工业智联网：基本概念、关键技术与核心应用-信誉度查询

摘要：本文首先阐述了工业网联技术的演化过程，重点讨论了工业智联网产生的技术和时代背景.然后探讨了工业智联网的基本概念、内涵与应用领域。

本文详细介绍了工业智联网的关键技术，包括数字虚拟工业技术、新一代知识工程技术、工业资源异构复杂网络管控技术、区块链智能、社会计算、边缘计算等，及其技术平台架构.最后我们以智能工业新模式和工业系统价值挖掘为示例，举例说明工业智联网的应用模式.

【关键词】工业智联网、知识自动化、虚拟数字工业、复杂系统理论、区块链、社会计算

引用格式 王飞跃, 张军, 张俊, 王晓. 工业智联网:基本概念、关键技术与核心应用[J]. 自动化学报, 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

自上世纪中期以来, 工业技术(Industrial technology)和信息技术(Information technology)融合的过程就已经开始, 其进程由于网络技术的发展而加速, 而工业控制系统的演化就是这一融合过程的范例.网络化的工业控制主要经历了以下几个阶段: 20世纪六七十年代的模拟仪表控制系统、八九十年代的集散控制系统、21世纪的现场总线系统.在这些阶段, 技术发展聚焦于在工业现场本地的工业过程信息化与自动化.

2012年, 对应网络信息技术的发展, 国际工业技术巨头GE (General Electric)公司提出了工业互联网的概念并发表工业互联网白皮书[1].在白皮书中, GE将工业互联网的精髓阐述为:智能机器(Intelligent machines)、高级分析(Advanced analytics)、工作人员(People at work)三要素的深度融合.纵观GE的工业互联网, 是以工业系统为中心的基于互联网的工业、信息、网络、人机结合的融合技术.

随着科技的飞速发展, 物联网(Internet of things, IoT)概念和技术也得到了迅速的普及.物联网理念的起源比较公认的说法是由Kevin Aston在1999年在Procter & Gamble (P & G)的一次演讲中提出[2], 其工业应用的价值与意义显而易见.对应于物联网技术, 工业互联网的概念逐步演变成为工业物联网的概念, 但工业物联网(Industrial internet of things, IIoT)的起源却没有公认的结论. 2016和2017年, 王飞跃教授分别在IEEE TAB (Technical activity board meeting)未来方向IoT会议和IEEE射频识别委员会(Council on RFID)上提出设立工业物联网专业工作委员会. 2017年底, IEEE计算机学会将工业物联网列为2018年的十大技术发展趋势之一.

对于从工业互联网到工业物联网的转换过程, GE在其官网上一方面宣称“工业物联网即工业互联网”(“The industrial internet of things (IIoT), also known as the industrial internet”)[3], 而在同一篇文档里, GE也承认工业物联网确是工业互联网在客户端的扩展: “One perspective is to think of the Industrial Internet as connecting machines and devices in industries ⋯⋯ On the other hand, the Internet of Things tend to include consumer-level devices ⋯⋯”

在最近的发展中, 工业物联网的概念正迅速取代工业互联网的概念, 无论是在以GE为代表的美国工业界还是以西门子、ABB为代表的欧洲工业界, 工业物联网已成为工业网联系统的主流技术框架. 2017年8月, GE数字部门CEO, William Ruh在官网发表文章“为什么GE数字部门定位于工业物联网领袖(Why GE digital is positioned to lead the industrial internet of things)”[4], 而在这篇文章里通篇再未见“工业互联网”字样.西门子工业也将其工业平台MindSphere定义为“MindSphere是基于云技术的、开放物联网操作系统(MindSphere is the cloud-based, open IoT operating system)”.

图 1描述了工业网联技术在各个时期的不同发展阶段.我们认为工业互联网是其中的一个重要发展阶段, 就是基于互联网技术发展出的联结业务、商务、供应链等信息的网络系统和技术, 而工业物联网是其向边缘装置的深入发展.当前的工业物联网技术能在系统感知与控制层次上解决复杂工业系统的管控问题, 但是在更高的智能层次上, 在系统资源的使用效率、自适应性、自主性、自组织性和安全性上, 还缺乏有效的、融合系统工程技术的智能科技.由此, 工业智联网应运而生, 其使命就是实现工业过程的知识自动化, 为新一代的工业智能产业提供智能科技.

