朱衛(wèi)列在2022全球數字價值峰會
9月17日，在2022數字價值峰會（北京站）重點行業(yè)智能制造與集團數字化管控高峰論壇上，中國計算機用戶協(xié)會工業(yè)互聯網與大數據應用分會理事長朱衛(wèi)列以《新一代智能制造（CPS）應用研究》為題，分享了他近期對于新一代智能系統(tǒng)CPS的應用研究。
業(yè)界早年就提出了CPS概念，近幾年中國工程院又提出了HCPS的論述，并指出HCPS是“新一代智能制造”的核心技術。朱衛(wèi)列認為，CPS的本質是通過采集工業(yè)大數據、實時計算、建立信息物理模型，以實現對工業(yè)系統(tǒng)及外部環(huán)境的自感知、自適應，再回到控制系統(tǒng)，實現對工業(yè)系統(tǒng)的動態(tài)、精準執(zhí)行，解決生產制造環(huán)節(jié)中節(jié)能、綠色環(huán)保及安全問題。CPS的目的就是要取代人，幫助人類優(yōu)化智能制造過程，所以他認為CPS才是未來，而不是HCPS。
朱衛(wèi)列在演講中分析了工業(yè)3.0時代核心技術之一的自控系統(tǒng)的功能不足，分享了發(fā)電廠利用CPS技術，建立煤粉溫度場等一系列復雜工業(yè)系統(tǒng)的信息物理模型的經驗，提出了CPS與DCS的架構關系，對比了工業(yè)3.0時代的DCS、PLC產品與工業(yè)4.0時代的CPS產品形態(tài)和核心技術差異。
以下為朱衛(wèi)列演講全文，略經鈦媒體App編輯：
我的發(fā)言主題是《新一代智能制造（CPS）應用研究》。
CPS與信息物理模型的意義
分四個方面來講。首先來看下CPS、HCPS的概念及產生的淵源。
2017年，中國工程院提出了新一代智能制造技術HCPS（人-信息-物理系統(tǒng)）概念，隨后在HCPS主課題之外，發(fā)布了《流程工業(yè)智能優(yōu)化制造分課題研究報告》，對流程型工業(yè)智能制造存在的技術難點以及HCPS架構等問題進行了闡釋；2022年4月，中國工程院又提出“新一代智能制造”的概念，并且提出了兩個觀點：
1. “新一代智能制造”是新一代工業(yè)革命的核心技術；
2. “新一代智能制造”的技術機理是“人- 信息- 物理系統(tǒng)（HCPS）”。
由此，我們可以看出，中國工程院的觀點是：HCPS 將是從工業(yè)3.0邁向新一代工業(yè)革命，即工業(yè)4.0的核心技術。
HCPS如何來的？顯然是借用了CPS概念。CPS最早是1992年被NASA（美國國家航空航天局）提出來的。它的本質構建一套信息（Cyber）空間與物理（Physical）空間之間基于數據自動流動的狀態(tài)感知、實時分析、科學決策、精準執(zhí)行的閉環(huán)賦能體系，解決生產制造、應用服務過程中的復雜性和不確定性問題，提高資源配置效率，實現資源優(yōu)化。
我本人更支持CPS的概念，認為CPS才是工業(yè)4.0的未來，而不是HCPS。HCPS是在CPS之上加了H，就是人去輔助決策，或者通過人進行輔助控制， 這一方面是對工業(yè)了解得不夠深，沒有看到工業(yè)的復雜性，并高估了人對復雜的工業(yè)系統(tǒng)的計算和分析能力；另一方面是對工業(yè)數據的采集、計算、反饋“頻率”的重要性、一致性缺乏理解，早在 HCPS概念提出之前，工業(yè)領域便開發(fā)過許多類似于HCPS的“專家輔助決策系統(tǒng)”，專家輔助決策系統(tǒng)出發(fā)點上是好的，但實際應用成功的案例非常少，系統(tǒng)驗收后不久便會成為擺設，因為專家作為H不可能“實時在線”地進行輔助決策。因此， HCPS作為新一代智能制造的技術方向和核心技術該受到質疑的，HCPS應是走向CPS技術體系的過渡性技術方案，未來會逐步發(fā)展稱為CPS。
