過程知識(shí)系統(tǒng)E-PKS,是一個(gè)規(guī)模可變的,帶有基于各種知識(shí)驅(qū)動(dòng)的應(yīng)用,整合了業(yè)務(wù)與制造智能的平臺(tái).2011年陸續(xù)開始為流程工業(yè)提供基于知識(shí)的工業(yè)自動(dòng)化應(yīng)用軟件系統(tǒng)和服務(wù),包括生產(chǎn)管理數(shù)據(jù)平臺(tái)Uniformance,生產(chǎn)執(zhí)行系統(tǒng)Business.FLEX,先進(jìn)控制與優(yōu)化系統(tǒng)Pro?t.SuiteTM等,將人員與過程、經(jīng)營和資產(chǎn)管理融合在一起,涉及石油與天然氣、石油煉制、化工、電力、制漿造紙、礦山、冶煉、金屬、醫(yī)藥及生命科學(xué)等諸多領(lǐng)域.美國Aspentech公司提出在AspenDMC軟件中運(yùn)用框架式知識(shí)建立了流程知識(shí)模型,主要用于化工過程.AspenTech公司推出的AspenEngineeringSuite,AspenManufacturingSuite和AspenSupplyChainSuite套件等.美國通用電氣公司通過大數(shù)據(jù)提取流程工業(yè)知識(shí),經(jīng)重組獲得有效的在線策略,使工業(yè)流程得到競爭性優(yōu)勢.GE開發(fā)的基于流程工業(yè)知識(shí)重組的優(yōu)化策略可以有效提高電力、化工等工業(yè)過程的整體性能.德國西門子公司SIMETALCISVAIQ計(jì)算機(jī)輔助質(zhì)量控制系統(tǒng)包括生產(chǎn)系統(tǒng)、知識(shí)庫系統(tǒng)、知識(shí)發(fā)現(xiàn)系統(tǒng),利用靈活的知識(shí)庫組件為冶金專家及工藝流程工程師提供有關(guān)生產(chǎn)和產(chǎn)品質(zhì)量預(yù)測的專門知識(shí),通過詳細(xì)的過程和檢驗(yàn)數(shù)據(jù),促進(jìn)冶金過程控制的發(fā)展[67].法國ArcelormittalGent公司使用SPC技術(shù),其核心特點(diǎn)是發(fā)現(xiàn)潛在數(shù)據(jù)知識(shí).在長期的運(yùn)行過程中,通過定義與異常情況相關(guān)過程變量,將異常情況與過程變量聯(lián)系起來,快速診斷異常情況的根本原因.同時(shí),促進(jìn)系統(tǒng)內(nèi)部的知識(shí)生成,從而提高生產(chǎn)力.美國Gensym公司開發(fā)的實(shí)時(shí)專家系統(tǒng)平臺(tái)-G2智能故障診斷系統(tǒng),封裝了專家知識(shí)組件對(duì)象,運(yùn)用知識(shí)關(guān)聯(lián)的推理引擎能夠?qū)崟r(shí)響應(yīng)大量的外部數(shù)據(jù)和事件,目前已廣泛應(yīng)用于石油化工、電力、航天、軍事等領(lǐng)域.在工業(yè)流程模擬開發(fā)方面,Hyprotech和SimSci等20多家軟件公司相繼推出了AspenPlus,PRO/II等60種領(lǐng)域?qū)Ｓ煤屯ㄓ玫牧鞒棠M軟件.

在國內(nèi),目前已逐步認(rèn)識(shí)到知識(shí)在自動(dòng)化技術(shù)的重要作用,并開展了一些研究工作,以信息感知、決策、規(guī)劃與控制等單方面的理論與方法研究為主,缺乏對(duì)工業(yè)過程中各方面知識(shí)的關(guān)聯(lián)分析、融合與演化方法研究,更缺乏系統(tǒng)的知識(shí)自動(dòng)化基礎(chǔ)理論與方法.

總之,知識(shí)自動(dòng)化是未來具有顛覆性的重要技術(shù),目前在知識(shí)的獲取、表示、處理和知識(shí)工程系統(tǒng)方面已經(jīng)有許多研究,但是與工業(yè)過程知識(shí)自動(dòng)化需求沒有緊密聯(lián)系起來.國外各大公司已有的一些包含知識(shí)的系統(tǒng)、軟件和模型仍然是局部、孤立和分散的,還不能提供知識(shí)自動(dòng)化的整體技術(shù)框架,缺乏針對(duì)我國工業(yè)生產(chǎn)的解決方案,無法圍繞工業(yè)控制與決策需求實(shí)現(xiàn)生產(chǎn)知識(shí)、自動(dòng)化系統(tǒng)與工業(yè)生產(chǎn)過程的有機(jī)融合.

