工業智聯網: 基本概念、關鍵技術與核心應用
本文經授權轉載自人工智慧學家（ID：AItists），未經授權禁止二次轉載。
來源：王飛躍科學網部落格
作者：王飛躍, 張軍, 張俊, 王曉
摘要：本文首先闡述了工業網聯技術的演化過程，重點討論了工業智聯網產生的技術和時代背景.然後探討了工業智聯網的基本概念、內涵與應用領域。
本文詳細介紹了工業智聯網的關鍵技術，包括數字虛擬工業技術、新一代知識工程技術、工業資源異構複雜網路管控技術、區塊鏈智慧、社會計算、邊緣計算等，及其技術平臺架構.最後我們以智慧工業新模式和工業系統價值挖掘為示例，舉例說明工業智聯網的應用模式.
【關鍵詞】工業智聯網、知識自動化、虛擬數字工業、複雜系統理論、區塊鏈、社會計算
引用格式 王飛躍, 張軍, 張俊, 王曉. 工業智聯網:基本概念、關鍵技術與核心應用[J]. 自動化學報, 2018, 44(9): 1606-1617. doi: 10.16383/j.aas.2018.y000004
Citation Wang Fei-Yue, Zhang Jun, Zhang Jun, Wang Xiao. Industrial Internet of Minds: Concept, Technology and Application [J]. Acta Automatica Sinica, 2018, 44(9): 1606-1617. doi: 10.16383/j.aas.2018.y000004
自上世紀中期以來, 工業技術(Industrial technology)和資訊科技(Information technology)融合的過程就已經開始, 其程序由於網路技術的發展而加速, 而工業控制系統的演化就是這一融合過程的範例.網路化的工業控制主要經歷了以下幾個階段: 20世紀六七十年代的模擬儀表控制系統、八九十年代的集散控制系統、21世紀的現場匯流排系統.在這些階段, 技術發展聚焦於在工業現場本地的工業過程資訊化與自動化。
2012年, 對應網路資訊科技的發展, 國際工業技術巨頭GE (General Electric)公司提出了工業網際網路的概念並發表工業網際網路白皮書[1].在白皮書中, GE將工業網際網路的精髓闡述為:智慧機器(Intelligent machines)、高階分析(Advanced analytics)、工作人員(People at work)三要素的深度融合.縱觀GE的工業網際網路, 是以工業系統為中心的基於網際網路的工業、資訊、網路、人機結合的融合技術.
隨著科技的飛速發展,物聯網(Internet of things, IoT)概念和技術也得到了迅速的普及.物聯網理念的起源比較公認的說法是由Kevin Aston在1999年在Procter & Gamble (P & G)的一次演講中提出[2], 其工業應用的價值與意義顯而易見.對應於物聯網技術, 工業網際網路的概念逐步演變成為工業物聯網的概念, 但工業物聯網(Industrial internet of things, IIoT)的起源卻沒有公認的結論. 2016和2017年, 王飛躍教授分別在IEEE TAB (Technical activity board meeting)未來方向IoT會議和IEEE射頻識別委員會(Council on RFID)上提出設立工業物聯網專業工作委員會. 2017年底, IEEE計算機學會將工業物聯網列為2018年的十大技術發展趨勢之一.
對於從工業網際網路到工業物聯網的轉換過程, GE在其官網上一方面宣稱“工業物聯網即工業網際網路”(“The industrial internet of things (IIoT), also known as the industrial internet”)[3], 而在同一篇文件裡, GE也承認工業物聯網確是工業網際網路在客戶端的擴充套件: “One perspective is to think of the Industrial Internet as connecting machines and devices in industries ⋯⋯ On the other hand, theInternet of Thingstend to include consumer-level devices ⋯⋯”
在最近的發展中, 工業物聯網的概念正迅速取代工業網際網路的概念, 無論是在以GE為代表的美國工業界還是以西門子、ABB為代表的歐洲工業界, 工業物聯網已成為工業網聯絡統的主流技術框架. 2017年8月, GE數字部門CEO, William Ruh在官網發表文章“為什麼GE數字部門定位於工業物聯網領袖(Why GE digital is positioned to lead the industrial internet of things)”[4], 而在這篇文章裡通篇再未見“工業網際網路”字樣.西門子工業也將其工業平臺MindSphere定義為“MindSphere是基於雲技術的、開放物聯網作業系統(MindSphere is the cloud-based, open IoT operating system)”.
