摘要：流程工业是制造业的重要组成部分, 是我国国民经济和社会发展的重要支柱产业. 新一代信息技术和人工智能技术为流程工业的发展带来新的挑战和机遇. 只有与流程工业的特点与目标密切结合, 充分利用大数据, 将人工智能、移动互联网、云计算、建模、控制与优化等信息技术与工业生产过程的物理资源紧密融合与协同, 实现流程工业智能优化制造, 才可能实现流程工业的跨越式发展. 本文聚焦流程工业的复杂生产过程, 从其智能优化决策系统的角度, 描述了复杂工业过程优化决策系统的问题、回顾总结了复杂工业过程全流程优化决策系统的现状, 分析了智能优化决策系统的必要性, 提出了智能优化决策系统的发展目标及愿景, 并对智能优化决策系统的下一步重点研究方向进行了展望.

复杂工业过程智能优化决策系统的愿景功能是能够实时感知市场信息、生产条件和生产全流程运行工况, 以企业高效化和绿色化为目标, 实现企业目标、计划调度、运行指标、生产指令与控制指令一体化优化决策, 实现远程与移动可视化监控决策过程动态性能, 自学习与自优化决策. 将人与智能优化决策系统协同, 使决策者在动态变化环境下精准优化决策.

当前, 发达国家纷纷实施“再工业化” 战略, 强化制造业创新, 利用新兴的信息技术, 加快制造业智能化的进程, 重塑制造业竞争新优势. 我国也把智能制造作为实现新兴产业培育发展与传统产业改造升级有机结合的最佳途径, 作为我国实现制造强国的主攻方向和突破口, 实施\中国制造2025". 这也是我国流程工业发展的新机遇与挑战.

流程工业智能制造对于生产过程来说, 关键的是实现生产全流程的整体优化. 即在市场和原料变化的情况下, 以高效化与绿色化为目标使得原材料的采购、经营决策、计划调度、工艺参数选择、生产全流程控制实现无缝集成优化, 实现企业全局的产品质量、产量、成本和消耗等生产指标的优化, 实现生产全流程安全可靠优化运行, 从而生产出高性能、高附加值产品, 使企业利润最大化, 同时实现能源与资源高效利用, 污染物实现零排放、环境绿色化。

然而，复杂工业生产全流程是由一个或多个工业装备组成的生产工序, 随着信息技术的发展与应用，复杂工业过程的控制、运行与管理大多采用Enterprise resource planning、Manufacturing execution systems 和Process control system (ERP/MES/PCS) 三层结构来实现. 综上所述, 复杂工业过程采用计算机、通信和控制能够实现过程自动控制(PCS), 生产经营与管理也有相应的信息系统(ERP、MES), 但是复杂生产过程的企业目标、资源计划、调度、运行指标、生产指令与控制指令的决策仍然凭经验由相应的知识工作者在各信息系统平台上进行. 例如：

1）目前企业的ERP 和MES 等信息系统还不能够快速全面自动地感知企业内外部与生产经营、生产运作和操作优化与控制相关的各种数据、信息与知识, 导致现有的系统缺乏全面、准确和实时的生产要素数据获取能力, 缺乏多源异构生产运行大数据感知与处理能力, 缺乏数据汇聚和融合能力, 缺乏高效的不同领域不同层次数据分析、隐含知识关联与推演等能力, 从而不能够对生产行为和市场变化进行实时感知, 进而也不能自动优化生产经营决策和计划调度指令.

2）除此之外, 上述三层结构的层次之间也缺乏有效的相互交互与协同机制, 无法建立良好的双向信息流交互. 比如, 上层与底层控制系统之间的数据不匹配, 使得企业计划调度层缺乏生产实时信息反馈,并且没有充分考虑生产过程特性, 下层生产控制层缺乏与优化协调与调度的衔接, 企业难以实现全流程的整体优化.

3）由于受到各种生产指标目标范围、原料、设备等动态因素的影响, 工艺技术部要不断地根据这些动态因素对各个工序的运行指标进行调整.

