CPS為中國(guó)工業(yè)智能轉(zhuǎn)型創(chuàng)造新空間

李杰 劉宗長(zhǎng)

CPS是美國(guó)科學(xué)基金會(huì)在2006年提出的新技術(shù)概念，并將此項(xiàng)技術(shù)體系作為新一代技術(shù)革命的突破點(diǎn)。同時(shí)，德國(guó)的“工業(yè)4.0”戰(zhàn)略也將Cyber-Physical Production System （信息——物理生產(chǎn)系統(tǒng)）作為核心技術(shù)，其實(shí)質(zhì)是CPS 在生產(chǎn)系統(tǒng)中的應(yīng)用體系。無(wú)論是德國(guó)“工業(yè)4.0”戰(zhàn)略還是美國(guó)CPS計(jì)劃，都將CPS作為智能化轉(zhuǎn)型的核心技術(shù)，并據(jù)此設(shè)定各自的戰(zhàn)略轉(zhuǎn)型目標(biāo)。

前三次工業(yè)革命發(fā)展的過(guò)程給我們的啟示是，每一次科技革命的根本原因在于原有技術(shù)體系下的生產(chǎn)要素已經(jīng)無(wú)法滿足生產(chǎn)力的發(fā)展要求，在這種需求的推動(dòng)下，新的使能技術(shù)的誕生幫助人們突破了限制生產(chǎn)力發(fā)展的瓶頸，同時(shí)伴隨著新的基礎(chǔ)設(shè)施的發(fā)展，新技術(shù)的紅利得以快速普及。

第四次科技革命被稱為“智能化”的革命，需要解決的生產(chǎn)力瓶頸在于技術(shù)要素的不可見(jiàn)部分，即人的知識(shí)產(chǎn)生和利用效率已經(jīng)不能滿足生產(chǎn)系統(tǒng)的要求，難以實(shí)現(xiàn)最優(yōu)的運(yùn)行效率和協(xié)同。以人的決策為驅(qū)動(dòng)的生產(chǎn)系統(tǒng)中，有很大一部分的價(jià)值并沒(méi)有被釋放出來(lái)，這主要體現(xiàn)在對(duì)知識(shí)獲取的速度、利用的深度、應(yīng)用的規(guī)?；齻€(gè)方面的瓶頸。因此，第四次科技革命所要解決的核心問(wèn)題主要包括：

提升知識(shí)作為核心生產(chǎn)要素的生產(chǎn)力邊界，使知識(shí)的產(chǎn)生、利用和傳承效率與規(guī)模獲得本質(zhì)的提升。

重新優(yōu)化生產(chǎn)組織要素的價(jià)值鏈關(guān)系，使得整個(gè)產(chǎn)業(yè)鏈中的各個(gè)環(huán)節(jié)圍繞最終用戶的價(jià)值交付，以高效的協(xié)同方式組織生產(chǎn)活動(dòng)。

現(xiàn)在層出不窮的技術(shù)概念如人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、云制造等，無(wú)不是為了提升知識(shí)生產(chǎn)力和價(jià)值交付的效率。

中國(guó)智能化轉(zhuǎn)型中的三個(gè)新機(jī)遇

在過(guò)去幾年中，我們看到中國(guó)的工業(yè)經(jīng)濟(jì)經(jīng)歷了非常嚴(yán)峻的挑戰(zhàn)，需求側(cè)的增長(zhǎng)動(dòng)力不足與供給側(cè)產(chǎn)能過(guò)剩之間的矛盾非常突出。針對(duì)產(chǎn)業(yè)鏈高價(jià)值端的需求，中國(guó)企業(yè)滿足能力不足，但在低價(jià)值端的供給又嚴(yán)重過(guò)剩。形勢(shì)雖然嚴(yán)峻，但是筆者認(rèn)為中國(guó)的工業(yè)轉(zhuǎn)型有三個(gè)方向的機(jī)遇：

機(jī)遇一：從出口低端產(chǎn)品向出口高端制造裝備和增值服務(wù)轉(zhuǎn)變。在最近十年中，中國(guó)制造正在逐步走出依賴低端產(chǎn)品出口的模式，在軌道交通、發(fā)電裝備、船舶、電力基礎(chǔ)設(shè)施等高端裝備領(lǐng)域已形成了自己的品牌和競(jìng)爭(zhēng)力。中國(guó)在2015年發(fā)布的《中國(guó)制造2025》，除了著重強(qiáng)調(diào)發(fā)展十大領(lǐng)域外，還首次提出了將大力發(fā)展知識(shí)經(jīng)濟(jì)和服務(wù)型制造業(yè)作為轉(zhuǎn)型重點(diǎn)，將裝備智能化、過(guò)程智能化和服務(wù)智能化作為重點(diǎn)發(fā)展領(lǐng)域。因此，未來(lái)中國(guó)不僅要將高鐵賣(mài)到國(guó)外，還有可能輸出鐵路運(yùn)營(yíng)的經(jīng)驗(yàn)，從鐵路的運(yùn)營(yíng)服務(wù)中獲得可持續(xù)增長(zhǎng)的價(jià)值。中國(guó)的裝備制造企業(yè)，也不再僅以賣(mài)給客戶產(chǎn)品為目標(biāo)，還會(huì)從產(chǎn)品使用場(chǎng)景中的增值服務(wù)中獲得收入。