图 1 工业网联技术的演进过程

Figure 1 The evolutionary process of inter-connected industrial technology

工业智联网旨在实现海量工业实体的智能化协同, 改变工业生产形态的未来工业基础设施, 需要运用新一代技术理念, 对不同种类工业实体乃至整个工业网络进行建模和管控, 对工业和社会资源进行高效整合, 从而实现工业实体的智能化发展.

在工业智联网的架构下, 会催生以下的智联网架构, 包括:

1) 农业智联网: 农业智联网将农业生产的各个物理、流程和知识环节通过智能技术有机地融合成一体, 使其能够自动、自主、自适应、自优化运行.逐渐实现从以人的体力和智力为中心、农业装备为辅助设施的生产模式, 向以人机协同智能体为中心的, 自动化、智能化、知识化农业生产转变.

2) 交通智联网: 交通智联网实现交通运输系统中社会、人、交通装备、基础设施、货物、环境等异构交通要素在智能与知识层面上的融合, 从而建立起一种可自适应、自优化、自运行的综合交通运输管控系统.

3) 能源智联网: 能源的产生、传输、分配、销售是能源工业的核心业务.围绕这些核心业务, 能源工业的其他业务也包括公司运营、投资管理、监管法规等.我们期望能源智联网为以上的能源工业组件提供极大提升其工业效率的技术方法和系统平台.

4) 企业智联网: 当代企业管理已经从信息管理向知识管理迈进.企业智联网为企业提供知识化和智能化的管理能力, 并为管理者提供崭新的管理工具与手段.

5) 社会智联网: 旨在基于智联网技术和平台, 实现社会和经济的自主优化和管控, 基于物理空间和虚拟空间的融合而实现对社会、经济问题的描述、预测、引导, 促使向新的智能社会形态的迈进.

因此, 工业智联网是一门与工业互联网、工业物联网紧密结合, 深度融合的智能技术和知识工程技术, 其目标为建立包含人机物在内的智能实体之间知识层次的联结、实现各智能体间知识的互联互通, 是一种全新的、直接面向全社会智能的复杂协同数信、感控、知识自动化系统.工业智联网的实施则能够以极高的效率整合各种工业和社会资源, 极大地减少工业资源的浪费和消耗, 极大地解放工业生产力, 拓展即将出现的“软件定义工业”、 “类工业领域”、 “广义工业”、 “社会制造”、 “社会工业”等智能产业新形态[5].

本文旨在阐述工业智联网的基本概念、关键技术和核心应用, 并对其发展和应用进行展望.

1 工业智联网的基本概念

工业智联网属于复杂系统的范畴, 因此本文对工业智联网做一个多方位的定义:

1) 工业智联网作为新兴的科学技术门类: 智联网的目标是达成智能体群体的“协同知识自动化”和“协同认知智能”, 即以某种协同的方式进行从原始经验数据的主动采集、获取知识、交换知识、关联知识, 到知识功能, 如推理、策略、决策、规划、管控等全自动化过程, 因此智联网的实质是一种全新的、直接面向智能的复杂、协同知识自动化系统理论和工程技术.

2) 工业智联网作为未来工业基础设施: 工业智联网是由社会工程系统联合感知与驱动以及多层次一体化通信计算系统支撑的工业系统智能技术系统和知识服务平台.

3) 工业智联网作为工业资源整合配置工具: 工业智联网深度融合互联网、物联网、人机交互、大数据、智能技术, 实现研发、生产、供应、销售、服务等工业全链条要素的全面联结、协同与智能化, 使海量工业智能实体完成社会化知识协同, 彻底地改变了工业生产形态, 极大地解放和提升社会生产力.

4) 工业智联网作为智能产业经济管控手段: 工业智联网的使命是重组各种产业, 对其进行建模、分析、管控, 使其以难以想象的高效率自主地运转和发展; 所有工业实体运行在智能产业网络的虚拟空间中, 使得监视和管控各个工业单元的运行状况成为可能, 使得分析每一个产业的宏观数据和微观数据成为可能, 最终形成真正的数据化、知识化、智能化的智能产业.