2 工業(yè)生產(chǎn)過程的知識(shí)自動(dòng)化

我國是工業(yè)生產(chǎn)大國,但還不完全是工業(yè)強(qiáng)國,目前我國工業(yè)生產(chǎn)面臨轉(zhuǎn)型升級(jí)的巨大壓力,在資源、能源、環(huán)境方面受到嚴(yán)重制約,如何依托智能化手段從工業(yè)大國發(fā)展成為智造強(qiáng)國是我們面臨的重大戰(zhàn)略課題[68].

2.1 工業(yè)生產(chǎn)對(duì)知識(shí)型工作的依賴

知識(shí)型工作在工業(yè)企業(yè)運(yùn)行中起核心作用,如工業(yè)生產(chǎn)中的決策、計(jì)劃、調(diào)度、管理和操作都是知識(shí)型工作[69],完成這些工作需要統(tǒng)籌考慮各種生產(chǎn)經(jīng)營和運(yùn)行操作要素,關(guān)聯(lián)多領(lǐng)域多層次知識(shí).在流程工業(yè)的運(yùn)行優(yōu)化層,由于難以建立精確數(shù)學(xué)模型,操作參數(shù)選擇設(shè)定以及流程優(yōu)化控制都依賴工程師憑經(jīng)驗(yàn)給定控制指令.工程師的知識(shí)型工作包括分析過程機(jī)理、判斷工況狀態(tài)、綜合計(jì)算能效、完成操作決策等.在計(jì)劃調(diào)度層,需要統(tǒng)籌考慮人、機(jī)、物、能源各種生產(chǎn)要素及其時(shí)間空間分布和關(guān)聯(lián)等,調(diào)度員通過人工調(diào)度流程協(xié)調(diào)各層級(jí)部門之間的生產(chǎn)計(jì)劃,完成能源資源配置、生產(chǎn)進(jìn)度、倉儲(chǔ)物流、工作排班、設(shè)備管理等知識(shí)型工作.在管理決策層,決策過程涉及企業(yè)內(nèi)部的生產(chǎn)狀況,外部市場環(huán)境以及相關(guān)法規(guī)政策標(biāo)準(zhǔn),管理決策者根據(jù)一系列經(jīng)營管理知識(shí)進(jìn)行決策.現(xiàn)代工業(yè)中機(jī)器已經(jīng)基本取代體力勞動(dòng),工業(yè)生產(chǎn)管理、運(yùn)行和控制的核心是知識(shí)型工作,離不開具有高水平的知識(shí)型工作者進(jìn)行分析、判斷和決策,目前在各個(gè)層面都要依靠知識(shí)型工作者來完成工業(yè)的生產(chǎn).

以圖5所示的生產(chǎn)調(diào)度決策過程為例,工業(yè)調(diào)度過程復(fù)雜,涉及的知識(shí)非常多,包括能源管理、資源配置、工藝指標(biāo)、運(yùn)行安全、設(shè)備狀況、產(chǎn)品性能質(zhì)量等方方面面.首先由企業(yè)級(jí)計(jì)劃部門制定生產(chǎn)計(jì)劃,主要是根據(jù)產(chǎn)品規(guī)格、工藝技術(shù)、資源分配、政策法規(guī)、設(shè)備管理等經(jīng)營管理知識(shí)以及生產(chǎn)執(zhí)行的反饋信息來制定.生產(chǎn)計(jì)劃下達(dá)到設(shè)備、能源、采購等各個(gè)部門,生產(chǎn)總調(diào)度根據(jù)各部門信息進(jìn)行綜合決策,提出生產(chǎn)調(diào)度方案,下達(dá)到各個(gè)生產(chǎn)職能部門,經(jīng)反復(fù)協(xié)調(diào)和完善后交付生產(chǎn)部門執(zhí)行.生產(chǎn)調(diào)度實(shí)質(zhì)上是生產(chǎn)總調(diào)度長把產(chǎn)品產(chǎn)量、質(zhì)量、能耗等生產(chǎn)目標(biāo)與各部門相關(guān)知識(shí)進(jìn)行關(guān)聯(lián)、融合、重組、求解的過程,是一個(gè)知識(shí)深度融合和交互的過程.