圖 1描述了工業網聯技術在各個時期的不同發展階段.我們認為工業網際網路是其中的一個重要發展階段, 就是基於網際網路技術發展出的聯結業務、商務、供應鏈等資訊的網路系統和技術, 而工業物聯網是其向邊緣裝置的深入發展.當前的工業物聯網技術能在系統感知與控制層次上解決複雜工業系統的管控問題, 但是在更高的智慧層次上, 在系統資源的使用效率、自適應性、自主性、自組織性和安全性上, 還缺乏有效的、融合系統工程技術的智慧科技.由此, 工業智聯網應運而生, 其使命就是實現工業過程的知識自動化, 為新一代的工業智慧產業提供智慧科技.
圖 1 工業網聯技術的演進過程
工業智聯網旨在實現海量工業實體的智慧化協同, 改變工業生產形態的未來工業基礎設施, 需要運用新一代技術理念, 對不同種類工業實體乃至整個工業網路進行建模和管控, 對工業和社會資源進行高效整合, 從而實現工業實體的智慧化發展.
在工業智聯網的架構下, 會催生以下的智聯網架構, 包括:
1) 農業智聯網: 農業智聯網將農業生產的各個物理、流程和知識環節通過智慧技術有機地融合成一體, 使其能夠自動、自主、自適應、自優化執行.逐漸實現從以人的體力和智力為中心、農業裝備為輔助設施的生產模式, 向以人機協同智慧體為中心的, 自動化、智慧化、知識化農業生產轉變.
2) 交通智聯網:交通智聯網實現交通運輸系統中社會、人、交通裝備、基礎設施、貨物、環境等異構交通要素在智慧與知識層面上的融合, 從而建立起一種可自適應、自優化、自執行的綜合交通運輸管控系統.
3) 能源智聯網: 能源的產生、傳輸、分配、銷售是能源工業的核心業務.圍繞這些核心業務, 能源工業的其他業務也包括公司運營、投資管理、監管法規等.我們期望能源智聯網為以上的能源工業元件提供極大提升其工業效率的技術方法和系統平臺.
4) 企業智聯網: 當代企業管理已經從資訊管理向知識管理邁進.企業智聯網為企業提供知識化和智慧化的管理能力, 併為管理者提供嶄新的管理工具與手段.
5) 社會智聯網: 旨在基於智聯網技術和平臺, 實現社會和經濟的自主優化和管控, 基於物理空間和虛擬空間的融合而實現對社會、經濟問題的描述、預測、引導, 促使向新的智慧社會形態的邁進.
因此， 工業智聯網是一門與工業網際網路、工業物聯網緊密結合, 深度融合的智慧技術和知識工程技術, 其目標為建立包含人機物在內的智慧實體之間知識層次的聯結、實現各智慧體間知識的互聯互通, 是一種全新的、直接面向全社會智慧的複雜協同數信、感控、知識自動化系統.工業智聯網的實施則能夠以極高的效率整合各種工業和社會資源, 極大地減少工業資源的浪費和消耗, 極大地解放工業生產力, 拓展即將出現的“軟體定義工業”、 “類工業領域”、 “廣義工業”、 “社會製造”、 “社會工業”等智慧產業新形態[5].
本文旨在闡述工業智聯網的基本概念、關鍵技術和核心應用, 並對其發展和應用進行展望.
1 工業智聯網的基本概念
工業智聯網屬於複雜系統的範疇, 因此本文對工業智聯網做一個多方位的定義:
1) 工業智聯網作為新興的科學技術門類: 智聯網的目標是達成智慧體群體的“協同知識自動化”和“協同認知智慧”, 即以某種協同的方式進行從原始經驗資料的主動採集、獲取知識、交換知識、關聯知識, 到知識功能, 如推理、策略、決策、規劃、管控等全自動化過程, 因此智聯網的實質是一種全新的、直接面向智慧的複雜、協同知識自動化系統理論和工程技術.
2) 工業智聯網作為未來工業基礎設施:工業智聯網是由社會工程系統聯合感知與驅動以及多層次一體化通訊計算系統支撐的工業系統智慧技術系統和知識服務平臺.
3) 工業智聯網作為工業資源整合配置工具: 工業智聯網深度融合網際網路、物聯網、人機互動、大資料、智慧技術, 實現研發、生產、供應、銷售、服務等工業全鏈條要素的全面聯結、協同與智慧化, 使海量工業智慧實體完成社會化知識協同, 徹底地改變了工業生產形態, 極大地解放和提升社會生產力.
4) 工業智聯網作為智慧產業經濟管控手段: 工業智聯網的使命是重組各種產業, 對其進行建模、分析、管控, 使其以難以想象的高效率自主地運轉和發展; 所有工業實體執行在智慧產業網路的虛擬空間中, 使得監視和管控各個工業單元的執行狀況成為可能, 使得分析每一個產業的巨集觀資料和微觀資料成為可能, 最終形成真正的資料化、知識化、智慧化的智慧產業.
