【CNCC2015现场报道】柴天佑:流程工业优化制造的现状与挑战

在今天举行的中国计算机大会上,中国工程院院士柴天佑教授发表了他对智能制造的看法。柴天佑探讨了流程工业智能优化制造对自动化科学与技术、计算机与通讯技术、数据科学具有挑战的科学与技术问题。 img_1718 目前来看,智能优化制造面临的挑战包括四大方面。(1)生产工艺优化和生产全流程整体优化一直是世界范围内的难题,即便是美国,也缺乏对工业过程全流程的优化。(2)决策过程与产品生产过程(化学+物理)难以建立数学模型,难以数字化。(3)决策过程的知识与数据不完整、滞后。(4)现有的工业计算机网络系统与软件平台制约。 2 目前美国NSF提出了分布式信息物理融合系统(Cyber Physical System,CPS),能使得计算资源与物力资源紧密融合与协同,即3C(通信、计算、控制)+物理实体;而德国推出的方案是智能技术+CPS+离散制造。 柴天佑也提出了一些解决思路:首先,应通过智能感知生产条件变化,自主决策控制系统指令、自动控制设备。当出现异常工况时,能及时预测进行自愈控制、排除异常工况,实现安全优化运行。其次,自动获取市场需求变化和资源属性方面的数据和信息,智能感知物质流、能源流和信息流的状况,自主学习和主动响应,从而优化决策,优化配置资源和合理配置与循环利用能源。 接下来,还要实现生产系统架构「扁平化」。全面部署移动化,实现移动监控与移动决策。 而在研究领域,柴天佑认为,智能优化制造对自动化科学与计算机与通信技术、数据科学都带来了挑战。比如如何应对复杂工业过程物质流、信息流和能源流相互作用的可视化计算工具与软件平台,再比如如何从价值密度低的大数据中挖掘相关关系数据?或者如何处理数据、文本、图像等非结构化信息等等。 因此,两大研究势在必行:其一知识工作者自动化+智能技术+COCC(控制与优化、计算机技术、通信技术)与流程工业实体相结合的智能优化技术系统理论与方法;其二,还要研究人机物三元空间融合系统的动态性能分析、预测与多目标优化决策理论与方法,工业大数据驱动的复杂系统动态系能的分析与可视化。   机器之心现场报道。作者:赵赛坡。
入门