具体而言, 工业智联网的内涵包括:

1) 知识工程与知识自动化: 知识自动化[6-7], 在广义上暂无精确的定义, 粗略上可以理解为是一种以自动化的方式变革性地改变知识产生、获取、分析、影响、实施的有效途径.狭义上, 知识自动化可认为是广义知识自动化的应用.知识自动化的关键, 在于如何将信息、情报等与任务和决策无缝、准确、及时、在线地整合起来, 从而实现自动完成各种知识功能与知识服务.这种由知识自动化技术构成的系统, 即为知识自动化系统.知识自动化系统不断与真实世界进行行为互动、知识交互, 不间断获取海量的不同领域、异构、高度并发的数据.知识自动化系统是一个动态且时变的系统, 通过经验知识的获取和积累, 不断改变系统内部内容、形态、方法和结构, 它用自身的复杂性、时变性来理解真实世界的复杂性和时变性.

2) 虚实纠缠的新兴工业形态: 针对传统的工业系统, 在信息化、数字化的基础上, 通过计算与实验的方法构建出虚拟工业系统.通过传统工业系统与虚拟工业系统的交互, 实现建立智能化虚实交互、纠缠的新工业系统, 完成对实际工业系统的管理与控制、分析与优化[8].

3) 人在环、社会在环的社会工程系统: 社会系统由三部分系统构成, 即“物理空间”对应的物理工程系统, “赛博空间”对应的人工工程系统以及“社会空间”对应的社会工程系统.根据实际物理工程系统, 构建出相应的人工工程系统.人工工程系统基于大数据技术和AI技术完成对物理系统的实时控制, 两者同时完成对社会系统的引导[9].社会系统同时对物理系统和人工系统完成实时反馈, 最终实现物理空间、赛博空间、社会空间的互联互通, 共同融合.

4) 工业资源异构网络及其新型管控模式: 实际的工业资源, 存在着时空尺度异构、实体异构、关系异构等, 借助社会传感或物理传感、驱动、通信、计算等技术, 构建形成工业资源异构网络.通过智能技术、复杂系统工程技术、区块链智能技术等相关技术手段进行优化、运营、管控.工业资源异构网络功能通过数据中心/计算架构处理, 转化成知识, 并最终形成知识服务.

2 工业智联网架构与核心技术

工业智联网的技术架构主要由数据接入层、通信计算层、虚拟操作系统层、知识解析综合层、以及知识服务层组成, 其结构如图 2所示. 图 3中所示是在该体系结构下, 新出现的核心技术.本文将工业智联网新出现的架构与核心技术归纳如下.

图 2 工业智联网的技术平台架构

Figure 2 Framework of the technological platform of IIoM

图 3 工业智联网概念架构与核心技术

Figure 3 Illustration of the concepts and core technologies of IIoM

2.1 数字虚拟工业技术

数字虚拟工业技术基于实际工业设备运行数据, 通过学习和优化, 建立对应于实际工业系统的虚拟工业系统.借助软硬件接口, 两个系统在运行过程中进行信息的交互, 协同发展, 基于学习过程中累积的知识, 逐步完善的虚拟工业系统结合实际运行数据, 对工业实体状态进行评估, 并设计场景进行演化计算实验对未来态势进行预测, 帮助实现对复杂实际工业系统的管理控制, 而对实际工业系统实施管控措施后的实时信息将反馈给虚拟工业系统做后续的评判推演, 两个系统随时间不断进行类似的交互反馈[10].数字虚拟工业技术的原理及流程如图 4所示.

图 4 数字虚拟工业技术

Figure 4 Digital virtual industrial technology

利用数字虚拟工业技术, 能够建立虚实纠缠的工业系统, 从而可挖掘分析实际运行数据, 构建工业设备数字化寿命模型, 预判运行状态发展趋势, 智能辅助运行人员决策, 实现对工业实体的精确描述、实时预测和智能引导[11].虚实交互系统的具体设计和交互架构如图 5所示.