機(jī)遇二：工業(yè)增長(zhǎng)模式從對(duì)增量的投資向?qū)Υ媪康挠行Ю棉D(zhuǎn)變。中國(guó)經(jīng)濟(jì)過(guò)去30年高速增長(zhǎng)的核心動(dòng)能來(lái)源于“從無(wú)到有”的需求，因此絕大部分的投入是面向增量的。而現(xiàn)在這一部分的需求已經(jīng)達(dá)到飽和，新的需求轉(zhuǎn)向“從有到精”，即對(duì)存量的有效利用?！靶屡f動(dòng)能轉(zhuǎn)換”的概念指出，中國(guó)經(jīng)濟(jì)新常態(tài)下的發(fā)展動(dòng)力來(lái)源于“增量崛起”與“存量變革”并舉：一方面發(fā)展以新技術(shù)、新產(chǎn)業(yè)、新業(yè)態(tài)和新模式為代表的新動(dòng)能，同時(shí)對(duì)于舊動(dòng)能以產(chǎn)業(yè)轉(zhuǎn)型升級(jí)和提升發(fā)展效率和質(zhì)量的方式，也可轉(zhuǎn)換為新動(dòng)能。在新舊動(dòng)能的轉(zhuǎn)換中，要以知識(shí)、技術(shù)、信息、數(shù)據(jù)等新的生產(chǎn)要素作為支撐。因此，GE所提出的“1%的力量”在中國(guó)是可行的，即從已有的工業(yè)存量中提升1%的效率已是驚人的數(shù)字，可實(shí)現(xiàn)驚人的成果。所以未來(lái)中國(guó)的工業(yè)增長(zhǎng)不能只看百分比增速，還應(yīng)關(guān)注其中有多少增長(zhǎng)來(lái)自于對(duì)存量資源效率的提升，因?yàn)檫@代表著增長(zhǎng)的質(zhì)量。

機(jī)遇三：利用新技術(shù)不斷彌補(bǔ)核心制造知識(shí)的缺失，從勞動(dòng)成本優(yōu)勢(shì)向以知識(shí)為核心的效率優(yōu)勢(shì)轉(zhuǎn)變。2016年到現(xiàn)在，筆者關(guān)注到兩個(gè)有意思的現(xiàn)象：一個(gè)是中國(guó)作者發(fā)表的有關(guān)機(jī)器學(xué)習(xí)的論文數(shù)量成為世界第一；另一個(gè)是中國(guó)的ICT產(chǎn)業(yè)從業(yè)人數(shù)成為全球第一。這意味著中國(guó)在新一輪競(jìng)爭(zhēng)中開(kāi)始具備優(yōu)勢(shì)。筆者在《工業(yè)大數(shù)據(jù)》一書(shū)中曾經(jīng)分析過(guò)，中國(guó)擁有發(fā)展工業(yè)智能的兩個(gè)核心資源，即數(shù)據(jù)與場(chǎng)景。除此以外，中國(guó)也逐漸在數(shù)據(jù)建模能力上積累優(yōu)勢(shì)，使得數(shù)據(jù)轉(zhuǎn)變?yōu)橹R(shí)再應(yīng)用到具體場(chǎng)景中的速度不斷提升。因此可以預(yù)見(jiàn)，中國(guó)工業(yè)的優(yōu)勢(shì)將從成本逐漸轉(zhuǎn)變?yōu)橐灾R(shí)為核心的制造效率。

然而，想要抓住這一次產(chǎn)業(yè)升級(jí)的機(jī)遇，中國(guó)工業(yè)還需要克服一些自身的薄弱環(huán)節(jié)。一直以來(lái)，中國(guó)工業(yè)在標(biāo)準(zhǔn)化和體系化等方面相比德國(guó)和美國(guó)等制造強(qiáng)國(guó)還有一定的差距。要想將大數(shù)據(jù)、人工智能、工業(yè)互聯(lián)網(wǎng)等新技術(shù)應(yīng)用于工業(yè)中，依然離不開(kāi)體系化的技術(shù)建設(shè)和系統(tǒng)思維，而這恰恰是CPS之于工業(yè)智能所存在的意義。