具體而言, 工業智聯網的內涵包括:
1) 知識工程與知識自動化: 知識自動化[6-7], 在廣義上暫無精確的定義, 粗略上可以理解為是一種以自動化的方式變革性地改變知識產生、獲取、分析、影響、實施的有效途徑.狹義上, 知識自動化可認為是廣義知識自動化的應用.知識自動化的關鍵, 在於如何將資訊、情報等與任務和決策無縫、準確、及時、線上地整合起來, 從而實現自動完成各種知識功能與知識服務.這種由知識自動化技術構成的系統, 即為知識自動化系統.知識自動化系統不斷與真實世界進行行為互動、知識互動, 不間斷獲取海量的不同領域、異構、高度併發的資料.知識自動化系統是一個動態且時變的系統, 通過經驗知識的獲取和積累, 不斷改變系統內部內容、形態、方法和結構, 它用自身的複雜性、時變性來理解真實世界的複雜性和時變性.
2) 虛實糾纏的新興工業形態: 針對傳統的工業系統, 在資訊化、數字化的基礎上, 通過計算與實驗的方法構建出虛擬工業系統.通過傳統工業系統與虛擬工業系統的互動, 實現建立智慧化虛實互動、糾纏的新工業系統, 完成對實際工業系統的管理與控制、分析與優化[8].
3) 人在環、社會在環的社會工程系統: 社會系統由三部分系統構成, 即“物理空間”對應的物理工程系統, “賽博空間”對應的人工工程系統以及“社會空間”對應的社會工程系統.根據實際物理工程系統, 構建出相應的人工工程系統.人工工程系統基於大資料技術和AI技術完成對物理系統的實時控制, 兩者同時完成對社會系統的引導[9].社會系統同時對物理系統和人工系統完成實時反饋, 最終實現物理空間、賽博空間、社會空間的互聯互通, 共同融合.
4) 工業資源異構網路及其新型管控模式: 實際的工業資源, 存在著時空尺度異構、實體異構、關係異構等, 藉助社會感測或物理感測、驅動、通訊、計算等技術, 構建形成工業資源異構網路.通過智慧技術、複雜系統工程技術、區塊鏈智慧技術等相關技術手段進行優化、運營、管控.工業資源異構網路功能通過資料中心/計算架構處理, 轉化成知識, 並最終形成知識服務.
2 工業智聯網架構與核心技術
工業智聯網的技術架構主要由資料接入層、通訊計算層、虛擬作業系統層、知識解析綜合層、以及知識服務層組成, 其結構如圖 2所示. 圖 3中所示是在該體系結構下, 新出現的核心技術.本文將工業智聯網新出現的架構與核心技術歸納如下.
圖 2 工業智聯網的技術平臺架構
圖 3 工業智聯網概念架構與核心技術
2.1 數字虛擬工業技術
數字虛擬工業技術基於實際工業裝置執行資料, 通過學習和優化, 建立對應於實際工業系統的虛擬工業系統.藉助軟硬體介面, 兩個系統在執行過程中進行資訊的互動, 協同發展, 基於學習過程中累積的知識, 逐步完善的虛擬工業系統結合實際執行資料, 對工業實體狀態進行評估, 並設計場景進行演化計算實驗對未來態勢進行預測, 幫助實現對複雜實際工業系統的管理控制, 而對實際工業系統實施管控措施後的實時資訊將反饋給虛擬工業系統做後續的評判推演, 兩個系統隨時間不斷進行類似的互動反饋[10].數字虛擬工業技術的原理及流程如圖 4所示.
圖 4 數字虛擬工業技術
利用數字虛擬工業技術, 能夠建立虛實糾纏的工業系統, 從而可挖掘分析實際執行資料, 構建工業裝置數字化壽命模型, 預判執行狀態發展趨勢, 智慧輔助執行人員決策, 實現對工業實體的精確描述、實時預測和智慧引導[11].虛實互動系統的具體設計和互動架構如圖 5所示.