图 5 虚实交互系统

Figure 5 Virtual and real interaction system

2.2 新一代知识工程技术

新一代知识工程技术包括单智能体自主获取知识的知识自动化技术和多智能体的知识协同技术.知识自动化, 在广义上可以定义为是一种以自动化的方式变革性地改变知识产生、获取、分析、影响、实施的有效途径, 其关键在于对原始信息、目标任务与最终决策的自然、准确、在线结合[12].知识自动化通过对多尺度时空信息的组织和特征化, 揭示数据的低层次内在特征, 而后进行知识对象及知识对象属性的提取, 获取有知识价值的对象及其属性, 构建知识空间, 最终实现知识的表示和知识功能的实现.知识的协同技术主要包括知识的协同表征与传递, 以及知识的联结与协同运行, 它通过建立智能实体之间知识层次的互联互通, 在联合知识空间中完成知识功能[13].如图 6所示, 人们的社会、经济、技术活动通过“翻译”的方式实现了自然语言与人工语言的智能交互, 最终通过智联网的多种协同结构实现了支撑知识服务、完成知识功能、实现知识消费等多种功能.

图 6 新一代知识工程技术

Figure 6 New generation knowledge engineering technology

将新一代知识工程技术运用于工业智联网中, 不仅能够基于单个工业实体的实际运行数据, 完成在生产过程中的知识发现和表示, 进行情景预测和辅助决策, 实现单个工业实体的安全运行和工艺调整; 更重要的是, 能够建立不同工业实体之间的知识联结网络, 达到工业知识的协同运行, 在整个工业体系中完成对全链条工业实体的综合分析和统一决策, 实现工业结构整体优化和生产力全面提高.

2.3 工业资源异构复杂网络的建模、分析及管控技术

工业资源异构复杂网络的建模、分析及管控(图 7)借助图处理、深度学习等智能技术, 对不同类型的工业资源网络进行数字化建模, 基于不同工业资源网络之间的数据映射关系、逻辑关联性等特征进行融合性分析, 形成异构工业资源网络, 从而对异构工业资源网络产生的各类数据信息进行一体化的挖掘.同时, 利用区块链网络智能合约不可篡改特征和通证属性对建立的工业资源异构复杂网络进行管理和控制.

图 7 工业资源异构复杂网络的建模、分析及管控

Figure 7 Complex heterogeneous industrial resource networks

利用异构网络建模、分析和管控技术, 可对海量的不同种类工业资源进行深度整合、统一管理和信息挖掘, 实现高效、安全、准确的分析与控制.

2.4 区块链智能

区块链智能技术是一种广泛应用于社会经济领域的一种新型技术, 它包括应用于底层的区块链技术和运作于区块链之上的通证经济体系.如图 8所示, 区块链具有去中心化、自治化、透明不可篡改、可追溯性等特性[14-15], 其应用使传统上难以流通和商品化的“注意力”与“信用度”成为可以批量化生产的流通商品, 革命性地提升经济活动范围与社会效率, 区块链技术具有成为智能经济的基石的潜质.通证经济是支撑区块链实现权益快速流动与安全交换的一种机制[16], 构建改变生产力和生产关系的智能经济模式离不开通证经济体系.利用区块链的特性和通证经济的行为激励作用, 社会智能经济体系中良性经济行为的参与者会逐步增多, 最终会引领社会经济导向, 使得整个社会参与者的收益增多.同时, 通证经济的激励作用还会优化社会的资源匹配, 通过社会认知学习和沟通交流来提高社会效率.

图 8 区块链智能技术

Figure 8 Blockchain intelligence

区块链智能技术是智能世界中大数据和人工智能体可靠、可信、安全、高效的联结途径, 它利用多代理技术、智能合约和不可篡改的特性实现对工业资源的安全可信管控, 利用区块链通证属性对资源进行评估、管理、激励和引导, 引导工业生态的健康成长和运行[17].基于区块链智能技术架构的工业资源管控系统可以实现对混合异构工业资源网络的一体化建模、调控、优化和管控, 最终构建一个完整的智能工业生态系统.

区块链技术可以实现高可信度、无法篡改的分布式数据库需求, 而运作在其系统上的通证经济体系又可以通过激励作用对工业资源进行调控、优化和管控, 因此可以建立起区块链管控系统对工业资源进行安全可信管控.