CPS：中國(guó)工業(yè)智能化的 新思維與新途徑

人工智能≠工業(yè)智能

雖然人工智能技術(shù)在圖像處理和語(yǔ)義識(shí)別等領(lǐng)域已經(jīng)取得了令人驚嘆的成就，也成功地解決了一些工業(yè)領(lǐng)域中的技術(shù)難點(diǎn)問(wèn)題，但是人工智能技術(shù)被體系化地應(yīng)用于工業(yè)系統(tǒng)中，仍然有很長(zhǎng)一段路要走。其中最重要的原因是人工智能中還有太多的未知需要探索（surprise）。使用神經(jīng)網(wǎng)絡(luò)看似無(wú)所不能。我們可以使用不同層數(shù)的神經(jīng)網(wǎng)絡(luò)，不同密度的網(wǎng)絡(luò)連接在圖像識(shí)別上，甚至可以應(yīng)用在醫(yī)療放射圖像的分析上，但是如果它們甚至不能自我解釋?zhuān)覀冋娴目梢砸揽克鼈儐?？盡管在神經(jīng)網(wǎng)絡(luò)的可解釋性研究方面已經(jīng)取得了一些成果，例如從深度神經(jīng)網(wǎng)絡(luò)提取基于樹(shù)的規(guī)則、卷積層可視化、特征貢獻(xiàn)度、InterpretNet等，但是機(jī)器學(xué)習(xí)的預(yù)測(cè)從不確定性到相對(duì)可控的確定性之間仍然還有很長(zhǎng)的距離。

筆者認(rèn)為，人工智能真正開(kāi)始被規(guī)?；貞?yīng)用于工業(yè)系統(tǒng)中，進(jìn)而實(shí)現(xiàn)工業(yè)智能系統(tǒng)，至少需要做到以下3個(gè)S：

Standard（標(biāo)準(zhǔn)化）：即如何與現(xiàn)有工業(yè)系統(tǒng)的標(biāo)準(zhǔn)化體系相結(jié)合，包括方法論、建模過(guò)程、數(shù)據(jù)質(zhì)量、模型評(píng)價(jià)、容錯(cuò)機(jī)制、基于預(yù)測(cè)的操作規(guī)程、不確定性管理等各方面的標(biāo)準(zhǔn)化。

Systematic（體系化）：在技術(shù)層級(jí)和應(yīng)用層級(jí)方面的體系化上，需要建立一套協(xié)同體系，明確工業(yè)智能在部件級(jí)、設(shè)備級(jí)、系統(tǒng)級(jí)和社區(qū)級(jí)等不同層級(jí)中的任務(wù)邊界及相互的接口。

Sustainable（穩(wěn)定可持續(xù)）：與人工智能預(yù)測(cè)的可解釋性和結(jié)果的確定性相似，如何能夠做到對(duì)同一組數(shù)據(jù)和同一個(gè)模型，不同的人用來(lái)訓(xùn)練得到的結(jié)果都需要是一樣的。否則怎么做到制造系統(tǒng)的標(biāo)準(zhǔn)化和一致性管理呢？

以5C（Connection、Conversion、Cyber、Cognition、Configuration）為架構(gòu)的CPS技術(shù)體系在設(shè)計(jì)之初就考慮了如何能夠滿足這3個(gè)S的要求。

CPS的狹義與廣義技術(shù)內(nèi)涵

2006年美國(guó)國(guó)家科學(xué)基金會(huì)（NSF）舉辦了第一屆CPS研討會(huì)，會(huì)議中對(duì)CPS的定義第一次進(jìn)行了闡述：CPS是網(wǎng)絡(luò)環(huán)境（Cyber Space）中的通信（Communication）、計(jì)算（Computation）和控制（Control）與實(shí)體系統(tǒng)在所有尺度內(nèi)的深度融合。這個(gè)定義給出了CPS的三個(gè)基本元素，也就是我們最常提到的3C技術(shù)要素。NSF從功能性的角度闡述了CPS的內(nèi)涵，即實(shí)體系統(tǒng)里面的物理規(guī)律以信息的方式來(lái)表達(dá)?！禖PS：新一代工業(yè)智能》一書(shū)從更加廣義的角度賦予了CPS新的內(nèi)涵：對(duì)實(shí)體系統(tǒng)內(nèi)變化性、相關(guān)性和參考性規(guī)律的建模、預(yù)測(cè)、優(yōu)化與管理。

除了功能層面的3C要素，CPS的廣義定義還需要從另外3個(gè)C與3個(gè)R的角度去理解，其中，CPS對(duì)實(shí)體系統(tǒng)分析和預(yù)測(cè)的目的與手段可以概括為“3C”：

Comparison（比較性）：從比較過(guò)程中獲取洞察能力，既包括比較相似性，也包括比較差異性。比較的維度既可以是在時(shí)間維度上與自身狀態(tài)的比較，也可以是在集群維度上與其他個(gè)體的比較。這種比較分析能夠幫助我們將龐大的個(gè)體信息進(jìn)行分類(lèi)，為接下來(lái)尋找相似中的普適性規(guī)律和差異中的因果關(guān)系奠定基礎(chǔ)。

