智能流程工业：研究和展望

工程3（2017）154研究智能流程制造-展望流程工业冯谦*，钟伟民，杜华东理工大学化工过程先进控制与优化教育部重点实验室，上海200237ARt i clEINf oA b s tRAC t文章历史记录：2016年2月28日收到2017年3月3日修订2017年3月6日接受在线发布2017年保留字：流程工业智能和最佳制造绿色制造高端制造业最优性评估针对流程工业转型升级的重要要求，分析了当前石化企业在决策、生产运行、效率与安全、信息集成等方面存在的主要局限性。为了推动流程工业实现高效、绿色、智能生产的愿景，必须将现代信息技术贯穿于生产、管理和营销的整个优化过程针对制造过程中的智能装备，以及制造过程、运行模式和供应链管理的自适应智能优化，以需求驱动和应用为导向，提出了工程中的几个关键科学问题：①包括生产和管理信息在内的全过程信息的智能感知与集成②知识驱动下的供应链、产业链和价值链协同决策③通过人-网-物交互对全厂生产过程进行协同控制和优化;通过生命周期评估进行安全和环境足迹监测，以及跟踪分析和风险控制。为了解决这些局限性和核心科学问题，我们进一步提出了过程工业智能和优化制造的基础理论和关键技术。虽然本文讨论的是中国的流程工业，但本文的结论可以推广到世界各地的流程工业。© 2017 The Bottoms.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版这是CC BY-NC-ND下的开放获取文章许可证（http：//creati v ecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍The经过几十年的发展，我国流程工业的制造技术、装备水平和自动化水平都有了很大的提高。中国现已成为世界上最大的制造业国家之一，拥有最丰富的种类和最大的生产规模在中国，一些工业单位使用的设备与甚至比发达国家使用的更先进虽然近几十年来中国流程工业有了很大的发展和进步，但在整体生产效率方面与国际先进水平仍存在差距。此外，受资源、能源、环保等约束，创新能力有待提升，具体表现在：①结构性过剩问题严重（部分产品供过于求）;②人力、营销缺乏知识自动化;③资源、能源利用率低;③高端产品缺乏（即，设备、技术、生产）;在效率和安全方面具有较高的压力总的来说，中国的过程工业存在着很大的* 通讯作者。电子邮件地址：fqian@ecust.edu.cnhttp://dx.doi.org/10.1016/J.ENG.2017.02.0112095-8099/© 2017 THE COMEORS.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。 这是CC BY-NC-ND许可证下的开放获取文章（http：//creati v ecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect工程杂志主页：www.elsevier.com/locate/engF. Qian等人/工程3（2017）154155规模大，资源能源消耗大，是制造业供给侧结构性改革和绿色发展的主战场之一。制造业最近显示出与信息技术融合的趋势[1]。 一些发达国家和发展中国家正在加快智能制造和优化制造的战略规划和布局。①的人。例如，美国智能制造领导联盟提出了智能流程制造路线图，这是21世纪实施智能流程制造的框架和路线[2]，该路线图旨在通过制造过程的优化，以知识为驱动，实现产业升级和转型。德国提出了智能制造的概念，以实现第四次工业革命，即工业4.0--一场信息通信技术与制造技术深度融合的革命[1]，旨在实现产品、设备、人、组织之间的无缝集成与合作[3]。在此背景下，为实现“新工业革命”时代制造业的自主化和革命化，中国提出了"中国制造2025“2016年，李克强总理在《政府工作报告》中明确指出 流程工业是国民经济的重要组成部分，目前是其发展的关键时期正如文献[5]所指出的，要基于上述背景，本文回顾了流程工业现有生产模式存在的问题。为了解决资源、能源和环境保护的约束问题，提高制造业的效率，我们提出过程工业必须实施中国制造2025发展战略[4]。换句话说，中国流程工业必须利用现代信息技术，目标是在制造和营销中实现高效，绿色和智能流程。