首先, 在工业资源平台服务器上搭建区块链平台, 设置准入机制, 配置不同的组织关系, 并为各个组织配置相应的通道, 完成底层基础网络的搭建;

其次, 针对不同工业资源的特性以及个性化的定制需求, 在区块链系统中安装共识机制互异的智能合约, 并设置排序节点中的最大区块数量和最大数据量, 智能合约的自动执行形成了新型的高效智能工业链形式[18-19];

最后, 采用一定的选择机制让某一组织节点对交易进行打包形成区块, 并对该节点配给一定的通证奖励, 同时利用大数据分析平台对工业资产进行评估, 对评估良好的工业资源配给一定数量的通证奖励, 在后续的交易中通证可以作为手续费附加在智能合约中被优先打包成区块, 由此对工业生态的健康成长和运行进行一定程度的引导.区块链上的每个组织都会有记账节点来进行分布式记账, 并维护全网的一个公共的账本; 同时, 对于工业资产数据的读写操作均会被记录到区块链中, 以实现全方位的安全可信管控.

2.5 社会计算

大数据、物联网、云计算等信息技术的蓬勃发展深刻改变了人与人、人与物、物与物之间的交互方式, 社会计算理论[20-26]作为社会科学和计算科学的交叉融合, 侧重于信息技术在社会活动中的应用以及社会知识在信息技术中的嵌入和使用, 可有效应对社会及工业问题中的各种复杂动态[27].

图 9所示为社会计算的整体框架, 包含基于开闭源信息能源情报的广泛采集、深度分析、个性化影响、协同产生等多个关键步骤.传统的物理系统通过各类传感器获得系统的物理信号, 工程控制论在物理过程的自动化中发挥了极其重要的作用.社会传感器, 就是力图将物理系统中传感网络获取物理信号的概念和手段推广到网站、博客、论坛等各类网络空间, 用于社会信号的采集, 获取所关注的社会信号并从中提取出感兴趣的信息.任何企业运营、社会事务、生产过程等方面的管理, 都可以将问题的求解过程扩展到由物理信号和社会信号共同构成的高维解空间中.

其中, 融合了物理和社会信号的数据具有海量、形式多样、高度分散等特点, 采用分布式文件系统实现对大规模社会数据的存储和管理, 通过机器学习、数据挖掘、模式识别、自然语言理解等技术对海量信息进行准确抽取、分析、并以用户可理解的方式展现出来, 最终实现信息自动抓取、数据规整、数据量化、自动分类聚类、主题检测等功能, 从而为各行各业的决策提供坚实有力的量化支持.

图 9 社会计算框架

Figure 9 Architecture of social computing

社会计算系统主要包含四个子系统, 分别是:大数据存储与计算平台、全方位社会传感系统、智能检索系统、深度挖掘与分析决策系统.互联网数据结构的多样性使得数据的处理复杂化, 数据规模的海量性使得计算的巨量化, 数据不确定性和动态性使得信息处理工作繁琐化.

针对社会信号大规模存储与计算的需求, 需要采用计算机集群进行分布式存储, 支持各种结构的数据的存储问题, 采用并行计算机制可提高海量数据的处理效率, 使平台达到功能完善、性能稳定、海量存储能力、高可靠性和高安全性的目标, 从整体上保证社会计算平台的工作效率.通过分布广泛的社会传感器, 对各种社会信号和社会数据进行不间断的采集和监控.在网络空间中, 可采用网络爬虫的手段抓取项目所需的开源信息, 对多种Web资源的信息内容进行有序抽取和整理, 提高数据源的智能选择及情报精确率.

在实际的生产管理系统中, 建立从数据源到数据库间的信息通道, 实现信息的高速无差传输.对于海量数据综合运用查询扩展、知识图谱等技术, 构建跨媒体的工业数据智能检索平台, 提高数据处理的并行度, 实现智能检索.通过机器学习、数据挖掘、模式识别、自然语言理解等技术对海量的社会信息进行准确抽取、分析、并以用户可理解的方式进行展现, 为工业数据的分析决策提供量化支持。