先進(jìn)企業(yè)中往往擁有一批高水平知識(shí)型工作者,他們充分利用現(xiàn)有信息化系統(tǒng),使企業(yè)的部分經(jīng)濟(jì)技術(shù)指標(biāo)領(lǐng)先或達(dá)到國際先進(jìn)水平.比如,鎮(zhèn)海煉化是我國最大的原油加工基地,居世界煉廠第15位,具有中石化頂級(jí)的計(jì)劃排產(chǎn)專家,注重經(jīng)驗(yàn)知識(shí)在計(jì)劃優(yōu)化中的應(yīng)用,競爭能力居亞太地區(qū)一流;山東魏橋擁有世界上最大,工藝技術(shù)最先進(jìn)的600KA電解鋁系列,該系列自2014年12月啟動(dòng)以來,電解槽操作員根據(jù)電解生產(chǎn)知識(shí),經(jīng)過精細(xì)化操作,目前系列電流效率穩(wěn)定在94%,噸鋁直流電耗12808kWh(同比國外AP600實(shí)驗(yàn)槽噸鋁直流電耗13300kWh);鞍鋼礦業(yè)是我國掌控鐵礦石資源最多,產(chǎn)量規(guī)模最大的冶金礦山龍頭企業(yè),選礦技術(shù)及產(chǎn)品質(zhì)量達(dá)到世界領(lǐng)先水平,形成了低成本的運(yùn)行模式,鐵精礦完全成本保持在530元/噸左右,遠(yuǎn)低于進(jìn)口礦價(jià)格.這些先進(jìn)企業(yè)成功的一個(gè)重要因素是具有一批經(jīng)驗(yàn)豐富的知識(shí)型工作者,并將這些知識(shí)型工作者的經(jīng)驗(yàn)知識(shí)功能最大化,從而使得這些企業(yè)能夠在行業(yè)占領(lǐng)領(lǐng)先地位.各工業(yè)企業(yè)間知識(shí)型工作者存在的經(jīng)驗(yàn)和知識(shí)水平差異最終成為生產(chǎn)運(yùn)行水平參差不齊的重要原因.

2.2 工業(yè)生產(chǎn)中的知識(shí)型工作面臨新挑戰(zhàn)

工業(yè)企業(yè)現(xiàn)在需要面對(duì)市場需求、資源供應(yīng)、環(huán)保排放等諸多因素的綜合挑戰(zhàn),工況變化更加復(fù)雜,加上現(xiàn)代工業(yè)具有生產(chǎn)規(guī)模增加和產(chǎn)能集中的顯著趨勢,對(duì)復(fù)雜分析、精確判斷、創(chuàng)新決策等知識(shí)型工作的要求也越來越嚴(yán)苛.同時(shí),目前已經(jīng)進(jìn)入工業(yè)化和信息化深度融合的時(shí)代,隨著云平臺(tái)、移動(dòng)計(jì)算、物聯(lián)網(wǎng)、大數(shù)據(jù)的出現(xiàn)使得工業(yè)環(huán)境中數(shù)據(jù)種類和規(guī)模迅速增加,以往依賴于經(jīng)驗(yàn)和少量關(guān)鍵指標(biāo)進(jìn)行決策分析的知識(shí)型工作者面對(duì)海量信息已經(jīng)感到力不從心.而且,過去的人工決策方式嚴(yán)重依賴個(gè)別高水平知識(shí)型工作者,操作決策具有主觀性和不一致性,應(yīng)對(duì)變化的反應(yīng)不夠敏捷,知識(shí)經(jīng)驗(yàn)的學(xué)習(xí)、積累和傳承也比較困難.因此工業(yè)生產(chǎn)過程中的知識(shí)型工作正面臨新的挑戰(zhàn),只依賴知識(shí)型工作者是無法實(shí)現(xiàn)工業(yè)跨越式發(fā)展的.擺脫對(duì)知識(shí)型工作者的傳統(tǒng)依賴,實(shí)現(xiàn)具有智能的知識(shí)自動(dòng)化系統(tǒng)是解決工業(yè)生產(chǎn)高效化、綠色化發(fā)展的核心.