Correlation （相關(guān)性）：如果說(shuō)物聯(lián)網(wǎng)是可見(jiàn)世界的連接，那么所連接對(duì)象之間的相關(guān)性就是不可見(jiàn)世界的連接。對(duì)相關(guān)性的挖掘是形成記憶和知識(shí)的基礎(chǔ)，簡(jiǎn)單的將信息存儲(chǔ)下來(lái)并不能稱之為記憶，通過(guò)信息之間的關(guān)聯(lián)性對(duì)信息進(jìn)行管理和啟發(fā)式的聯(lián)想才是記憶的本質(zhì)。相關(guān)性同時(shí)也促進(jìn)了人腦在管理和調(diào)用信息時(shí)的效率。我們?cè)诨叵肫鹨粋€(gè)畫(huà)面或是情節(jié)的時(shí)候，往往并不是去回憶每一個(gè)細(xì)節(jié)，而是有一個(gè)如線頭一樣的線索，牽線頭一下就能夠引出整個(gè)場(chǎng)景。這樣的類(lèi)似記憶式的信息管理方式運(yùn)用在工業(yè)智能中，就是一種更加靈活高效的數(shù)據(jù)管理方式。

Consequence （因果性）：數(shù)據(jù)分析的重要目的是進(jìn)行決策支持，在制定一個(gè)特定的決策時(shí)，其所帶來(lái)的結(jié)果和影響應(yīng)該被同等地分析和預(yù)測(cè)。這是以往的控制系統(tǒng)所不具備的特性，也是智能化的本質(zhì)。工業(yè)系統(tǒng)中的大部分活動(dòng)都具有很強(qiáng)的目的性，就是把目標(biāo)精度最大化，把破壞度最小化的“結(jié)果管理”。結(jié)果管理的基礎(chǔ)是預(yù)測(cè)，例如在現(xiàn)在的制造系統(tǒng)中，如果我們可以預(yù)測(cè)到設(shè)備的衰退對(duì)質(zhì)量的影響，以及對(duì)下一個(gè)工序質(zhì)量的影響，就可以在制造過(guò)程中對(duì)質(zhì)量風(fēng)險(xiǎn)進(jìn)行補(bǔ)償和管理，制造系統(tǒng)的彈性和堅(jiān)韌性就會(huì)增加。

這3個(gè)C分別對(duì)應(yīng)了實(shí)體空間中的對(duì)象、環(huán)境與任務(wù)的運(yùn)轉(zhuǎn)基礎(chǔ)，又可以用3個(gè)R來(lái)概括：

Resource（來(lái)源）：數(shù)據(jù)來(lái)源可以是歷史的數(shù)據(jù)、傳感器的數(shù)據(jù)，或是人的經(jīng)驗(yàn)數(shù)據(jù)，這些數(shù)據(jù)都可以用一種邏輯的方式形成一種知識(shí)模型。同時(shí)，Resource也是比較性的基礎(chǔ)。

Relationship（關(guān)系）：基于比較和相關(guān)性的分析，挖掘顯性和隱性的關(guān)系。例如，半導(dǎo)體的過(guò)程監(jiān)測(cè)中有上百個(gè)傳感器數(shù)據(jù)，但是從歷史報(bào)警的信息，可以利用貝葉斯網(wǎng)絡(luò)建立傳感器的關(guān)系圖譜，最后發(fā)現(xiàn)上百個(gè)傳感器中只有5個(gè)傳感器與歷史報(bào)警有很強(qiáng)的相關(guān)性，那么只用這5個(gè)傳感器的組合就可以管理所有傳感器數(shù)據(jù)所代表的狀態(tài)。

Reference（參考）：參考性有兩個(gè)方面，一個(gè)是比較的參考，另一個(gè)是執(zhí)行的參考。同時(shí)，參考也是記憶的基礎(chǔ)。如果是以結(jié)果作為參考，那么目的就是去定義其發(fā)生的根本原因；如果是以過(guò)程作為參考，那么目的就是去尋找避免發(fā)生問(wèn)題的途徑。古語(yǔ)有云：“以銅為鑒，可以正衣冠；以古為鑒，可以知興替；以人為鑒，可以明得失”。這句話充滿了深刻的哲理，也總結(jié)了參考性的三個(gè)維度，即以傳感器所反映的自身狀態(tài)為參考、以歷史數(shù)據(jù)中的相關(guān)性和因果性為參考，還有以集群中的其他個(gè)體作為參考。

CPS的技術(shù)基礎(chǔ)包括物聯(lián)網(wǎng)、普適計(jì)算和執(zhí)行機(jī)構(gòu)，它們定義了實(shí)體系統(tǒng)的功能性。Cyber空間中的來(lái)源、關(guān)系和參考，構(gòu)成了實(shí)體系統(tǒng)運(yùn)行的基礎(chǔ)，是CPS在Cyber空間中的管理目標(biāo)。建立面向?qū)嶓w空間內(nèi)的比較性、相關(guān)性和因果性的對(duì)稱性管理是核心的分析手段。而CPS的最終目標(biāo)，是對(duì)實(shí)體（Physical）系統(tǒng)的狀態(tài)和活動(dòng)的精確評(píng)估、對(duì)實(shí)體系統(tǒng)之間關(guān)系的挖掘和管理，以及根據(jù)情況進(jìn)行的決策優(yōu)化。Cyber空間中的管理是對(duì)實(shí)體空間中3V的精確管理，即可視性（Visualizability）、差異性（Variation）和價(jià)值性（Value）。