圖 5 虛實互動系統
2.2 新一代知識工程技術
新一代知識工程技術包括單智慧體自主獲取知識的知識自動化技術和多智慧體的知識協同技術.知識自動化, 在廣義上可以定義為是一種以自動化的方式變革性地改變知識產生、獲取、分析、影響、實施的有效途徑, 其關鍵在於對原始資訊、目標任務與最終決策的自然、準確、線上結合[12].知識自動化通過對多尺度時空資訊的組織和特徵化, 揭示資料的低層次內在特徵, 而後進行知識物件及知識物件屬性的提取, 獲取有知識價值的物件及其屬性, 構建知識空間, 最終實現知識的表示和知識功能的實現.知識的協同技術主要包括知識的協同表徵與傳遞, 以及知識的聯結與協同執行, 它通過建立智慧實體之間知識層次的互聯互通, 在聯合知識空間中完成知識功能[13].如圖 6所示, 人們的社會、經濟、技術活動通過“翻譯”的方式實現了自然語言與人工語言的智慧互動, 最終通過智聯網的多種協同結構實現了支撐知識服務、完成知識功能、實現知識消費等多種功能.
圖 6 新一代知識工程技術
將新一代知識工程技術運用於工業智聯網中, 不僅能夠基於單個工業實體的實際執行資料, 完成在生產過程中的知識發現和表示, 進行情景預測和輔助決策, 實現單個工業實體的安全執行和工藝調整; 更重要的是, 能夠建立不同工業實體之間的知識聯結網路, 達到工業知識的協同執行, 在整個工業體系中完成對全鏈條工業實體的綜合分析和統一決策, 實現工業結構整體優化和生產力全面提高.
2.3 工業資源異構複雜網路的建模、分析及管控技術
工業資源異構複雜網路的建模、分析及管控(圖 7)藉助圖處理、深度學習等智慧技術, 對不同型別的工業資源網路進行數字化建模, 基於不同工業資源網路之間的資料對映關係、邏輯關聯性等特徵進行融合性分析, 形成異構工業資源網路, 從而對異構工業資源網路產生的各類資料資訊進行一體化的挖掘.同時, 利用區塊鏈網路智慧合約不可篡改特徵和通證屬性對建立的工業資源異構複雜網路進行管理和控制.
圖 7 工業資源異構複雜網路的建模、分析及管控
利用異構網路建模、分析和管控技術, 可對海量的不同種類工業資源進行深度整合、統一管理和資訊挖掘, 實現高效、安全、準確的分析與控制.
2.4 區塊鏈智慧
區塊鏈智慧技術是一種廣泛應用於社會經濟領域的一種新型技術, 它包括應用於底層的區塊鏈技術和運作於區塊鏈之上的通證經濟體系.如圖 8所示,區塊鏈具有去中心化、自治化、透明不可篡改、可追溯性等特性[14-15], 其應用使傳統上難以流通和商品化的“注意力”與“信用度”成為可以批量化生產的流通商品, 革命性地提升經濟活動範圍與社會效率,區塊鏈技術具有成為智慧經濟的基石的潛質.通證經濟是支撐區塊鏈實現權益快速流動與安全交換的一種機制[16], 構建改變生產力和生產關係的智慧經濟模式離不開通證經濟體系.利用區塊鏈的特性和通證經濟的行為激勵作用, 社會智慧經濟體系中良性經濟行為的參與者會逐步增多, 最終會引領社會經濟導向, 使得整個社會參與者的收益增多.同時, 通證經濟的激勵作用還會優化社會的資源匹配, 通過社會認知學習和溝通交流來提高社會效率.
圖 8 區塊鏈智慧技術
區塊鏈智慧技術是智慧世界中大資料和人工智慧體可靠、可信、安全、高效的聯結途徑, 它利用多代理技術、智慧合約和不可篡改的特性實現對工業資源的安全可信管控, 利用區塊鏈通證屬性對資源進行評估、管理、激勵和引導, 引導工業生態的健康成長和執行[17].基於區塊鏈智慧技術架構的工業資源管控系統可以實現對混合異構工業資源網路的一體化建模、調控、優化和管控, 最終構建一個完整的智慧工業生態系統.
區塊鏈技術可以實現高可信度、無法篡改的分散式資料庫需求, 而運作在其系統上的通證經濟體系又可以通過激勵作用對工業資源進行調控、優化和管控, 因此可以建立起區塊鏈管控系統對工業資源進行安全可信管控.
首先, 在工業資源平臺伺服器上搭建區塊鏈平臺, 設定准入機制, 配置不同的組織關係, 併為各個組織配置相應的通道, 完成底層基礎網路的搭建;
其次, 針對不同工業資源的特性以及個性化的定製需求, 在區塊鏈系統中安裝共識機制互異的智慧合約, 並設定排序節點中的最大區塊數量和最大資料量, 智慧合約的自動執行形成了新型的高效智慧工業鍊形式[18-19];
最後, 採用一定的選擇機制讓某一組織節點對交易進行打包形成區塊, 並對該節點配給一定的通證獎勵, 同時利用大資料分析平臺對工業資產進行評估, 對評估良好的工業資源配給一定數量的通證獎勵, 在後續的交易中通證可以作為手續費附加在智慧合約中被優先打包成區塊, 由此對工業生態的健康成長和執行進行一定程度的引導.區塊鏈上的每個組織都會有記賬節點來進行分散式記賬, 並維護全網的一個公共的賬本; 同時, 對於工業資產資料的讀寫操作均會被記錄到區塊鏈中, 以實現全方位的安全可信管控.