2.3 基于知識(shí)的鋅冶煉企業(yè)原料采購決策

以某鋅冶煉企業(yè)的原料采購決策問題為例對(duì)工業(yè)生產(chǎn)過程的知識(shí)自動(dòng)化進(jìn)行說明.鋅濕法冶煉原料是鋅精礦,精礦原料是從分布在全國各地的100多家礦山采購而來的,成分復(fù)雜,品位差異大,價(jià)格也不同.由于生產(chǎn)規(guī)模大,對(duì)原料的需求量大,原料采購占用的流動(dòng)資金多,每年的原料采購資金多達(dá)20億.原料成分復(fù)雜,企業(yè)將原料中的有價(jià)金屬通過復(fù)雜的物理和化學(xué)過程提煉出來,不僅要求鋅精礦的主品位含量滿足要求,而且對(duì)各種雜質(zhì)含量也有嚴(yán)格要求.由于原料消耗和采購過程存在生產(chǎn)不確定和到貨不確定性,鋅冶煉生產(chǎn)的連續(xù)性要求企業(yè)有合理的庫存.原料采購決策就是綜合考慮資金、庫存和供應(yīng)商關(guān)系等因素,基于采購和生產(chǎn)知識(shí)按照一定的采購優(yōu)化策略進(jìn)行決策,使采購的原料平均品位及雜質(zhì)含量滿足生產(chǎn)要求,同時(shí)使原料采購費(fèi)用最少.由于礦源眾多、計(jì)算復(fù)雜、考慮因素多,過去采購人員只用人工決策方法大概計(jì)算一個(gè)采購量,甚至只要能夠完成規(guī)定的任務(wù)就隨意進(jìn)行采購,導(dǎo)致采購成本增加.

原料采購采用兩步?jīng)Q策,第1步是原料大類采購決策,第2步是供應(yīng)商采購決策,如圖6所示.原料大類采購決策中,首先是根據(jù)配礦數(shù)據(jù)知識(shí)和配礦金屬平衡機(jī)理知識(shí)建立原料分類定價(jià)基準(zhǔn)模型,該模型由5類品位質(zhì)量范圍表與5類品位價(jià)格基準(zhǔn)表組成.根據(jù)分類定價(jià)基準(zhǔn)模型按一定的品位范圍與雜質(zhì)含量范圍,將原料分為不同質(zhì)量和價(jià)格的5個(gè)大類.分類后,收集該廠前3年的原料采購數(shù)據(jù),將每一個(gè)原料按其品位分類,并計(jì)算出每一類原料的品位及雜質(zhì)含量的平均值,以及每一類原料的平均價(jià)格,形成5類品位價(jià)格基準(zhǔn)表.隨后基于原料分類定價(jià)基準(zhǔn)模型,原料大類采購決策的任務(wù)就是通過優(yōu)化方法找出所有大類原料的采購量,使得在原料質(zhì)量滿足生產(chǎn)要求的同時(shí),原料總采購費(fèi)用最少.原料大類復(fù)合采購決策時(shí)需要考慮市場類知識(shí)和企業(yè)生產(chǎn)知識(shí),前者主要是原料和產(chǎn)品的市場供求關(guān)系對(duì)價(jià)格影響等,后者包括企業(yè)的生產(chǎn)能力、存儲(chǔ)能力、財(cái)務(wù)狀況等對(duì)采購行為的約束.

原料采購的第2步?jīng)Q策是供應(yīng)商采購決策.在實(shí)際的采購過程中,每個(gè)大類的采購計(jì)劃需要落實(shí)到對(duì)應(yīng)大類中各個(gè)原料承包商的采購合同中.然而,由于地區(qū)和承包商的不同而價(jià)格會(huì)有不同;各個(gè)承包商方履行合同的情況可能不同,有些承包商的到貨量超過了合同量,有些則不能完成合同量;有些承包商屬于經(jīng)營性公司,每年提供的精礦品位可能不同等.在供應(yīng)商采購決策中,首先是建立供應(yīng)商評(píng)估知識(shí)庫,知識(shí)庫中包含各供應(yīng)商的產(chǎn)能,運(yùn)輸成本等信息和原料信息,供應(yīng)商的置信度(置信度主要根據(jù)供應(yīng)商歷年合同的執(zhí)行情況確定)等,系統(tǒng)根據(jù)完成合同的情況在每個(gè)月末對(duì)供應(yīng)商的置信度進(jìn)行更新.在完成原料大類復(fù)合采購決策后,可以根據(jù)知識(shí)庫的評(píng)估結(jié)果選擇與哪些供應(yīng)商簽訂采購合同,即最終的采購計(jì)劃.同時(shí),采購活動(dòng)結(jié)束以后,將結(jié)果及時(shí)放入知識(shí)庫中,更改供應(yīng)商的信息.對(duì)于可能出現(xiàn)的供應(yīng)商不能履行合同的情況,知識(shí)自動(dòng)化決策系統(tǒng)也能及時(shí)做出反應(yīng),根據(jù)實(shí)際情況對(duì)在同類供應(yīng)商中進(jìn)行調(diào)整替換.