CPS的技術(shù)應(yīng)用體系

CPS是一個(gè)具有清晰架構(gòu)和使用流程的技術(shù)體系，針對(duì)工業(yè)大數(shù)據(jù)的特點(diǎn)和分析要求，能夠?qū)崿F(xiàn)對(duì)數(shù)據(jù)進(jìn)行收集、匯總、解析、排序、分析、預(yù)測(cè)、決策、分發(fā)的整個(gè)處理流程，對(duì)實(shí)體系統(tǒng)進(jìn)行流水線式的實(shí)時(shí)分析能力，并在分析過(guò)程中充分考慮機(jī)理邏輯、流程關(guān)系、活動(dòng)目標(biāo)、商業(yè)活動(dòng)等特征和要求。

CPS技術(shù)體系框架包括了5個(gè)層次的構(gòu)建模式：智能感知層（Connection）、信息挖掘?qū)樱–onversion）、網(wǎng)絡(luò)層（Cyber）、認(rèn)知層（Cognition），以及配置執(zhí)行層（Configuration）。

這個(gè)5C的分析構(gòu)架設(shè)計(jì)目的是為了滿足實(shí)體空間與Cyber空間相互映射和相互指導(dǎo)過(guò)程中的分析和決策要求，其特征主要體現(xiàn)在以下幾個(gè)方面：

智能感知：從信息來(lái)源、采集方式和管理方式上保證了數(shù)據(jù)的質(zhì)量和全面性，建立支持CPS上層建筑的數(shù)據(jù)環(huán)境基礎(chǔ)。除了建立互聯(lián)的環(huán)境和數(shù)據(jù)采集的通道，智能感知的另一核心在于按照活動(dòng)目標(biāo)和信息分析的需求自主地進(jìn)行選擇性和有所側(cè)重的數(shù)據(jù)采集。

信息挖掘?qū)樱簭牡蛢r(jià)值密度的數(shù)據(jù)到高價(jià)值密度信息的轉(zhuǎn)換過(guò)程，可以對(duì)數(shù)據(jù)進(jìn)行特征提取、篩選、分類(lèi)和優(yōu)先級(jí)排列，保證了數(shù)據(jù)的可解讀性，包括了對(duì)數(shù)據(jù)的分割、分解、分類(lèi)和分析過(guò)程。

網(wǎng)絡(luò)層：重點(diǎn)在于網(wǎng)絡(luò)環(huán)境中信息的融合和Cyber空間的建模，將機(jī)理、環(huán)境與群體有機(jī)結(jié)合，構(gòu)建能夠指導(dǎo)實(shí)體空間的建模分析環(huán)境，包括精確同步、關(guān)聯(lián)建模、變化記錄、分析預(yù)測(cè)等。

認(rèn)知層：在復(fù)雜環(huán)境與多維度參考條件下面向動(dòng)態(tài)目標(biāo)，根據(jù)不同的評(píng)估需求進(jìn)行多源化數(shù)據(jù)的動(dòng)態(tài)關(guān)聯(lián)、評(píng)估、預(yù)測(cè)結(jié)果，實(shí)現(xiàn)對(duì)實(shí)體系統(tǒng)運(yùn)行規(guī)律的認(rèn)知，以及物、環(huán)境、活動(dòng)三者之間的關(guān)聯(lián)、影響分析與趨勢(shì)判斷，形成“自主認(rèn)知”的能力。同時(shí)結(jié)合數(shù)據(jù)可視化工具和決策優(yōu)化算法工具為用戶提供面向其活動(dòng)目標(biāo)的決策支持。

配置執(zhí)行層：根據(jù)活動(dòng)目標(biāo)和認(rèn)知層中分析結(jié)果的參考，對(duì)運(yùn)行決策進(jìn)行優(yōu)化，并將優(yōu)化結(jié)果同步到系統(tǒng)的執(zhí)行機(jī)構(gòu)，以保障信息利用的時(shí)效性和系統(tǒng)運(yùn)行的協(xié)同性。

除了技術(shù)架構(gòu)的層級(jí)和流程化，CPS的應(yīng)用也具有清晰的層級(jí)化特征。我們從零部件級(jí)、設(shè)備級(jí)、生產(chǎn)系統(tǒng)這三個(gè)維度來(lái)分析現(xiàn)代工業(yè)系統(tǒng)如何實(shí)現(xiàn)智能化。

零部件級(jí)——目前大多關(guān)注的是精密性，即如何通過(guò)更加精密的傳感器，實(shí)現(xiàn)更加精密的動(dòng)作。而智能的零部件則需要具備自預(yù)測(cè)性和自省性，隨著外部環(huán)境變化或者自身衰退都會(huì)造成精密性發(fā)生變化，智能的零部件可以將設(shè)備的狀態(tài)和可能造成的后果反饋給操作者。