反之，CPS的目的就是要取代人，新一代工業(yè)革命的目的是盡可能通過CPS等工業(yè)智能技術取代人的決策，用機器智能取代人的智能，所以說工業(yè)4.0的未來是CPS。
我后面的講解將以CPS概念進行論述。
談到工業(yè)4.0我們不得不回顧一下工業(yè)3.0的核心代表技術之一DCS，DCS稱為分散控制系統(tǒng)，在流程型工業(yè)中，特別是在電力、冶金、石化行業(yè)應用極其廣泛，可以說DCS代表了工業(yè)3.0時代的技術水平，它把工業(yè)制造水平由過去的機械化、電氣化帶到了自動化。然而，在邁向工業(yè)4.0的過程中，我們重新審視以DCS為代表的工業(yè)控制系統(tǒng)，我們發(fā)現它存在以下問題：
首先，控制系統(tǒng)的控制參數不能隨著控制對象（工業(yè)系統(tǒng)）的變化而變化，也就是說不具有自適應功能。盡管科技界有許多關于自適應控制的研究，也有許多成果應用，但大型流程工業(yè)中沒有自適應控制功能的系統(tǒng)還占主流。我們知道控制系統(tǒng)的設計是需要通過控制系統(tǒng)（控制器）去控制工業(yè)系統(tǒng)，然而我們的工業(yè)系統(tǒng)（由一系列工業(yè)設備組成）并不是一成不變的，在長期的運行過程中會出現磨損、老化，我們常常稱為性能“劣化”，有些工業(yè)設備及執(zhí)行機構甚至會出現卡澀、拒動等等現象。但是，對于工業(yè)系統(tǒng)的劣化，控制系統(tǒng)參數設置并不會隨之調整：大多數情況下控制系統(tǒng)的參數設置是在工業(yè)系統(tǒng)投產前的調試階段或工業(yè)系統(tǒng)大修之后調試設置好的，這樣就造成了控制系統(tǒng)與工業(yè)系統(tǒng)之間的“脫節(jié)”，工業(yè)對象在逐步劣化，而控制參數不變，工業(yè)系統(tǒng)運行一段時間后，便會偏離最佳效率區(qū)域運行。
第二，無法有效感知工業(yè)系統(tǒng)外部環(huán)境變化，對外部環(huán)境變化缺乏適應性。工業(yè)系統(tǒng)的運行往往與外部環(huán)境密不可分，外部環(huán)境的微小變化，對系統(tǒng)的運行影響決不能忽視。然而傳統(tǒng)的DCS系統(tǒng)很難感知到這種變化，無法進行有針對性的控制調整。比如燃煤電廠燒的煤，煤種成分經常性發(fā)生變化，對燃燒效率及機組運行效率均會產生影響，目前的控制系統(tǒng)很難感知并適應這種細微變化。
第三，控制系統(tǒng)在低工況運行時問題更多，使得工業(yè)系統(tǒng)在低工況運行時更加遠離該工況下的最佳效率點。行業(yè)中往往給予了滿負荷附近的工作點以更大的關注，控制系統(tǒng)參數調整做的比較精細、認真，而對于遠離滿負荷工作點，調試往往不夠到位。近年來由于需要優(yōu)先調用清潔能源的原因，燃煤發(fā)電機組需要更多時間進行深度調峰，工業(yè)系統(tǒng)調試的不夠精細，帶來的經濟損失很大。