2.5 社會計算
大資料、物聯網、雲端計算等資訊科技的蓬勃發展深刻改變了人與人、人與物、物與物之間的互動方式, 社會計算理論[20-26]作為社會科學和計算科學的交叉融合, 側重於資訊科技在社會活動中的應用以及社會知識在資訊科技中的嵌入和使用, 可有效應對社會及工業問題中的各種複雜動態[27].
圖 9所示為社會計算的整體框架, 包含基於開閉源資訊能源情報的廣泛採集、深度分析、個性化影響、協同產生等多個關鍵步驟.傳統的物理系統通過各類感測器獲得系統的物理訊號, 工程控制論在物理過程的自動化中發揮了極其重要的作用.社會感測器, 就是力圖將物理系統中感測網路獲取物理訊號的概念和手段推廣到網站、部落格、論壇等各類網路空間, 用於社會訊號的採集, 獲取所關注的社會訊號並從中提取出感興趣的資訊.任何企業運營、社會事務、生產過程等方面的管理, 都可以將問題的求解過程擴充套件到由物理訊號和社會訊號共同構成的高維解空間中.
其中, 融合了物理和社會訊號的資料具有海量、形式多樣、高度分散等特點, 採用分散式檔案系統實現對大規模社會資料的儲存和管理, 通過機器學習、資料探勘、模式識別、自然語言理解等技術對海量資訊進行準確抽取、分析、並以使用者可理解的方式展現出來, 最終實現資訊自動抓取、資料規整、資料量化、自動分類聚類、主題檢測等功能, 從而為各行各業的決策提供堅實有力的量化支援.
圖 9 社會計算框架
社會計算系統主要包含四個子系統, 分別是:大資料儲存與計算平臺、全方位社會感測系統、智慧檢索系統、深度挖掘與分析決策系統.網際網路資料結構的多樣性使得資料的處理複雜化, 資料規模的海量性使得計算的巨量化, 資料不確定性和動態性使得資訊處理工作繁瑣化.
針對社會訊號大規模儲存與計算的需求, 需要採用計算機叢集進行分散式儲存, 支援各種結構的資料的儲存問題, 採用平行計算機制可提高海量資料的處理效率, 使平臺達到功能完善、效能穩定、海量儲存能力、高可靠性和高安全性的目標, 從整體上保證社會計算平臺的工作效率.通過分佈廣泛的社會感測器, 對各種社會訊號和社會資料進行不間斷的採集和監控.在網路空間中, 可採用網路爬蟲的手段抓取專案所需的開源資訊, 對多種Web資源的資訊內容進行有序抽取和整理, 提高資料來源的智慧選擇及情報精確率.
在實際的生產管理系統中, 建立從資料來源到資料庫間的資訊通道, 實現資訊的高速無差傳輸.對於海量資料綜合運用查詢擴充套件、知識圖譜等技術, 構建跨媒體的工業資料智慧檢索平臺, 提高資料處理的並行度, 實現智慧檢索.通過機器學習、資料探勘、模式識別、自然語言理解等技術對海量的社會資訊進行準確抽取、分析、並以使用者可理解的方式進行展現, 為工業資料的分析決策提供量化支援.
2.6 邊緣計算
邊緣計算作為一種新型計算模式, 是實現工業智聯網的支撐技術之一[28].相較於雲端計算, 其可以實現對工業邊緣裝置大資料的實時處理, 減少了因資料傳輸給雲端計算中心帶來的網路頻寬問題和實時性需求, 且邊緣計算能夠考慮到邊緣資料的隱私問題及資料上傳時邊緣裝置電能損耗問題[29].邊緣計算通過整合工業網路邊緣上的計算、儲存、網路等形成合一的平臺為工業使用者提供服務, 使得資料在源頭側就能得到有效及時的處理, 或者將邊緣資料部分處理後將資料傳到雲端計算中心處理, 減少點雲端計算中心的壓力[30].
邊緣計算主要是對工業智聯網中邊緣裝置產生的海量資料進行儲存和處理,邊緣計算的下行資料代表著雲服務, 上行資料表代表著工業智聯服務[31].工業網路邊緣裝置既從雲端計算服務中心請求內容及服務, 也進行資料儲存、處理、快取及隱私保護等任務.傳統的MapReduce及Spark等資料處理方法處理不了工業邊緣裝置產生的海量邊緣異構資料, 構建適合於工業智聯網的邊緣計算平臺至關重要.