某鋅冶煉企業(yè)的原料采購從原來的人工決策轉(zhuǎn)變?yōu)榛谥R(shí)的自動(dòng)化決策,每年為企業(yè)節(jié)約了采購經(jīng)費(fèi)數(shù)千萬元.

由此可見,工業(yè)生產(chǎn)中的知識(shí)型工作包含兩層含義,一是人為的決策流程,一是依賴經(jīng)驗(yàn)的決策行為.工業(yè)生產(chǎn)過程迫切需要解決知識(shí)型工作流程的優(yōu)化與自動(dòng)化,并在各個(gè)決策點(diǎn)實(shí)現(xiàn)知識(shí)驅(qū)動(dòng)的自動(dòng)化決策.在生產(chǎn)工藝和設(shè)備層面建立基于知識(shí)的模型,實(shí)現(xiàn)工藝參數(shù)智能選擇和流程智能優(yōu)化,自動(dòng)給定控制指令;在生產(chǎn)計(jì)劃和調(diào)度層面實(shí)現(xiàn)知識(shí)自動(dòng)獲取和自動(dòng)分析,關(guān)聯(lián)與推理,能夠擺脫調(diào)度與生產(chǎn)協(xié)調(diào)對(duì)調(diào)度員的依賴;在生產(chǎn)經(jīng)營和決策層面實(shí)現(xiàn)自動(dòng)化感知、處理、分析內(nèi)外部大數(shù)據(jù),實(shí)現(xiàn)關(guān)聯(lián)決策和協(xié)調(diào)優(yōu)化,能夠自動(dòng)化分析判斷決策.流程企業(yè)通過這類具有復(fù)雜分析、精確判斷和創(chuàng)新決策能力的高度智能化的系統(tǒng)將能夠自動(dòng)執(zhí)行一部分之前只有人才可以完成的各層次知識(shí)型工作,這一類系統(tǒng)就是面向工業(yè)應(yīng)用的知識(shí)自動(dòng)化系統(tǒng).知識(shí)自動(dòng)化系統(tǒng)可以在一定程度上代替知識(shí)型工作者,進(jìn)而構(gòu)建信息與知識(shí)深度融合的控制、調(diào)度與決策優(yōu)化支撐環(huán)境,形成面向工業(yè)生產(chǎn)實(shí)體過程的智能化知識(shí)服務(wù)體系.

3 工業(yè)生產(chǎn)過程知識(shí)自動(dòng)化的若干問題

工業(yè)生產(chǎn)過程知識(shí)自動(dòng)化系統(tǒng)是將人工智能技術(shù)、計(jì)算機(jī)技術(shù)、自動(dòng)化系統(tǒng)技術(shù)融合來實(shí)現(xiàn)知識(shí)表示、獲取、關(guān)聯(lián)、處理和應(yīng)用,應(yīng)用于工業(yè)生產(chǎn)實(shí)體,實(shí)現(xiàn)工業(yè)環(huán)境下自動(dòng)感知、處理、計(jì)算、決策的智能系統(tǒng).工業(yè)生產(chǎn)中的知識(shí)主要是指數(shù)據(jù)知識(shí)、機(jī)理知識(shí)和經(jīng)驗(yàn)知識(shí),具有不同的表現(xiàn)形式.其中,機(jī)理知識(shí)反映工業(yè)生產(chǎn)過程的本質(zhì),特別是流程工業(yè)過程中生產(chǎn)連續(xù)、機(jī)理復(fù)雜、物質(zhì)轉(zhuǎn)換過程難以數(shù)值化,使得機(jī)理知識(shí)成為流程工業(yè)最重要、最核心的知識(shí).而經(jīng)驗(yàn)知識(shí)是經(jīng)過長期操作從機(jī)理知識(shí)中總結(jié)獲得而來的,反映了操作與過程之間的內(nèi)在關(guān)聯(lián).最終,經(jīng)驗(yàn)知識(shí)和工藝機(jī)理知識(shí)操作后的結(jié)果體現(xiàn)在生產(chǎn)數(shù)據(jù)上,對(duì)數(shù)據(jù)分析處理形成的知識(shí)可以形成對(duì)知識(shí)庫的補(bǔ)充和完善,在現(xiàn)代工業(yè)的信息化環(huán)境下尤為重要.一類知識(shí)驅(qū)動(dòng)的流程自主控制系統(tǒng)框架如圖7所示,其中來自人、機(jī)、物的數(shù)據(jù)知識(shí)、經(jīng)驗(yàn)知識(shí)和機(jī)理知識(shí)通過知識(shí)獲取、表示、生成、演化等單元構(gòu)成知識(shí)庫,對(duì)應(yīng)不同生產(chǎn)條件根據(jù)工況狀態(tài)選擇適用知識(shí),經(jīng)解釋后形成控制策略,通過控制器形成相應(yīng)的給定或指令.這里蘊(yùn)含著知識(shí)驅(qū)動(dòng)機(jī)制與現(xiàn)有控制系統(tǒng)有機(jī)融合的新理論、新方法與新系統(tǒng).