最后，自動控制系統(tǒng)本身的局限性：自動化控制需要一個變量（操作變量）去影響另一個目標變量（被控變量）。這里內涵一個根本性假設：變量之間存在“因果”關系。只有具有因果關系的變量集合，才能形成“控制回路”并構成自動控制系統(tǒng)。但工業(yè)系統(tǒng)中存在著大量復雜系統(tǒng)，往往是變量很多，關系復雜，互相之間的因果關系不明顯，給設計控制系統(tǒng)設計帶來了極大的難度，很多微量的影響因素很難在控制系統(tǒng)里實現。
然而，各個物理量之間關系復雜、或關系不明顯并非表示他們之間沒有關聯和邏輯關系，經過多年的探索與實踐我們發(fā)現：有了工業(yè)大數據以后，我們可以通過數據去建立這些物理量之間的“信息物理模型”，形成多個物理量之間的數據及邏輯關系，而這正是CPS的意義所在。
今天我們設計CPS新一代智能制造的目的就是要有效解決工業(yè)3.0中工業(yè)控制系統(tǒng)存在的問題，要讓控制系統(tǒng)的參數能夠伴隨設備的劣化而調整、變化，要讓CPS感知外部環(huán)境輸入量的微小變化而可以進行實時調整，并控制工業(yè)系統(tǒng)在全工況下持續(xù)運行在最佳工作點上，也就是說賦予我們的工業(yè)系統(tǒng)具有自感知、自適應的智能化功能，最重要的是要利用好工業(yè)大數據，基于工業(yè)大數據建立起一個個工業(yè)系統(tǒng)的信息系統(tǒng)模型，由此帶動工業(yè)走向智能化之路。
讓我們回到現實中來，分析一下自動化程度非常高的發(fā)電企業(yè)的生產、控制過程。在所有的燃煤發(fā)電廠里，工業(yè)系統(tǒng)主要是鍋爐、汽輪機、發(fā)電機以及相關的輔機，如閥門、泵、電動機等等一起組成的互相連接的系統(tǒng)，控制系統(tǒng)通過控制指令控制這些工業(yè)系統(tǒng)的開度、轉速、流量、壓力等等，然而，無論我們的DCS有多么的先進，發(fā)電廠中依然還有人工操作盤，運行人員需要經常性的進行手工操作，輔助控制整個機組運行。我們知道發(fā)電企業(yè)經濟運行極為重要，經濟運行就需要尋找在不同負荷下的最低煤耗點，然而擺在運行人員面前可供他們進行手動調節(jié)的關鍵量有十多個，這就意味著我們的運行人員需要在自身腦海中構建一個“多維復雜系統(tǒng)模型”，然后進行精準的操作才能完成任務，顯然這不是簡單的事情。
很多發(fā)電廠在推行“小指標考核”，試圖通過考核、評比的辦法促進運行人員關注每一個微小的節(jié)能指標，摸索出規(guī)律、然后再實時微調，這種管理方法起到了一定的效果，但客觀地說超過10個以上的參數調整、優(yōu)化已經超出了運行人員的思維極限和知識結構。
我們再來看看真實的數據，許多燃煤發(fā)電機組煤耗如下圖：同樣負荷下的煤耗差竟然達20%以上，如此高的離散度顯然不是單一原因造成的，我們前面提到設備劣化、燃煤成分變化等等因素都會影響煤耗，與此同時，不同的運行人員對工業(yè)系統(tǒng)的理解存在差異，并由此帶來不同的操作，這些均是煤耗離散度大的原因。
其實，也就在幾年前，我們的一些科技工作者還試圖通過統(tǒng)計學的方法擬合出機組“功率與煤耗曲線”，并嘗試利用該曲線進行不同機組之間的負荷分配，當時我對此建議還持肯定態(tài)度，后期當我看到數據離散度如此之大時，我認為這一方案是有問題的。