根據邊緣計算產業聯盟(ECC)的邊緣計算參考架構1.0,邊緣計算包括四個功能域, 分別是應用域、資料域、網路域及裝置域[32]. 應用域支援行業應用本地化入駐, 支撐行業的全生命週期活動、邊緣業務的高效運營與視覺化管理; 資料域對海量邊緣資料進行資料分析與呈現, 資料聚合與互操作, 同時保護資料安全及資料隱私; 網路域提供資料的聚合及系統的互聯; 裝置域通過車床、發動機等工業裝置來實現工業現場裝置的實時智慧互聯及相關的智慧應用.
3 應用模式舉例
3.1 工業智聯網催生智慧工業新模式示例
工業智聯網的高速發展催生了種類繁多的智慧工業新模式. 圖 10展示了社會化大規模商品定製模式的基本流程, 各工業單位通過採用工業智聯網的技術, 將序列的工業生產流水線拆分成了單一的生產單元, 結合區塊鏈智慧合約技術, 每個生產單元通過智慧合約將自己的產品連線進不同的產業鏈中.
消費者可通過在智慧終端輸入需求資料, 制定自己需要的專屬商品, 需求確立後, 將觸發整個生產鏈的智慧合約, 生產鏈中與商品相關的生產單元將通過智慧合約實時定義組成多條生產線, 完成相應的生產指令.生產完成的產品通過智慧合約進行運輸, 直接送到消費者手中, 從而實現商品的社會化大規模定製.同時, 消費者還可通過工業智聯網技術對商品的原材料、零件生產、拼裝運輸等流程進行回溯, 保證生產過程的透明化, 保證商品的高質量和高可信度.
圖 10 社會化大規模定製流程圖
工業資源的管控新模式則是通過工業智聯網技術, 對感測、控制、資訊、計算等不同結構的工業資源網路, 進行一體化建模分析、決策和自主執行, 實現異構網路的互聯互通, 並提供准入介面, 提高異構網路成為智慧工業生態系統的可能性.同時採用分散式管理、智慧合約技術以及不可篡改的方法實現對工業資源的安全可信的管理.
3.2 工業智聯網催生工業系統價值挖掘新模式
在工業智聯網環境下, 對工業系統的價值挖掘工作包括對內生價值的挖掘以及對外在資源的挖掘. 圖 11闡釋了內生價值挖掘過程中採用的相關技術、解決的實際問題以及最終的實現效果.對於工業系統的內生價值挖掘, 具體是通過諸如數字虛擬工業技術、知識工程技術、異構複雜網路建模分析技術以及區塊鏈技術等工業智聯網新興技術, 並建立虛擬的工業系統模型, 模擬分析實體工業執行情況, 保證系統執行穩定; 通過發現生產架構知識, 優化生產結構, 降低產品生產成本; 通過探索資源消耗關係, 合理調整資源配置, 提高資源的有效利用; 通過構建部門參與機制, 建立高效的訊號激勵制度, 增強企業內部的活力.
圖 12闡釋了在外在資源挖掘過程中使用的工業智聯網相關技術及可達到的實現效果, 對於外在資源的挖掘, 可結合社會計算、物聯網資料採集以及知識工程等技術, 通過描繪使用者消費特徵, 以使用者消費特徵為生產導向, 實現商品的針對性生產; 通過建立通證經濟體系, 制定相應的消費激勵措施, 提高商品交易的活力; 通過分析市場資料的變化趨勢, 提前制定市場開發計劃, 增加企業經營的利潤.
圖 11 工業智聯網內生價值挖掘
圖 12 工業智聯網外在資源挖掘
通過智慧技術將工業系統的內生價值和外在資源相融合, 在保證工業系統資料資源安全可靠的基礎上, 實現內在優化價值支撐外在產品推廣, 外在資源導引內在價值發展的良性迴圈.
4 結論
本文詳細地闡述了工業智聯網產生的技術和時代背景、定義與內涵、平臺架構與關鍵技術, 以及其應用模式的兩個示例.
對於當前的工業系統與技術而言, 單個和孤立的智慧技術已經取得了一定的成績, 然而, 工業系統中即將湧現海量的具有一定智慧的實體, 而這些實體在智慧與知識層面上的如何協同和合作卻還是一個開放的問題.如果這個目標能夠實現, 其對社會生產力的提升和對社會形態的影響, 將是難以想象的.因此, 工業智聯網的大規模研究與開發勢在必行, 而我們也期望工業智聯網將為社會化智慧大工業提供一條切實可行而又富有成效的技術路徑與頂層設計.