從系統(tǒng)運(yùn)行的角度看,人工經(jīng)驗(yàn)的知識(shí)(數(shù)據(jù)知識(shí)亦然)顯然不是一開始就完全可靠和正確的,需要在運(yùn)行過程中經(jīng)過實(shí)際生產(chǎn)結(jié)果檢驗(yàn),通過知識(shí)校正更新機(jī)制來保證其正確性,知識(shí)驗(yàn)證、更新和校正是知識(shí)自動(dòng)化的重要組成部分.在工業(yè)生產(chǎn)過程中,知識(shí)自動(dòng)化在系統(tǒng)運(yùn)行的層面上是一種動(dòng)態(tài)過程,包括了知識(shí)從碎片化、不完備、不確定狀態(tài)不斷向更加結(jié)構(gòu)化、完備和成熟的狀態(tài)發(fā)展演化的過程,這一過程需要依賴工業(yè)生產(chǎn)過程的反饋結(jié)果對(duì)知識(shí)自動(dòng)化系統(tǒng)不斷進(jìn)行校正.

以下從實(shí)現(xiàn)工業(yè)生產(chǎn)過程知識(shí)自動(dòng)化系統(tǒng)的要求出發(fā),對(duì)一些值得研究的相關(guān)問題進(jìn)行討論.

3.1 工業(yè)環(huán)境下多類型知識(shí)的靈敏感知、高效獲取和深度分析

工業(yè)生產(chǎn)涉及的知識(shí)源主要包括數(shù)據(jù)知識(shí)、機(jī)理知識(shí)、經(jīng)驗(yàn)知識(shí)等.這些知識(shí)表現(xiàn)形式不同,有的隱含在信號(hào)、曲線中,有的呈現(xiàn)為規(guī)則、語義網(wǎng)絡(luò),有的用公式、方程式等直接描述.工業(yè)生產(chǎn)過程的知識(shí)自動(dòng)化需要突破由于工業(yè)過程的數(shù)據(jù)和知識(shí)多樣性、多維度和多時(shí)空尺度帶來的一系列難點(diǎn),比如如何統(tǒng)一表示知識(shí)的表達(dá)模式和涵蓋范圍,如何將不同工藝機(jī)理、設(shè)備性能、生產(chǎn)工況與管理決策的知識(shí)提取和表示出來,如何將多時(shí)空分布的知識(shí)納入統(tǒng)一的知識(shí)庫模型中,如何通過一定的知識(shí)表示方法將隱性知識(shí)顯性化.特別是在大數(shù)據(jù)環(huán)境下,由于工業(yè)生產(chǎn)中已經(jīng)能夠得到海量的數(shù)據(jù),但這些數(shù)據(jù)價(jià)值稀疏,傳統(tǒng)人工方法活化其價(jià)值的能力十分有限,需要研究多類型工業(yè)知識(shí)的靈敏感知、高效獲取和深度分析方法.因此,如何在工業(yè)制造過程的知識(shí)靈敏感知、領(lǐng)域知識(shí)自動(dòng)挖掘、關(guān)聯(lián)知識(shí)提取、結(jié)構(gòu)化知識(shí)表示方面取得突破性進(jìn)展,推動(dòng)形成工業(yè)知識(shí)自動(dòng)化的知識(shí)源基礎(chǔ),是解決知識(shí)與生產(chǎn)過程、自動(dòng)化系統(tǒng)融合形式的重要問題.

其研究內(nèi)容主要包括基于關(guān)聯(lián)知識(shí)的數(shù)據(jù)特征分析和知識(shí)感知觸發(fā)機(jī)制;工業(yè)多源、多維、多時(shí)空尺度知識(shí)的統(tǒng)一表示;非結(jié)構(gòu)化知識(shí)的一致性描述方法;工業(yè)大數(shù)據(jù)環(huán)境下的知識(shí)高效提取;生產(chǎn)機(jī)理、操作和管理的領(lǐng)域知識(shí)自動(dòng)提取與代碼化;工業(yè)過程知識(shí)本體和大規(guī)模知識(shí)庫的構(gòu)建等.