設(shè)備級(jí)——現(xiàn)在關(guān)注的是設(shè)備性能以及設(shè)備能否連續(xù)生產(chǎn)質(zhì)量達(dá)標(biāo)的產(chǎn)品。而智能的設(shè)備需要具備自比較性，它既包括設(shè)備與自身歷史最優(yōu)狀態(tài)的對(duì)標(biāo)，也包括在不同的環(huán)境下，集群內(nèi)與其他的設(shè)備之間的對(duì)標(biāo)。這樣可以清晰地了解設(shè)備目前狀態(tài)的好壞與否，如果設(shè)備狀態(tài)不好，還可以進(jìn)一步了解故障發(fā)生在哪里，以及是哪種原因造成的。

系統(tǒng)層面——通過(guò)實(shí)現(xiàn)最大的生產(chǎn)性來(lái)提升設(shè)備綜合效率（OEE）。目前主要關(guān)注的是系統(tǒng)中各個(gè)設(shè)備、工序之間的配合。而智能化發(fā)展的方向應(yīng)當(dāng)是更大價(jià)值鏈的優(yōu)化，比如當(dāng)上游產(chǎn)生了質(zhì)量誤差，可以及時(shí)發(fā)現(xiàn)并在下游進(jìn)行補(bǔ)償。過(guò)程當(dāng)中如果有設(shè)備出現(xiàn)質(zhì)量問(wèn)題，也能用其他的途徑進(jìn)行改善，實(shí)現(xiàn)具有強(qiáng)韌性的系統(tǒng)（resilience system），即系統(tǒng)內(nèi)部可以通過(guò)協(xié)同性的優(yōu)化，把問(wèn)題的影響降到最小。

無(wú)論在部件級(jí)還是系統(tǒng)級(jí)的CPS體系應(yīng)用當(dāng)中，都是由最基本的CPS單元構(gòu)成的。CPS基本單元又分為智能控制單元、智能管理單元和認(rèn)知環(huán)境，其中，智能控制單元和智能管理的單元分別面向局部設(shè)備和局部系統(tǒng)，而認(rèn)知環(huán)境為二者提供具有自成長(zhǎng)性的智能化能力支撐，是實(shí)現(xiàn)智能化由局部到系統(tǒng)應(yīng)用推廣的關(guān)鍵。

基于CPS的智慧風(fēng)場(chǎng)設(shè)計(jì)與應(yīng)用

根據(jù)美國(guó)FTI咨詢公司的數(shù)據(jù)，中國(guó)的風(fēng)電行業(yè)在過(guò)去10年中飛速發(fā)展，目前已經(jīng)成為風(fēng)電行業(yè)裝機(jī)規(guī)模和增長(zhǎng)速度最快的國(guó)家，2015年風(fēng)電行業(yè)迎來(lái)了裝機(jī)高峰，新增裝機(jī)容量達(dá)到3.05兆瓦，同比增長(zhǎng)31.5%，貢獻(xiàn)了全球超過(guò)一半的新增容量。但是風(fēng)電行業(yè)的蓬勃發(fā)展背后也存在著非常大的隱患，主要在于風(fēng)電的成本高昂，對(duì)國(guó)家補(bǔ)貼的依賴度較大。高昂的成本背后，運(yùn)維成本和管理成本占了非常大的比例。在計(jì)算風(fēng)電的經(jīng)濟(jì)效益時(shí)，業(yè)界常用的兩個(gè)指標(biāo)是“平均化能源成本”和“能效因數(shù)”，前者衡量的是每一度電的成本，后者則是通過(guò)實(shí)際發(fā)電量與最大發(fā)電量之間的百分比來(lái)衡量能源效率。因此，在對(duì)風(fēng)機(jī)進(jìn)行智能管理和使用時(shí)，都需要以改善這兩個(gè)指標(biāo)作為最終目的。降低成本的兩個(gè)最主要途徑，一是降低制造成本，二是降低運(yùn)維成本。在過(guò)去十幾年的競(jìng)爭(zhēng)中，OEM在降低生產(chǎn)成本方面做了大量的努力，繼續(xù)降低成本的空間已經(jīng)不大。但是風(fēng)機(jī)在使用階段的運(yùn)維管理依然是比較粗獷的模式，對(duì)風(fēng)機(jī)健康管理一直比較忽視，對(duì)運(yùn)維策略和計(jì)劃缺少精細(xì)的管理，現(xiàn)場(chǎng)值守和維保服務(wù)的操作缺乏規(guī)范，這些都為通過(guò)風(fēng)機(jī)智能化應(yīng)用降低運(yùn)維成本提供了很大的機(jī)會(huì)空間。而能效因數(shù)的提升也與智能使用有直接的關(guān)系，一方面可以通過(guò)縮短風(fēng)機(jī)的停機(jī)時(shí)間減少停機(jī)功率損失，另一方面可以通過(guò)優(yōu)化風(fēng)機(jī)的控制和調(diào)度策略增加風(fēng)機(jī)對(duì)風(fēng)能的捕獲效率。