此外，要以工艺流程优化和生产、管理、营销全过程优化为基础，推进智能制造、优化制造、绿色制造、高端制造，这对加快提升质量效益具有重要意义。这对转型发展在中国制造业，尤其是在中国加工业。第二部分介绍了流程工业智能优化制造的背景、现状和面临的挑战。第3节提供了在过程工业中实现智能和优化制造的愿景。第四部分阐述了流程工业智能优化制造的科学问题和关键技术，第五部分给出了结论和展望。2. 流程工业2.1. 背景人类历史上发生过几次工业革命（图2）[6];每一次革命都极大地提高了生产力，促进了经济发展。第一次工业革命是基于蒸汽机和机械反馈速度控制器的技术。在第二次工业革命中，电力取代了传统电力，电气控制系统作为核心技术得到发展。在第三次工业革命中，可编程逻辑控制器和分布式控制系统等工程技术促进了工业生产[7]。如今，德国等发达国家提出了第四次工业革命：工业4.0。工业4.0的关键点之一是构建网络物理系统（CPS）[7CPS是一个在计算、网络和物理环境中的多维复杂系统，实现对大型工程系统的实时感知、动态控制和信息服务。它基于“3C”技术的内在自然集成和合作CPS的实现可以实现计算、通信和物理系统的集成，从而提高大型工程系统的可靠性、效率和时效性。因此，CPS具有广泛的实际应用前景。具体而言，CPS包括无处不在的环境感知和嵌入式计算、通信和网络控制;这些因素赋予物理系统计算、通信、精确控制、远程协作和自治的能力。此外，CPS关注计算和物理资源的紧密集成和协调，这种集成和协调已广泛应用于各种智能系统，如设备互联、智能家居、机器人、智能导航等[7图1.一、世界上几个国家提出的制造业振兴计划。156F. Qian等人/工程3（2017）154图二. 工业革命的四个阶段[6]。2.2. 现状和挑战基于目前的制造模式，中国流程工业面临的挑战可以概括如下。流程工业是由不同的功能层组成的层次结构我们在下面的讨论中分别分析这些层(1) 在资金流导向决策层：• 供应链管理没有与设备运行特性[11，12]。• 产业链分布与市场不匹配需求• 基于知识的自动化水平低。• 缺乏及时的决策机制，对市场变化快速、主动地作出反应(2)在面向物流的生产作业层：• 资源利用率需要进一步提高• 细粒度优化的操作水平并不令人满意。• 目前的认知能力对于面向高端制造业的结构活动在工艺流程和操作模式上的分析和综合能力不足。• 缺乏虚拟制造技术(3) 在面向能量流的效率和环境安全层面：• 能源综合利用技术有待发展.• 对于废水、废气和固体废物，缺乏安全和环境足迹监测的生命周期评估，以及追踪分析和风险控制[13，14]。• 信息集成监控和风险防范缺乏高风险化学品的流通轨迹(4) 在面向信息流的信息感知和集成层• 在制造过程中需要的材料特性和一些特殊参数不能快速获得。• 通过大数据、物联网和云计算监控物流轨迹以优化生产、人力和营销的应用不足。• 信息系统集成需要加强各种信息化系统。从上述分析可以看出，流程工业中的智能和优化制造面临三大困难，如下所述。这些困难在世界范围内是普遍存在的，因此，国内外的研究几乎处于同一水平。(1) 由于原材料的性质是可变的并且难以检测，并且由于制造过程包括复杂的物理化学反应，因此难以使用精确的数学模型来描述生产过程。这使得数字化的任务难以实现。(2) 与离散制造业不同，工业在其制造过程中包含多个相互耦合的过程。这些过程的优化包括混合的、多目标的、多可测量的、动态的和冲突的优化问题。(3) 现有的信息化网络体系结构不能为生产经营决策优化提供自感知、自计算、自组织、自维护的方法。因此，为离散制造业量身定制的工业4.0发展模式并不完全适合流程工业的智能和优化制造3. 流程工业流程工业中的智能和优化制造，包括高效，绿色和智能制造，旨在实现与工程技术层相关的四个目标(1) 数字化--通过大数据技术构建石化企业数字化工厂，结合工艺机制实现虚拟制造;(2) 智能化--充分利用机制和专家知识，利用基于知识的自动化技术，实现企业的智能制造和智能决策(3) 网络化--开发基于CPS的智能设备，实现基于物联网和移动互联网的分布式网络化制造[15];(4) 自动化--通过现代控制技术实现信息的自动感知，主动响应需求变化，实现自主控制。