3.2 工業(yè)生產(chǎn)中分層跨域知識(shí)的關(guān)聯(lián)、推理與演化

在知識(shí)處理層面,工業(yè)知識(shí)自動(dòng)化需要完成對(duì)知識(shí)的推理、關(guān)聯(lián)、演化和重組等工作,才能通過自動(dòng)化系統(tǒng)取得知識(shí)運(yùn)用的有益效果.工業(yè)生產(chǎn)過程具有自上而下的縱向?qū)蛹?jí),如管理決策層、計(jì)劃調(diào)度層和運(yùn)行優(yōu)化層,也包括前后銜接或復(fù)雜連接的不同生產(chǎn)工序,其內(nèi)在的生產(chǎn)知識(shí)也同樣具有分層跨域的對(duì)應(yīng)關(guān)系.工業(yè)過程知識(shí)處理的關(guān)鍵問題是不僅要建立對(duì)同一對(duì)象不同知識(shí)的關(guān)聯(lián)結(jié)構(gòu),還要建立分層跨域的相關(guān)性知識(shí)的關(guān)聯(lián)結(jié)構(gòu).以鋁電解生產(chǎn)為例,經(jīng)營決策層基于知識(shí)和內(nèi)外部信息決定以產(chǎn)量為導(dǎo)向或者以能耗為導(dǎo)向的生產(chǎn)策略,調(diào)度層就據(jù)此確定配置不同的資源和能源計(jì)劃,運(yùn)行操作層就給定不同的電解槽槽電壓等操作參數(shù).因此,知識(shí)關(guān)聯(lián)是聯(lián)系知識(shí)單元、組織知識(shí)元素、構(gòu)建知識(shí)網(wǎng)絡(luò)、管理知識(shí)系統(tǒng)、發(fā)現(xiàn)和創(chuàng)造新知識(shí)所不可缺少的基本要素.知識(shí)推理和演化是指模擬人類的思維過程,根據(jù)當(dāng)前的知識(shí)識(shí)別、選取和匹配知識(shí)庫中的規(guī)則,得到問題結(jié)果的一種機(jī)制.知識(shí)重組是在對(duì)源信息所含知識(shí)內(nèi)容進(jìn)行解析的基礎(chǔ)上,將源信息或解構(gòu)所得信息進(jìn)行重新組合,從而得到新的信息內(nèi)容,實(shí)現(xiàn)信息增值的過程.

其研究內(nèi)容主要包括工業(yè)過程分層跨域知識(shí)的關(guān)聯(lián)、調(diào)和及重組;知識(shí)的深度學(xué)習(xí)及新知識(shí)發(fā)現(xiàn);知識(shí)關(guān)聯(lián)、演化與實(shí)時(shí)協(xié)同的理論方法;人機(jī)協(xié)同的動(dòng)態(tài)知識(shí)增量式關(guān)聯(lián)和挖掘;基于知識(shí)的主動(dòng)響應(yīng),精細(xì)化控制和優(yōu)化運(yùn)行的理論與技術(shù);知識(shí)與數(shù)據(jù)聯(lián)合推理決策以及依賴知識(shí)約簡的大規(guī)模優(yōu)化決策等.

3.3 面向工業(yè)生產(chǎn)應(yīng)用的知識(shí)自動(dòng)化服務(wù)系統(tǒng)與支撐技術(shù)

工業(yè)過程知識(shí)自動(dòng)化系統(tǒng)應(yīng)當(dāng)確保異構(gòu)知識(shí)資源之間集成互操作,能夠建立面向工業(yè)應(yīng)用的高度智能化知識(shí)服務(wù)體系.因此,圍繞數(shù)據(jù)信息知識(shí)深度融合的智能化知識(shí)服務(wù)目標(biāo)研究面向操作、調(diào)度和管理決策的系統(tǒng)平臺(tái)和關(guān)鍵技術(shù),具備人機(jī)物交互環(huán)境,能夠自動(dòng)感知、關(guān)聯(lián)、處理和計(jì)算來自數(shù)據(jù)環(huán)境、生產(chǎn)過程和知識(shí)型工作者的知識(shí),并具有支撐協(xié)同分析、綜合判斷、自主執(zhí)行和全局優(yōu)化運(yùn)行的能力,并結(jié)合工藝知識(shí)以及在線信息建立跨層級(jí)的虛擬工業(yè)生產(chǎn)場景.形成支撐控制、調(diào)度和決策的知識(shí)自動(dòng)化云服務(wù)框架,將工業(yè)信息轉(zhuǎn)換為知識(shí)自動(dòng)化虛擬服務(wù),包括建立各種相關(guān)大數(shù)據(jù)模型、知識(shí)庫、計(jì)算實(shí)例庫、決策仿真平臺(tái)、構(gòu)建知識(shí)自組織和自更新子系統(tǒng),研究在云平臺(tái)上通過開發(fā)知識(shí)自動(dòng)化服務(wù)性技術(shù)構(gòu)件提供虛擬服務(wù)支持.