參考文獻
1 P. C. Evans, M. Annunziata. Industrial Internet: Pushing the Boundaries of Minds and Machines[Online], available: https://www.ge.com/docs/chapters/IndustrialInternet.pdf, June 15, 2017.
2 Wikipedia. Kevin Ashton[Online], available: https://en.wikipedia.org/wiki/KevinAshton, September 20, 2017.
3 GE Digital. Everything You Need to Know About the IndustrialInternet of Things[Online], available: https://www.ge.com/digital/blog/everything-you-need-knowabout-industrial-internet-things, December 8, 2017.
4 W. Ruh. Why GE Digital Is Positioned To Lead The Industrial Internet Of Things[Online], available: https://www.ge.com/reports/ge-digital-positionedlead-industrial-internet-things-2/, December 19, 2017.
5 Wang Fei-Yue, Zhang Jun. Internet of minds:the concept, issues and platforms. Acta Automatica Sinica, 2017, 43(12): 2061-2070.
( 王飛躍, 張俊. 智聯網:概念、問題和平臺. 自動化學報, 2017, 43(12): 2061-2070.)
6 Wang Fei-Yue. The destiny: towards knowledge automation-preface of the special issue for the 50th anniversary of Acta Automatica Sinica. Acta Automatica Sinica, 2013, 39(11): 1741-1743.
( 王飛躍. 天命唯新: 邁向知識自動化-《自動化學報》創刊50週年專刊序. 自動化學報, 2013, 39(11): 1741-1743.)
7 Wang Fei-Yue. On future development of robotics: from industrial automation to knowledge automation. Science & Technology Review, 2015, 33(21): 39-44.
( 王飛躍. 機器人的未來發展:從工業自動化到知識自動化. 科技導報, 2015, 33(21): 39-44.)
8 Li L, Lin Y L, Zheng N N, Wang F Y. Parallel learning: a perspective and a framework. IEEE/CAA Journal of Automatica Sinica, 2017, 4(3): 389-395. DOI:10.1109/JAS.2017.7510493
9 Wang F Y, Zhang J J, Wang X. Parallel intelligence: toward lifelong and eternal developmental AI and learning in cyber-physical-social spaces. Frontiers of Computer Science, 2018, 12(3): 401-405. DOI:10.1007/s11704-018-7903-5
10 Giacobini M, Brabazon A, Cagnoni S, Di Caro G A, Drechsler R, Ekart A, et al. Applications of Evolutionary Computing. Berlin Heidelberg: Springer-Verlag, 2001. 1-698.
11 Dong M X, Ranjan R, Zomaya A Y, Lin M. Guest editorial on advances in tools and techniques for enabling cyberphysical-social systems-Part Ⅰ. IEEE Transactions on Computational Social Systems, 2015, 2(3): 38-40. DOI:10.1109/TCSS.2016.2527158
12 Wang Fei-Yue. Software-defined systems and knowledge automation: a parallel paradigm shift from Newton to Merton. Acta Automatica Sinica, 2015, 41(1): 1-8.
(王飛躍. 軟體定義的系統與知識自動化:從牛頓到默頓的平行昇華. 自動化學報, 2015, 41(1): 1-8. DOI:10.3969/j.issn.1003-8930.2015.01.001)
13 Wang Fei-Yue, Sun Qi, Jiang Guo-Jin, Tan Ke, Zhang Jun, Hou Jia-Chen, et al. Nuclear energy 5.0:new formation and system architecture of nuclear power industry in the new IT era. Acta Automatica Sinica, 2018, 44(5): 922-934.
( 王飛躍, 孫奇, 江國進, 譚珂, 張俊, 侯家琛, 等. 核能5.0:智慧時代的核電工業新形態與體系架構. 自動化學報, 2018, 44(5): 922-934.)
14 Zhang Jun, Gao Wen-Zhong, Zhang Ying-Chen, Zheng XinHu, Yang Liu-Qing, Hao Jun, et al.Blockchainbased intelligent distributed electrical energy systems: needs, concepts, approaches and vision. Acta Automatica Sinica, 2017, 43(9): 1544-1554.
( 張俊, 高文忠, 張應晨, 鄭心湖, 楊柳青, 郝君, 等. 運行於區塊鏈上的智慧分散式電力能源系統:需求、概念、方法以及展望. 自動化學報, 2017, 43(9): 1544-1554.)