同时，流程工业智能优化制造还旨在实现与企业生产经营相关的四个目标：(1) 敏捷性--快速响应市场变化，实现企业资源动态配置和柔性制造;(2) 高效率--实现企业生产、管理、营销运作的全过程优化(3) 环境可持续性--实现对流程工业生产的危险化学品的环境足迹进行全生命周期监测，实现资源综合利用和污染物近零排放[16，17];(4) 安全性--确保制造过程的本质安全和企业信息安全，通过故障诊断和自愈控制技术实现制造过程的安全运行。近年来，我国流程工业在工艺装备、操作技术、管理决策等方面都取得然而，在全厂数据和全生命周期数据方面还存在一些难题F. Qian等人/工程3（2017）154157传感;多系统协作和先进控制;敏捷供应链管理;以及与安全和环境相关的监测、跟踪和诊断。因此，在这一目标可以通过大数据、云计算、移动通信、人机交互和基于知识的自动化以及虚拟制造等现代信息技术来实现。总之，不仅要实现制造过程中的设备智能化，而且要实现制造流程、操作模式和管理模式的自适应智能化，以实现经济效益和社会效益的最大化。为了实现生产、经营、管理、和营销模式，培育新的发展动力，重点研究与过程工业相关的基础科学和关键工程技术。此外，我们应该开发一批对智能传感，信息集成，基于知识的自动化和生产过程优化操作这些技术将为中国抢占国际先进制造技术提供技术支撑，为有序发展先进制造业和培养高层次人才奠定基础。4. 流程工业智能优化制造的科学问题与关键技术面向过程工业的信息感知、运营决策、生产运行、效率、环境安全等层面，以需求为导向，以应用为导向，明确过程工业智能优化制造的科学问题、基础理论和关键技术图4呈现了该讨论的细节。4.1. 紧迫的科学问题以下科学问题影响过程工业中的智能和最佳制造（图1）。 4）.4.1.1. 智能传感与包括生产和管理在内的在流程工业中，工厂的生产优化调度和运行管理优化决策需要大量的实时信息。如何实现从原材料供应、生产运营到产品营销的全过程因此，对原材料和产品属性的快速检测、物流流通轨迹的监控、关键工艺变量的在线检测，是工艺行业实现智能化、优化制造的前提或基础。4.1.2. 知识驱动的生产过程规划和管理决策这一科学问题的核心是如何将对市场的认识与设备运行特点的认识深度结合起来企业原材料采购价格和市场需求多变，给生产经营决策和经营管理带来挑战目前，原材料采购与设备运行特性关系不密切，存在供需缺口。大数据和基于知识的自动化等现代信息技术为优化生产流程规划和管理中的决策提供了4.1.3. 基于人机交互的全厂协同控制与优化在流程工业中，制造过程通常采用图三. 智能和最佳制造的三个维度（此图和一些观点来自智能制造领导联盟的“实施21世纪智能制造”）。HSE：健康、安全和环境。158F. Qian等人/工程3（2017）154图四、流程工业智能优化制造的基础理论与关键技术框架。由不同功能层组成的分层结构，例如经济优化层、计划和调度层、高级控制层和基本控制层。虽然解决了生产、营销、管控衔接等关键技术问题，但在这种模式下进行操作优化的前提是如何根据实际生产过程的动态实时运行状况，协调系统各部分的运行，成为生产过程优化调节的核心问题。要解决这一问题，需要将物质的转化机理与设备的运行信息进行深度融合，从而构建过程价值链的代表关系，实现生产过程的全厂协同控制与优化。4.1.4. 生命周期安全、环境足迹监测和风险控制过程工业产生大量的化学污染物，这些污染物以废水、废气、废渣甚至危险化学品的形式排放。但目前我国危化品监管措施不完全到位，导致危化品事故频发。这些事故是由于缺乏生命周期安全、环境足迹监测和风险控制。因此，如何利用传感、检测、控制、跟踪分析等新方法和新技术，突破生命周期安全、环境足迹监测、跟踪分析、风险控制等基础理论和关键技术，实现过程工业绿色生产势在必行4.2. 实现的基础理论和关键技术针对上述科学问题，我们应重点解决和突破以下基础理论和关键技术（图1）。 4）.4.2.1. 特殊参数的现场检测和工厂范围内的无处不在感测原油采购和生产计划的敏捷决策需要大量的信息，石化企业生产管理制度的运行在此背景下，应研究的基础理论和关键技术包括：(1) 面向材料成分和产品形态的无损原位检测方法和装置;(2) 能源计量、关键设备状态、物流轨迹、产品质量的在线监控方法;(3) 危险化学品特性和废水、废气、固体废物特性的快速检测方法;(4) 一种自组织物理网络，将现场级和有效的信息采集与过程传感集成在一起。4.2.2. 