這就是工業(yè)的現狀！在工業(yè)3.0時代，我們建立了強大的DCS系統(tǒng)，它支撐了我們工業(yè)的發(fā)展、進步，但它不完善。我們不能將工業(yè)這樣的復雜系統(tǒng)簡單的交給現場的運行人員，讓他們日以繼夜去摸索、去積累經驗，科學界、工程界應該努力通過系統(tǒng)性的方法解決復雜系統(tǒng)問題，這是我們的使命和職責。
如今我們終于發(fā)現：我們可以利用工業(yè)大數據構建起工業(yè)系統(tǒng)的“信息物理模型”，讓這些模型取代運行人員腦子中的經驗及自以為是，讓機器智能取代人腦智能的局限性，這項技術就是CPS！
CPS在煤電廠的應用
我們知道流程型工業(yè)一直致力于：高效、綠色、安全可靠，這三個目標的實現均與CPS有關，也就是與信息物理模型有關?！案咝А鄙婕暗念I域較寬，也是最難的，原因是我們前面提到的系統(tǒng)復雜，波動性大，因此也屬于世界難題。
我們的做法首先是獲取工業(yè)大數據，選擇與“高效”性能相關的傳感器數據。所謂工業(yè)大數據均是從生產控制系統(tǒng)DCS那里獲取的生產實時數據，不是互聯網或一些大數據公司常提的Hadoop、Spark。
其次，分析物理過程，這需要我們對發(fā)電鍋爐燃燒的過程、熱交換等物理過程進行逐一分析、建立關聯關系。
再次，就是計算，通過計算構建與能耗有關的信息物理模型。
需要特別指出的是：經過多年的實踐我們發(fā)現：過去人們研究燃燒過程中，往往將關注點放在火焰中心點溫度上，現在我們終于意識到更為關鍵技術卻應是煤粉燃燒溫度場模型，且溫度場模型應該圍繞著煤粉燃燒的軌跡去建立，讓煤粉在爐膛中持續(xù)保持較高的溫度。上圖中的煤粉行程軌跡中，一方面要控制風機的風量等等參數，使得煤粉燃燒有較高的溫度，另一方面還要使得煤粉行程拋物線（煤粉溫度場曲線）持續(xù)保持高溫下燃燒，讓煤粉燃燒不斷釋放熱能。這里的煤粉燃燒溫度場就是我們前面提到的關鍵技術：信息物理模型。
煤粉燃燒過程是復雜非線性系統(tǒng)，我們采用了N個線性時變動態(tài)方程進行求解。這中間的技術當然比較復雜，需要引入狀態(tài)量、特征指標以及向量空間等等概念，由于技術太過復雜，細節(jié)這里不再講述。
電力行業(yè)通常每發(fā)一千瓦時的電能夠降低一克煤的消耗都是很困難的事情，但經過幾千次的調整操作、近百次對比試驗，我們的燃煤電廠CPS技術方案可以降低幾克煤、或近十克煤，對此許多人是不信的，但可以告訴大家的是，實際現場的技術效果遠比我們對外宣傳的要大的多，道理很簡單：對于幾十個變量，人的計算能力怎么能夠超過計算機？這就是智能化的力量！事實是：越是傳統(tǒng)的領域，智能化的作用越大。下圖是某發(fā)電廠的案例：
如今，這項CPS技術已經開始推廣到幾個發(fā)電集團，并在7臺燃煤發(fā)電機組上做過試驗，其技術、經濟指標如下圖：
借此機會，再提一下低碳、深度調峰問題。綠色低碳也是未來工業(yè)的重要指標，在CPS應用中可以作為單獨的目標進行求解。在燃煤發(fā)電廠的生產運行中，節(jié)能與綠色低碳有著高度正相關，因為降低了發(fā)電煤耗，每發(fā)一千瓦時的電少燃燒了煤，直接減少了CO2的排放。深度調峰屬于低負荷運行，這也與CPS在低負荷下的信息物理模型建立有關，只要我們在模型訓練時有低負荷的運行數據，后面的問題即可解決，包括低負荷下的節(jié)能問題也是一樣。
最后，我們說鍋爐優(yōu)化燃燒只是我們CPS研究的其中一個實戰(zhàn)案例，其他的案例我們不再逐一介紹了。
CPS功能架構
我從三方面總結一下CPS功能與架構。