复杂工业过程智能优化决策系统的结构示意如图1 所示. 要实现复杂工业过程智能优化决策系统，必须通过智能优化决策系统、生产全流程智能协同优化控制系统和智能自主运行优化控制系统协同, 最终实现复杂生产全流程的优化运行. 生产全流程智能协同优化控制系统需要协同底层各个工序的智能体, 即智能自主控制系统, 来实现生产全流程生产指标的优化. 生产全流程智能协同控制系统的功能是自动获取生产线生产指标和生产过程动态变化因素、资源属性等方面的数据和信息,智能感知物质、能源和信息三流的相关状况; 能够自主地学习和主动响应, 从而自适应地进行优化决策、优化配置资源和合理配置与循环利用能源, 并给出以生产全流程生产指标优化为目标的优化运行指标目标值.智能自主控制系统由高性能智能控制器、智能运行优化、工况识别与自优化控制三部分组成. 智能优化制造要求生产制造过程控制系统成为一个智能体, 即智能自主控制系统使生产制造过程和其控制系统深度融合并成为智能体, 要集智能感知、控制、监控、优化、故障诊断、自愈控制于一体, 具有自适应、自学习、自动调整控制结构和控制参数的功能, 能够适应工业过程的动态变化. 其功能是智能感知生产条件的变化, 以优化运行指标为目标, 自适应决策控制系统的设定值. 高动态性能的智能控制系统跟踪控制系统设定值的改变, 将实际运行指标控制在目标值范围内. 实时远程与移动监控与预测异常工况, 自优化控制, 排除异常工况, 使系统安全优化运行. 与其他智能自主控制系统相互协同, 实现制造流程全局优化.

图1 复杂工业过程智能优化决策系统的结构示意图

智能优化决策重点研究方向：

未来的制造全流程优化决策系统一定是人机交互的动态智能优化决策, 目前尚没有统一的智能决策体系结构. 在工业大数据和云网络平台的支持下, 通过知识库构建、决策计算、指标预测、评价反馈等模块, 将智能决策行为和综合自动化、智能方法与预测和反馈相结合, 建立生产制造智能决策系统的体系结构与功能, 实现人机柔性化自适应交互决策. 根据以上目标, 复杂工业过程智能优化决策系统的共性研究方向如下:

1) 机理模型与数据和知识融合的运行工况智能感知.

2) 具有预测、反馈、自学习、自优化校正的智能决策系统架构及新方法, 研究以企业高效化和绿色化为目标, 如何实现企业目标、计划调度、运行指标、生产指令与控制指令一体化优化决策, 使工业运行过程成为知识自动化系统, 尽可能提高生产效率与产品质量, 尽能降低能耗与物耗, 实现生产过程环境足迹最小化, 确保环境友好地可持续发展.

3) 智能决策系统实现技术. 面向典型流程工业企业, 研发相关的智能优化决策系统技术, 设计智能优化决策云服务平台系统体系架构与核心组件, 构建流程工业智能优化决策系统, 搭建智能优化决策系统的实验平台并开展实验平台验证与应用验证研究.

总体来说, 流程工业智能优化决策系统的重点任务是从流程工业绿色化与自动化、工业化与信息化深度融合的重大需求出发, 以实现流程工业绿色化、智能化和高效化为目标, 建立工业大数据和知识驱动的流程工业智能优化决策机制和系统体系结构, 研究工业大数据驱动的领域知识挖掘、推理与重组、多源异构多尺度生产指标预测、大数据和知识驱动的生产指标决策、优化运行与控制一体化决策方法与技术, 研发流程工业智能优化决策的实现技术与工业软件, 建立流程工业智能优化决策系统实验平台, 引领工业化与信息化深度融合. 从而形成以生产全流程整体优化为特征的流程工业智能决策新模式,实现流程工业生产的绿色化、智能化和高效化, 引领工业化与信息化深度融合.

引用格式：丁进良, 杨翠娥, 陈远东, 柴天佑. 复杂工业过程智能优化决策系统的现状与展望. 自动化学报, 2018, 44(11): 1931-1943

链接：http://html.rhhz.net/ZDHXBZWB/html/2018-11-1931.htm

作者简介：

丁进良东北大学流程工业综合自动化国家重点实验室教授. 主要研究方向为复杂工业过程的建模与运行优化控制,计算智能及应用. E-mail: jlding@mail.neu.edu.cn

杨翠娥东北大学流程工业综合自动化国家重点实验室博士研究生. 2016 年获得东北大学信息科学与工程学院硕士学位. 主要研究方向为计算智能及其应用. E-mail: cuieyang@outlook.com

陈远东东北大学流程工业自动化国家重点实验室博士研究生. 主要研究方向为炼厂调度, 混合整数线性规划, 大规模优化算法. E-mail: cyd4999@126.com

柴天佑中国工程院院士, 东北大学教授, IEEE Fellow, IFAC Fellow. 1985 年获得东北大学博士学位. 主要研究方向为自适应控制, 智能解耦控制, 流程工业综台自动化理论、方法与技术. E-mail: tychai@mail.neu.edu.cn