包括多源和多尺度信息的统一表示和分布式处理目前的信息感知和集成技术还不具备在大数据背景下支持企业决策和运行管理的能力[18，19]。因此，需要在以下基础理论和关键技术上取得突破：(1) 跨领域多维异构信息(2) 广域互联信息(3) 结合边缘计算和云计算的协同计算模式;(4) 一种结合建模和知识的智能系统推理机.4.2.3. 知识驱动的资源优化和自主决策在全球经济一体化的背景下，企业的经营需要解决的基础理论和关键技术包括：(1) 基于物联网的大规模供应链和产品流通轨迹建模与可视化;(2) 将加工机制与操作信息(3) 决策过程的自组织重构F. Qian等人/工程3（2017）154159知识;(4) 不确定性下的动态资源分配;(5) 基于市场和设备特性知识的供应链决策快速响应机制4.2.4. 大数据驱动下的企业智慧生产管理目前流程工业企业中的多业务管理系统缺乏自动化和集成，其性能强烈依赖于有经验的工人。这种情况导致了一系列问题，如管理效率低，决策容易出错因此，需要解决以下(1) 协调资源、安全、能源等多项服务的管理模式[17];(2) 通过大数据技术实现管理知识的进化和深度学习;(3) 利用大数据技术进行风险评估和管理决策分析;(4) 基于知识和模型的生产和运营绩效评估。4.2.5. 生产过程的多维智能建模流程工业中的制造过程需要过程机理知识与操作经验的深度融合，以实现全厂范围的、动态的、多目标的、优化的调控建模是实现这一目标的关键，需要解决以下基础理论和关键技术(1) 面向高端制造的物质转化过程特征分析与(2) 机构与数据(3) 运行状态的性能表征;以及(4) 生产过程可视化和虚拟制造。4.2.6. 面向价值链的协同控制与优化虽然先进的企业拥有调度、实时优化和先进控制系统特别是，调度和先进控制仍然处于开环状态，过程控制层和最优决策层的目标经常发生冲突[11，12]。因此，需要解决以下基础理论和关键技术：(1) 过程控制、实时优化和进度决策之间的闭环协作;(2) 基于知识的智能控制和多目标协同优化;(3) 制造过程的智能监控、异常状态诊断和自愈控制。4.2.7. 绿色过程集成与多介质能量优化过程工业消耗和产生大量能源[15，16]。然而，目前粗放的管理和运行模式导致了大量的能源浪费.因此，我们需要重点研究能源综合利用和绿色过程集成的这些理论、方法和技术具有以下特点：(1) 多介质优化和基于能量的分级使用供求合作(2) 能量的跨时空综合利用，综合了市场和设备的运行特性;(3) 基于知识的流程再造和本质安全设计;以及(4) 绿色设计与制造过程的全面整合4.2.8. 足迹监测、追溯分析、全生命周期安全与环境由于安全是工业企业生产和管理的重中之重，因此危险化学品和环境足迹的监测近年来越来越受到关注[13，14]。需要研究的理论方法和技术包括：(1) 工业制造中的寿命周期足迹监控和跟踪分析(2) 高风险原材料和危险化学品的流程跟踪、跟踪分析和(3) 以循环为基础的废物综合利用和最大限度地减少环境足迹;(4) 企业高风险化合物的边界管理和风险防范;(5) 生产过程中安全性能和环境可持续性的动态演变和独立控制。5. 结论在信息化与工业化深度融合的过程工业中，实现智能优化制造所需的基础理论和工程技术仍存在重大挑战。例如，首先，运营决策，资源和能源的结构配置，以及生产计划，调度和优化的控制系统命令这种情况远未实现整体运营行为的全过程优化。其次，生产技术研究和新产品开发还处于生产试验和试验阶段，离实现虚拟制造还很远。此外，物理设备、信息和社会应更深入地融合，以促进过程工业的智能和优化制造，因为此类制造旨在提高员工绩效，确保效率和环境安全，并产生积极的社会效益。因此，本文系统地回顾了当前流程工业智能优化制造面临的不足。应结合流程工业的特点、现状和挑战，建立创新平台，组建研究和项目团队，推进智能优化制造示范工程特别是，我们的目标是通过专注于高能耗的关键制造流程，实现制造流程和运营决策战略包括开发具有先进控制、实时优化计划和调度、故障警报、供应链管理等功能的系统。本文仅讨论了中国的流程工业，但由于当前全球化趋势不可逆转，发达国家在流程工业中普遍存在的局限性，本文的结论可以推广到世界各地的流程160F. Qian等人/工程3（2017）154确认本 研 究 得 到 了 国 家 自 然 科 学 基 金 （ 61333010 ， 61590923 ，61422303）的资助。