收藏
打印中國鐵合金網訊：
從某種意義上說，自動化、信息化和智能化有著共同的理論基礎，但面臨問題的尺度卻不一樣。從尺度的角度，有助于我們認識智能化的發展方向和技術特點。
1 理解自動化
20世紀40年代，控制論之父、美國數學家維納開始考慮普通的機器與人（或動物）有什么不同？他的答案是，傳統機器只能按照既定的邏輯運行，而人（或動物）則可以根據外部的變化采取適應性的行動。所以，要讓機器代替人的工作，機器需要有感知信息的能力，并能夠根據信息進行決策，并采取行動。也就是要把信息的感知、決策和執行過程統一起來。按照現在的說法，就是要把負責信息感知、處理的賽博空間與執行指令的物理空間相結合，這就是控制論的基本思想。
這種思想的產生并非偶然，而是基于弱電技術的支撐。弱電可以用來表達和處理信息，并轉化成強電驅動物理空間的機器運轉。
從某種意義上說，機器自動執行時的工作邏輯，都是人類預先設定的預案、在人類規定的“邊界”內部執行。只有這樣，人類才能放心地把工作交給機器自動完成。
2 企業的計算機系統
鋼鐵企業的自動化與計算機系統早已密不可分了。在鋼鐵企業中，計算機系統一般被分成若干級別。最常見的做法是分成四個級別，分別稱為L1-L4。級別越高，管理的范圍就越大。L1系統一般針對閥門級，L2系統是設備級（如連鑄機、軋機），L3系統是車間級，L4系統則是公司級。
從某種意義上說，這些計算機系統的作用都是促進信息感知、決策和執行的統一。符合維納的原始思想。但是，只有L1、L2系統被稱為控制計算機或自動化系統，計算機自主決策的比重比較大；而L3、L4則被稱為管理計算機或信息系統，主要依靠人的決策。決策機制上發生了重要的變化，這種變化，本質上就是管控尺度變化導致的。一般來說，自動化系統適合小尺度系統。
前面提到，自動控制的運行邏輯其實是人類設定的預案。原則上講，預案分為兩種：系統正常時怎么辦？系統不正常時怎么辦？其中，系統正常時比較簡單，系統不正常的情況就要復雜得多了。這時，制定預案的工作就麻煩得多。所以，現實中針對自動化系統的措施往往是遇到故障時切換到手動模式或者停機，由人類來處理。換句話說，自動化一般只適合系統本身穩定的對象。對于“小尺度”系統，“系統正常”是一種常態，便于制定預案，便于采用自動化技術。
但是，對于車間、工廠級的“大尺度”對象，系統復雜程度急劇上升。一個子系統的問題，就可能引發整個系統的故障。對工廠級的系統來說，某臺設備故障、生產銜接不上、操作不規范、質量異常等會常態化發生。這些問題發生時，整個系統未必有預案，往往需要人來靈活處置。其中，信息系統的一個作用就是幫助人類完成這種決策的。
3 感知與認知
計算機系統管控的范圍變大時，還會面臨另外一個挑戰，就是感知到認知的變化。大系統的管理需要較強的認知能力，而計算機的認知能力總體上要弱得多。
傳感器一般只能獲得基本的物理量。如溫度、壓力、流量、光線強度、開關狀態等。這些信息中往往包含著更加深層次的信息。比如，傳感器測量煙氣的溫度為300℃，其中包含了“煙道堵了、需要清掃”的信息；傳感器測量帶鋼表面光線的明暗，這些信號則可能包含了“表面質量不良”的信息。從信號中獲得這類深層次信息的過程，就是從“感知”到“認知”的過程。
對自動化系統來說，系統接收的信號本身具有明確的物理信息，如溫度、壓力、流量、開關狀態。但管理一個車間、工廠時，卻需要“認知”能力。比如，人們要知道設備是不是出現故障、操作是不是合規、物流是不是順暢、質量是不是合格，這些都需要認知能力。在傳統的技術水平下，“認知”主要是依靠人的能力。如果計算機沒有認知能力，也就難以自動做出決策。這樣，決策工作也就只能交給人類完成。事實上，信息系統的主要作用，就是幫助人們進行決策。
我們知道，工業互聯網和工業大數據是智能化重要的支撐手段。這兩種手段，都有助于提升計算機的認知能力。
同時，工業互聯網的應用，讓計算機的管控范圍增大、處理問題的復雜度也增加。這時，也需要提升計算機的認知能力，才能讓互聯網的優勢發揮出來。通過提升認知能力，計算機可以幫助人們更好地監控設備和生產狀態、操作的合規性、質量和成本情況等。
4 工業互聯網與人機融合