其研究內(nèi)容主要包括知識(shí)自動(dòng)化的高效計(jì)算方法和算例庫;知識(shí)自動(dòng)化決策調(diào)度控制一體化運(yùn)行系統(tǒng)軟件;基于知識(shí)的虛擬工藝場景設(shè)計(jì);虛擬生產(chǎn)優(yōu)化與虛擬運(yùn)行優(yōu)化;支撐知識(shí)自動(dòng)化智能算法的嵌入式組件;知識(shí)自動(dòng)化軟件的實(shí)時(shí)協(xié)同運(yùn)行引擎與自主化服務(wù)機(jī)制;知識(shí)自動(dòng)化云服務(wù)平臺(tái)體系架構(gòu)與核心組件設(shè)計(jì);工業(yè)過程知識(shí)自動(dòng)化軟件工具、平臺(tái)及其構(gòu)件化等.

4 研究對(duì)策

在推動(dòng)工業(yè)過程知識(shí)自動(dòng)化這一領(lǐng)域的相關(guān)研究過程中,應(yīng)當(dāng)在以下幾方面引起重視.

首先是通過把握工業(yè)生產(chǎn)的應(yīng)用需求來驅(qū)動(dòng)知識(shí)自動(dòng)化的理論和關(guān)鍵技術(shù)研究.知識(shí)自動(dòng)化應(yīng)當(dāng)緊密圍繞如何更多更好地替代完成生產(chǎn)過程中人的知識(shí)型工作來開展研究,瞄準(zhǔn)最終實(shí)現(xiàn)智能制造和綠色高效化生產(chǎn)為目標(biāo)來攻克科學(xué)技術(shù)難題,開發(fā)的知識(shí)自動(dòng)化系統(tǒng)應(yīng)該適用于一定的工業(yè)應(yīng)用場景.當(dāng)然,知識(shí)自動(dòng)化并不是以造成一般知識(shí)型工作者失業(yè)為目的,而是為了把人解放出來從事更加高端、更有價(jià)值、更具創(chuàng)造性的智慧性勞動(dòng).正如百度張亞勤評(píng)價(jià)AlphaGo的勝利是“人類的勝利”一樣,知識(shí)自動(dòng)化本身就將創(chuàng)造大量新的知識(shí)型工作崗位.

其次是以問題來引導(dǎo)知識(shí)自動(dòng)化的研究.知識(shí)自動(dòng)化是新的前沿領(lǐng)域,既包含基礎(chǔ)性問題研究,也涉及關(guān)鍵技術(shù)問題,以一系列挑戰(zhàn)性問題引導(dǎo)多領(lǐng)域?qū)＜液蛨F(tuán)隊(duì)開展知識(shí)自動(dòng)化的研究才能獲得有價(jià)值的成果.

最后,知識(shí)自動(dòng)化必然要依靠多學(xué)科領(lǐng)域交叉融合才能發(fā)展起來.如人工智能、知識(shí)工程、控制理論、計(jì)算機(jī)軟件、工業(yè)網(wǎng)絡(luò)、智能感知、自動(dòng)化系統(tǒng)等諸多理論和技術(shù)成果都可以找到用武之地,知識(shí)自動(dòng)化可望成為控制科學(xué)及相關(guān)領(lǐng)域?qū)W術(shù)交叉融合發(fā)展的新熱點(diǎn).

工業(yè)自動(dòng)化經(jīng)歷了機(jī)械自動(dòng)化、電氣/儀表自動(dòng)化、信息化幾個(gè)時(shí)代,知識(shí)在工業(yè)生產(chǎn)中的地位日益凸顯,知識(shí)自動(dòng)化是工業(yè)自動(dòng)化發(fā)展的新階段,是知識(shí)經(jīng)濟(jì)時(shí)代特征和智能化趨勢在工業(yè)自動(dòng)化領(lǐng)域的映射,是復(fù)雜生產(chǎn)過程中工業(yè)化信息化深度融合的必然結(jié)果,有望為各行業(yè)帶來革命性變化.

致謝

感謝113期雙清論壇秘書組成員丁進(jìn)良,楊再躍,趙珺,羅娜,王曉麗所做的貢獻(xiàn).