本研究的一些观点来源于国家自然科学基金委员会第157届“双清”论坛的讨论作者对国家自然科学基金委员会和参加论坛的专家表示衷心的感谢遵守道德操守准则钱锋、钟伟民和杜文丽声明，他们没有利益冲突或财务冲突需要披露。引用[1] 威廉斯E.信息和通信技术的环境影响Nature 2011;479（7373）：354[2] 智能制造领导联盟。实现21世纪智能制造[互联网]。华盛顿特区：智能制造领导联盟 。 2011 年 6 月 24 日 [ 引 用 于 2016 年 10 月 15 日 ] 。 可 查 阅 ： https ：facturingcoalition.org/sites/default/files/implementing_21st_century_smart_manufacturing_report_2011_0.pdf。[3] 德国联邦教育和研究部。CAE战略研究中心，trans.把握德国制造业的未来：实施战略倡议“工业4.0”的建议。最终报告。波恩：联邦教育和研究部（德国）; 2013年9月。[4] 中华人民共和国国务院中国制造2025战略[中-ternet]。北京：中华人民共和国国务院。2015年5月8日[引用于2016年10月15日]。可查阅：http://www.gov.cn/zhengce/content/2015-05/19/content_9784.htm。中文.[5] 李凯2016年政府工作报告[互联网]。北京：中华人民共和国国务院。2016年3月5日[ 引 用 于 2016 年 10 月 15 日 ] 。 可 从 www.example.com 获 得http://www.gov.cn/guowuyuan/2016-03/05/content_5049372.htm。中文.[6] Sendler U（德国）。邓明，李晓译，《工业4.0：即将到来的第四次工业革命》。北京：机械工业出版社; 2014年7月。中文.[7] 柴T工业过程控制系统的研究现状与发展方向。中国科学院学报2016;46（8）：1003-15. 中文.[8] 卡珊德拉CG.智慧城市作为网络物理社会系统。Engineering 2016; 2（2）：156[9] 拉 杰 库 马 尔 河 一 个 网 络 物 理 的 未 来 。 P IEEE 2012;100 （ Special CentennialIssue）：1309-12.[10] Sztipanovits J，Koutsoukos X，Karsai G，Kottenstette N，Antsaklis P，GuptaV，et al. Toward a science of cyber-physical system integration.P IEEE 2012;100（1）：29- 44.[11] 奥罗克·D可持续供应链科学。Science 2014;344（6188）：1124-7.[12] 杜利KJ。整个链条。Science 2014;344（6188）：1108.[13] Hellweg S，Milà i Canals L.生命周期评估中的新方法、挑战和机遇。Science2014;344（6188）：1109[14] 维德曼·霍克斯特拉人类不可持续的环境足迹。Science 2014;344（6188）：1114-7.[15] 唐勇，钱锋，高华，Kurths J.复杂网络中的同步及其应用--最新进展与挑战综述。Annu Rev Contr 2014;38（2）：184-98.[16] 切尔南斯基河化学：绿色笔芯。Nature 2015;519（7543）：379[17] Wallace JM，Held IM，Thompson DWJ，Trenberth KE，Walsh JE.全球变暖和冬季天气Science 2014;343（6172）：729[18] 马克思五世生物学：大数据的巨大挑战Nature 2013;498（7453）：255[19] Bergamaschi S，Carlini E，Ceci M，Furletti B，Giannotti F，Malerba D，et al.Big data research in Italy：A perspective. Engineering 2016;2（2）：163