如前所述，傳統的自動化系統和信息化系統是相對對立的。兩類系統的決策主體不一樣。計算機的認知能力相對較差，是計算機難以處理大系統問題的重要原因。所以，認知能力的提升，必然會推動智能化的發展。
在工業互聯網時代，原本相對獨立的自動化和信息化系統能夠更為密切地融合在一起，從而實現大尺度的決策優化。工業互聯網白皮書提到了三個要素：智能的機器、高級算法和工作中的人。其中，高級算法的一個重要作用就是提升機器的認知能力，從而促進決策工作的人機融合。
在工業互聯網的時代，工廠乃至整個產業鏈的信息都可能被接入系統，系統的規模往往會大于原來企業級的信息系統。所以，傳統的信息系統一般只處理非實時的任務，實時的任務只能交給控制系統來處理。但是，有些實時發生的問題，會影響到全局，這時傳統的計算機系統就無法處理了，就會帶來經濟上的損失。
要解決這個矛盾，就需要依靠第三個要素，即“高級算法”。人類的大腦做不到每秒處理成千上萬的數據，但機器能夠做到。在這些數據中，正常的信息是不需要麻煩人類管理者的。機器可以幫助人類從海量實時數據中完成“從感知到認知”的任務，幫助人類發現需要處理的問題，再把信息傳遞給人類、讓人類進行決策。這樣，就形成了人機共同決策、優勢互補的決策方式。
這種思路在實踐中是行之有效的。例如，鋼廠的煤氣系統涉及到眾多設備，而煤氣的生產和使用必須是動態平衡的。由于煤氣平衡涉及到生產的安排，很難實現完全自動化。而與煤氣相關的數據又太多、變化太快，人類的決策往往會產生失誤。采用上述人機融合的辦法，就可以很好地解決這個問題。
5 人機融合對現代管理的意義
從管理的角度看，人機融合具有重大意義。通俗地講，計算機可以告訴操作工人，他的操作對公司經營有什么樣的影響；而管理者也可以洞悉工廠運行細節，把企業的管理提升至現代化水平。
舉例來講，鋼廠的發電機組往往是用來消耗富余煤氣的。但是，煤氣總體上富余并不意味著每個時刻都富余。如果在煤氣供給不足時多發電，對企業效益反而不利。利用互聯網等智能化技術，電廠的操作工就知道，當前多發電是否對公司效益有利。從某種意義上說，這就是工人參與管理。
管理者可以更加有效地了解生產現場。大鋼廠有成千上萬個崗位，高管無法監管每一個崗位的工作是不是合規。但是，利用工業互聯網和數字化技術，高管就有能力管理到細節。比如，某臺設備異常報警幾十分鐘，操作工應該處置而沒有反應。這時，計算機就可以把信息傳給公司高層。
6 對誤區的預防
目前，我國在推進智能化的過程中出現了一些誤區。比如，過度迷信機器學習算法，尤其是那些復雜的算法。這與我國研究智能化的專家缺乏工廠工作經驗和數據分析、建模經歷有關。事實上，數字化的算法在很大程度上源于專業知識和經驗，數據分析一般是對知識、經驗的精細化、代碼化。例如，“從感知到認知”算法，往往是通過標準化的方法來實現的，一點也不神秘。也就是說，針對特定的場景建立標準，而所謂“從感知到認知”的過程往往就是“判斷是否超標”的過程，出現超標時提醒管理者和協同方。換句話說，智能化的推進也要與傳統上、行之有效的管理方法結合在一起。
智能化是針對大系統的問題。這個特點還會影響到系統的建設和推進。一般來說，小系統便于頂層設計，大系統難以頂層設計。智能化系統的頂層設計難度就很大。
為此，推進智能化應該采用持續改進的邏輯。也就是說，智能化的功能是在應用過程中不斷增加上去、不斷修訂和完善的，而不是一次到位地提出解決方案。這一點與自動化、信息化系統建設是不一樣的。這個邏輯又會進一步延伸下去，會對工業互聯網系統架構提出要求、會對企業的人員配置和培訓提出要求。
日本人提出的工業價值鏈參考架構（IVRA），就體現了這種思想。按照這個架構，智能化的推進過程，就是通過PDCA對資源管理進行持續改進。PDCA是現代化企業所熟知，且行之有效的管理方法，而在數字化網絡化時代，計算機可以讓PDCA的能力顯著增強，并落實到每一個具體的場景和時間段。
內容來源：世界金屬導報
中國鐵合金網版權所有，未經許可，任何單位及個人均不得擅自拷貝或轉載，否則視為侵權，本網站將依法追究其法律責任，特此鄭重聲明！
- [責任編輯：kangmingfei]
信息快遞
行業報告
期刊雜志
企業名錄
短信彩信
數據定制
會議服務
廣告服務
貿易撮合
企業網站建設
在線詢價
聯系方式
評論內容