15 Ping Jian, Chen Si-Jie, Zhang Ning, Yan Zheng, Yao LiangZhong. Decentralized transactive mechanism in distribution network based on smart contract. Proceedings of the CSEE, 2017, 37(13): 3682-3690.
( 平健, 陳思捷, 張寧, 嚴正, 姚良忠. 基於智慧合約的配電網去中心化交易機制. 中國電機工程學報, 2017, 37(13): 3682-3690.)
16 Zhang J, Wang F Y, Chen S Y. Token economics in energy systems: concept, functionality and applications. eprint arXiv: 1808.01261, 2018. http://econpapers.repec.org/RePEc:arx:papers:1808.01261
17 Klitgaard T, Reddy R. Lowering electricity prices through deregulation. Current Issues in Economics and Finance, 2000, 6(14): 1-6.
18 Hu Kai, Bai Xiao-Min, Gao Ling-Chao, Dong Ai-Qiang. Formal verification method of smart contract. Journal of Information Securyity Research, 2016, 2(12): 1080-1089.
( 胡凱, 白曉敏, 高靈超, 董愛強. 智慧合約的形式化驗證方法. 資訊保安研究, 2016, 2(12): 1080-1089.)
19 Yuan Yong, Wang Fei-Yue.Blockchain:the state of the art and future trends. Acta Automatica Sinica, 2016, 42(4): 481-494.
( 袁勇, 王飛躍.區塊鏈技術發展現狀與展望. 自動化學報, 2016, 42(4): 481-494.)
20 Wang F Y. Social computing: concepts, contents, and methods. International Journal ofIntelligent Control and Systems, 2004, 9(2): 91-96.
21 Wang Fei-Yue. The significance of social computing and its prospects. Communications of CCF, 2006, 2(2): 8-17.
( 王飛躍. 社會計算的意義及其展望. 中國計算機學會通訊, 2006, 2(2): 8-17.)
22 Wang Fei-Yue. Artificial societies, computational experiments, and systems: a discussion on computational theory of complex social-economic systems. Complex Systems and Complexity Science, 2004, 1(4): 25-35.
( 王飛躍. 人工社會、計算實驗、平行系統一關於複雜社會經濟系統計算研究的討論. 複雜系統與複雜性科學, 2004, 1(4): 25-35. DOI:10.3969/j.issn.1672-3813.2004.04.002)
23 Wang F Y. Toward a paradigm shift in social computing: the ACP approach. IEEEIntelligent Systems, 2007, 22(5): 65-67. DOI:10.1109/MIS.2007.4338496
24 Lazer D, Pentland A, Adamic L, Aral S, Barabasi A-L, Brewer D, et al. Social science: computational social science. Science, 2009, 323(5915): 721-723. DOI:10.1126/science.1167742
25 Schuler D. Social computing. Communications of the ACM, 1994, 37(1): 28-29. DOI:10.1145/175222.175223
26 Yang Q, Zhou Z H, Mao W J, Li W, Liu N N. Social learning. IEEEIntelligent Systems, 2010, 25(4): 9-11. DOI:10.1109/MIS.2010.103
27 Leskovec J, Huttenlocher D, Kleinberg J. Predicting positive and negative links in online social networks. In: Proceedings of the 19th International Conferences on World Wide Web. Raleigh, North Carolina: ACM, 2010. 641-650 http://www.mendeley.com/catalog/predicting-positive-negative-links-online-social-networks/
28 Satyanarayanan M. The emergence of edge computing. Computer, 2017, 50(1): 30-39. DOI:10.1109/MC.2017.9
29 Shi W S, Cao J, Zhang Q, Li Y Z, Xu L Y. Edge computing: vision and challenges. IEEEInternet of ThingsJournal, 2016, 3(5): 637-646. DOI:10.1109/JIOT.2016.2579198
30 Shi W S, Dustdar S. The promise of edge computing. Computer, 2016, 49(5): 78-81. DOI:10.1109/MC.2016.145
31 Shi Wei-Song, Sun Hui, Cao Jie, Zhang Quan, Liu Wei. Edge computing-an emerging computing model for the internet of everything era. Journal of Computer Research and Development, 2017, 54(5): 907-924.
( 施巍鬆, 孫輝, 曹傑, 張權, 劉偉.邊緣計算: 萬物互聯時代新型計算模型. 計算機研究與發展, 2017, 54(5): 907-924.)
32Edge ComputingConsortium. White Paper ofEdge ComputingConsortium [Online], available: http://www.ecconsortium.net/Uploads/file/20161208/1481181867831374.pdf, June 15, 2017.
原文連結： ofollow,noindex" target="_blank">https://mp.weixin.qq.com/s/y0GQzio4NjJ3MHqi89OkSQ