第一，關于CPS的智能化屬性問題。CPS首先能夠感知工業(yè)系統(tǒng)本身的劣化，這種感知依靠的是工業(yè)數據的反饋，因為我們采集的工業(yè)系統(tǒng)（對象）的數據，這些數據反映了工業(yè)系統(tǒng)的劣化的過程；其次，CPS也能感知到外部環(huán)境的變化，煤種熱值、含水量等等成分變化均在燃燒過程中通過其他數據得以反映，CPS通過系統(tǒng)辨識計算后可以自適應、調整控制參數，獲得更佳的熱效率。最后，由于無論是在大數據訓練階段還是實戰(zhàn)階段，機組經歷了各種工況運行，信息物理模型建立在絕大多數工況的數據基礎上，我們所計算的最佳工作點是各個工況下的集合，這確保了我們能夠在各個運行工況下的經濟尋優(yōu)。
第二，CPS應用架構應包含“狀態(tài)感知、動態(tài)分析和優(yōu)化決策”3個功能，具體如上圖。但CPS的具體應用需要根據工業(yè)需求進行補充完善。針對優(yōu)化運行等節(jié)能領域的應用，在建立信息物理模型之后，CPS還需要進行性能優(yōu)化的效率對比計算，以便找到不同內、外部條件下的最低能源消耗點的集合。之后，還必須計算通向能耗最低點的途徑或路徑，找路徑很像在野外登山時尋找最佳路線：我們看到3維的山巒表面景象（3維物理模型）之后，我們很快可以在此3維曲面上找到達到頂峰的最佳的途徑。多維系統(tǒng)也一樣，建立了信息物理模型之后，我們再計算找到通向最佳點的途徑，這樣，我們便可以通過控制系統(tǒng)進行相應的調整，實現在最低能耗點工作的目標。
第三，CPS與工業(yè)系統(tǒng)及控制系統(tǒng)的架構關系。對于大多數工業(yè)系統(tǒng)，CPS可采用單獨設計、訓練后，再嫁接、并行到原有的控制系統(tǒng)中，CPS修訂原有控制系統(tǒng)的一些參數，使之能夠智能適應內、外部環(huán)境的變化。上圖是CPS與原有DCS一并工作的示意圖，加一個智能盒子后，通過在控制系統(tǒng)里加偏差實現智能優(yōu)化功能。原來這種偏差靠人調整，現在是靠智能系統(tǒng)了。
思考與總結
我們常常思考：我們將從工業(yè)3.0邁向工業(yè)4.0，由自動化走向智能化，那么自動化時代有代表性產品，如：PLC、DCS等等，而到了智能化時代，智能化產品形態(tài)是什么？在智能化時代，有沒有一個類似于DCS的產品？這樣的產品應具有一定的普適性，能夠得以廣泛應用。另外，自動化時代成就了一批控制系統(tǒng)公司，如西門子、ABB、羅克韋爾等，那步入智能化時代，實現工業(yè)智能化的主體是哪類公司？這些公司該具有哪些基本技術與能力？
上述問題我今天還不能完全、準確回答，唯有結合本文開頭中國工程院的結論以及我們多年的探索、實踐，我們認為：工業(yè)3.0是自控系統(tǒng)的天下，產品是PLC、DCS，核心技術是過程控制、邏輯控制等等；那么到工業(yè)4.0時代將是“新一代智能系統(tǒng)”的天下，其產品是CPS，其核心技術是基于工業(yè)大數據的信息物理模型。
未來CPS將具有極大的普適性。
謝謝大家的聆聽，有不對的地方歡迎指正。我們協(xié)會也會組織有志于從事CPS研究的企業(yè)、機構、學者和工程師共同探討這項技術。
好了，這篇文章的內容發(fā)貨聯盟就和大家分享到這里，如果大家網絡推廣引流創(chuàng)業(yè)感興趣，可以添加微信：80709525 備注：發(fā)貨聯盟引流學習； 我拉你進直播課程學習群，每周135晚上都是有實戰(zhàn)干貨的推廣引流技術課程免費分享！