風(fēng)場(chǎng)智能運(yùn)維的核心是在對(duì)設(shè)備狀態(tài)精確評(píng)估、環(huán)境狀態(tài)精確預(yù)測(cè)和任務(wù)狀態(tài)精確推演的基礎(chǔ)上，對(duì)風(fēng)機(jī)運(yùn)維的調(diào)度、排程和執(zhí)行進(jìn)行管理決策的優(yōu)化。由于風(fēng)機(jī)中的核心零部件較多、運(yùn)行工況和環(huán)境復(fù)雜，且運(yùn)維活動(dòng)的流程和資源協(xié)調(diào)較為復(fù)雜，所以需要基于CPS的體系框架對(duì)功能的層級(jí)關(guān)系和系統(tǒng)邏輯進(jìn)行梳理。

風(fēng)場(chǎng)的數(shù)據(jù)環(huán)境是非常典型的多源異構(gòu)數(shù)據(jù)類(lèi)型，主要的數(shù)據(jù)源包括SCADA （Supervisory Control and Data Acquisition）以及CMS（Condition Monitoring System）系統(tǒng)。SCADA所采集的數(shù)據(jù)包括風(fēng)機(jī)的工況信息、控制參數(shù)、環(huán)境參數(shù)和狀態(tài)參數(shù)等，數(shù)據(jù)維度非常廣，但是采樣頻率較低。而CMS則是從風(fēng)機(jī)關(guān)鍵零部件（如齒輪箱、軸承等）上采集振動(dòng)數(shù)據(jù)，采樣頻率在數(shù)千赫茲以上。除此以外，風(fēng)場(chǎng)的數(shù)據(jù)源還包括電網(wǎng)的調(diào)度信息、工單系統(tǒng)、人員管理、維護(hù)資源狀態(tài)等信息。在對(duì)風(fēng)機(jī)進(jìn)行精確的狀態(tài)評(píng)估，以及對(duì)風(fēng)場(chǎng)的運(yùn)維和使用進(jìn)行智能化管理時(shí)，需要綜合分析和應(yīng)用以上的信息。

由于風(fēng)機(jī)的狀態(tài)評(píng)估涉及的子系統(tǒng)和功能點(diǎn)十分繁多，這里選一些功能的實(shí)現(xiàn)方法，結(jié)合前文提到的3R與3C的分析方法，從部件級(jí)、設(shè)備級(jí)和系統(tǒng)級(jí)等不同應(yīng)用層面進(jìn)行闡述。

部件級(jí)：以風(fēng)機(jī)自身的歷史數(shù)據(jù)來(lái)源為基礎(chǔ)的狀態(tài)評(píng)估

基于實(shí)體系統(tǒng)中不同的數(shù)據(jù)來(lái)源為基礎(chǔ)的比較（Comparison）是以數(shù)據(jù)為驅(qū)動(dòng)的風(fēng)機(jī)狀態(tài)精確管理的實(shí)現(xiàn)手段。前文中我們介紹了不同的數(shù)據(jù)源對(duì)應(yīng)的不同比較維度，包括在時(shí)間維度上比較自身狀態(tài)的變化，以及在集群維度上比較與其他個(gè)體的差異性。

首先來(lái)介紹以自身的歷史數(shù)據(jù)為數(shù)據(jù)源在時(shí)間維度上比較自身狀態(tài)變化的方法。SCADA數(shù)據(jù)中有很豐富的環(huán)境參數(shù)和狀態(tài)參數(shù)，這些參數(shù)之間有很強(qiáng)的空間分布模式相關(guān)性，這種相關(guān)性是非線性的，且某一參數(shù)變化時(shí)其他參數(shù)的變化響應(yīng)速度也不同（例如轉(zhuǎn)速上升時(shí)，振動(dòng)最先變大，而溫度的上升則很慢）。因此用傳統(tǒng)的物理建模手段很難進(jìn)行精確的管理。應(yīng)當(dāng)利用固定時(shí)間窗內(nèi)數(shù)據(jù)建立的模型進(jìn)行差異對(duì)比，通過(guò)對(duì)差異性的量化評(píng)估和管理就能夠達(dá)到對(duì)風(fēng)機(jī)健康管理和故障預(yù)測(cè)的目的。

