中国工程院院士桂卫华：流程行业智能制造的几点思考-技术圈

“

我国有色金属的特色是品种多、工艺复杂、环境恶劣，有色金属行业信息化与工业化的深度融合极具挑战性。

”

在2021世界5G大会“5G与工业互联网论坛”上，中国工程院院士桂卫华发表了题为《流程行业智能制造与工业互联网》的主题演讲。他以有色金属行业为背景，提出了我国智能制造业的几点思考和挑战。

桂卫华表示，有色金属工业是国民经济的重要支柱产业和经济命脉，是实现制造强国的重要支撑。我国有色金属的特色是品种多、工艺复杂、环境恶劣，有色金属行业信息化与工业化的深度融合极具挑战性。

智能制造四点思考

对此，桂卫华对有色金属行业智能制造进行了四点思考。

思考一：有色金属行业复杂生产环境下的智能感知问题。精准感知是有色行业的智能化的基础。

思考二：有色金属行业与新一代信息技术的深度融合。这个深度融合体现在工业软件上。工业软件以解决实现业务问题为目标，需要工业技术和信息化技术长期合作与融合。

思考三：要实现智能化，必须解决知识自动化问题。知识自动化赋能有色金属行业，能够实现创新决策。核心问题包括工业知识的获取、学习与应用，经验知识的推广。知识是工业信息化与智能化的关键内容。

思考四：在智能制造以及工业互联网环境方面，有色金属行业企业管理模式的变革问题。传统的生产过程管理模式和商业服务模式必须要取得突破。而智能制造环境下这两种模式如何革新，如何落地，以及企业管理体制与机制如何变革?这都是我们在智能制造和工业互联网应用中亟需思考的问题。

四点科学问题及挑战

与此同时，桂卫华提出智能制造过程中四点科学问题及挑战。

科学问题一：生产过程要素的智能感知与信息融合。

挑战1：多路多源信息融合的协同全要素感知，特别是有线、无线、5G的运用，使得信息感知的来源多元化，必须解决多路多源的结合，要形成智能感知的网络，包括无线网络、5G运用等等。

挑战2：多源异构数据融合下发现的问题。有很多信息无法直接感知，如何利用多元异构的数据来发现新信息，使新信息的发现具有更好、更大的挑战性。

挑战3：多尺度、多维度信息的标志和传输方面。由于5G的运用使得我们感知的范围，获取信息的范围越来越广泛，这些数据的传输、融合、标识相互应用，也成为亟需解决的挑战性问题。

针对这个科学问题，桂卫华认为，第一需要多路多源信息融合的协同全要素感知。第二是多源异构数据融合下的新信息发现。第三是多尺度、多维度信息的传输标志与应用等。

科学问题二：智能生产条件下的人机交互学习机制问题。在工业互联网和智能制造的环境下，如何实现人机交互学习机制，这里面有几个挑战性问题。

挑战1：海量多模态数据下的人机物知识构建。知识构建使知识更容易理解和吸收，为用户提供比信息空间更高层次的知识空间。

挑战2：多源时序数据与机理融合的知识协同推理问题。知识型工作在当前社会分工中占有压倒性的重要地位，在企业中我们大量地要依赖于咨询工作。因此数据信息可以弥补人在知识上的缺陷，数据与机理融合的知识推理，它能够更全面地反映工业的状况，所以从数据特征到知识的获取，知识的融合与演化，是极具挑战性的问题。

挑战3：知识海洋下的人机交互学习。智能化的生产过程，在智能制造、工业互联网的环境下，人与机器怎么样做到相互学习，相互促进，使得我们的对象具有智能自主，具有智能分析优化决策，具有智能感知的功能，这是极大的挑战性问题。

对于这三个挑战，桂卫华认为，要探讨的主要研究内容，一是海量多模态数据下的人机物知识构建，多元时序数据与激励融合下的知识协同推理，知识海洋下的人机交互学习机制等。

科学问题三：智能化生产运行与优化控制。

挑战1：数据与知识融合的多目标智能决策。将来我们要依靠数据和知识融合来解决智能决策，使得取代人的决策。

挑战2：基于多尺度、多维度系统协同的自组织、自配置和自优化问题。在智能化环境下各个系统相互连接，各个系统的尺度与维度都不同，怎么样能够实现自组织、自配置和自优化，实现相异系统间的无缝连接，进而提高复杂生产过程的控制效率，具有很大的挑战性。

挑战3：融合控制系统软硬件与工业制造生产过程数字孪生系统的虚实交互。数字孪生将来会在工业上取得广泛的应用，数字孪生可以把物理世界和虚拟世界，通过虚实的交互来实现无缝连接，使得我们更深入地对对象，对生产过程进行深入的认知，实现正确的推理，精确的操作。

对于第三个科学问题，桂卫华认为，主要要解决数据与知识融合的多目标智能决策，基于多尺度、多维度、系统协同的自组织、自配置和自优化，融合控制系统与工业制造生产过程数字孪生系统虚实交互等。

科学问题四：工业互联网的工业管控体系与机制。在工业互联网智能制造环境条件下，工业的管理模式和工业的商业模式都要大大改变，所以这是在应用工业互联网、智能智造的条件下，必须要认真思考的一个问题。

锌冶炼智能工厂为例

桂卫华以一个锌冶炼智能工厂为例子，探讨第四个科学问题。

锌是我国重要的原材料，其高质量发展受到资源能源环境制约，也是国家节能环保重点关注产业，绿色高效生产迫在眉睫。生产过程的流程比较长，物理环境复杂，物质流和能量流高度融合，它从矿山到金矿，到配料，到配少、浸出、净化、电解、渡金属。功耗波动大，工艺复杂，能耗高，质量保障难。开展智能制造建设，突破复杂矿源条件下的供应链智能优化，实现高效绿色智能化生产，是实现智能制造中一定要突出要解决的问题。

解决的重点问题，一是协同优化。因为锌矿的成本比较高，占70%左右，所以如何实现供应链协同优化是关注的一个重点。基于工业互联网平台，通过对工业金银多元数据的感知动态建模分析，实现扁平化、少能化的管理，降低了原来的库存要求的一半，业务人员减少三分之一。

第二个大的问题是解决锌演练过程中智能控制与协同优化。如何实现稳定化的控制，从而采用控制的方法，针对各反应器反应效率不同。为了提高反应效率，我们提出了工业指标的梯度优化方案，而针对矿源波动，工序间关联耦合，工序间的协同问题，我们提出了模式匹配来实现矿源波动下多指标的协同优化方法。

桂卫华讲道，我们构建了平台化的机理和数据融合的工序优化控制解决方案，实现关键工序优化和多工序间的协同优化问题。

在这个工业互联网和智能制造的基础上，通过智能工厂的应用，取得了技术指标的明显提升，使得整个生产过程的技术指标达到了世界先进水平，矿源的适应性明显得到了提高，使得一些劣等矿也能够优等使用。

撰文 / 崔亮亮

编辑 / 亮亮