設(shè)備級(jí)：以同類(lèi)設(shè)備為基礎(chǔ)的狀態(tài)評(píng)估

前一種以自身歷史數(shù)據(jù)為來(lái)源的狀態(tài)評(píng)估方法需要充分的歷史數(shù)據(jù)建立設(shè)備狀態(tài)的基線模型，但是基線模型在建立過(guò)程中會(huì)受到數(shù)據(jù)樣本是否充分、工況是否完全、數(shù)據(jù)質(zhì)量是否良好等許多因素的影響。然而，由于風(fēng)場(chǎng)大多數(shù)風(fēng)機(jī)的地理位置相近，環(huán)境狀況也十分相似，因此可以比較風(fēng)機(jī)集群運(yùn)行特征的分布，找到與大多數(shù)風(fēng)機(jī)特征分布偏差較大的風(fēng)機(jī)，從而補(bǔ)償單機(jī)狀態(tài)評(píng)估模型的準(zhǔn)確率。這樣以集群作為比較性的基礎(chǔ)方式，就能夠以與集群相比的平均功率損失作為風(fēng)機(jī)性能精確評(píng)估的結(jié)果。

系統(tǒng)級(jí)：基于結(jié)果推演的決策優(yōu)化

在對(duì)風(fēng)機(jī)的狀態(tài)進(jìn)行精確評(píng)估的基礎(chǔ)上，如何綜合狀態(tài)信息、環(huán)境信息和維護(hù)資源等信息，對(duì)維護(hù)計(jì)劃的決策進(jìn)行優(yōu)化，也是智能管理和使用的重要方面。風(fēng)場(chǎng)的維護(hù)是一項(xiàng)非常復(fù)雜的工作，尤其是建設(shè)在海上的風(fēng)場(chǎng)，維護(hù)需要調(diào)用船舶、直升機(jī)、海工船等特殊設(shè)備，成本更加高昂，維修周期更長(zhǎng)。由于風(fēng)機(jī)運(yùn)行環(huán)境較惡劣，風(fēng)資源的隨機(jī)性、風(fēng)場(chǎng)多地處偏遠(yuǎn)地區(qū)等客觀因素，進(jìn)行人工的狀態(tài)監(jiān)控和維護(hù)排程難以實(shí)現(xiàn)風(fēng)能利用的最大效率。

風(fēng)場(chǎng)的運(yùn)維策略和排程的優(yōu)化需要綜合考慮許多的因素，包括風(fēng)機(jī)的當(dāng)前健康狀態(tài)、維護(hù)機(jī)會(huì)窗口、對(duì)未來(lái)幾天內(nèi)風(fēng)資源的預(yù)測(cè)、維護(hù)資源的可用性、維護(hù)人員的數(shù)量和技能、船舶的路徑和成本、海上天氣狀況等多個(gè)維度的關(guān)鍵因素。在對(duì)風(fēng)資源的精確預(yù)測(cè)基礎(chǔ)上結(jié)合維護(hù)需求信息，在風(fēng)資源較弱的時(shí)刻進(jìn)行維護(hù)，而在風(fēng)資源好的情況下盡可能運(yùn)轉(zhuǎn)發(fā)電。針對(duì)每個(gè)維修任務(wù)，可以由多個(gè)可用的維修團(tuán)隊(duì)選擇乘坐多個(gè)可用的維修船只進(jìn)行維修，這增加了系統(tǒng)維修排程安排的靈活性，有利于降低成本，但同時(shí)也擴(kuò)大了搜索和推演范圍，使問(wèn)題變得更加復(fù)雜。

IMS開(kāi)發(fā)了面向海上風(fēng)場(chǎng)中短期運(yùn)維計(jì)劃排程的解決方案，采用了多層次化的決策體系，針對(duì)海上風(fēng)場(chǎng)維修任務(wù)的特點(diǎn)，充分考慮船只、天氣、維修人員、維修次序、風(fēng)機(jī)健康狀況、航行費(fèi)用等因素，建立了風(fēng)場(chǎng)維護(hù)排程優(yōu)化的推演和決策環(huán)境，簡(jiǎn)而言之，即能夠靈活適應(yīng)安排M個(gè)維修船只和N個(gè)維修團(tuán)隊(duì)去完成P個(gè)不同的維修任務(wù)。通過(guò)維修排程優(yōu)化，使整個(gè)維修過(guò)程中由于風(fēng)功率損失和資源使用造成的成本達(dá)到最小。以某海上風(fēng)場(chǎng)中對(duì)17個(gè)維護(hù)任務(wù)進(jìn)行排程優(yōu)化為例，優(yōu)化后的排程計(jì)劃在執(zhí)行推演中預(yù)測(cè)的成本，比沒(méi)有進(jìn)行優(yōu)化的維護(hù)計(jì)劃成本降低了30%以上。

除此以外，基于整個(gè)風(fēng)場(chǎng)的歷史數(shù)據(jù)統(tǒng)計(jì)和維護(hù)成本分析，還可以為決策者提供有針對(duì)性的改善建議，比如當(dāng)出現(xiàn)某個(gè)零部件的故障發(fā)生頻率高、平均故障時(shí)間長(zhǎng)的情況，可以反饋到供應(yīng)商，以對(duì)產(chǎn)品的可靠性進(jìn)行改善，從而優(yōu)化風(fēng)電行業(yè)產(chǎn)業(yè)鏈的價(jià)值。

結(jié)語(yǔ)

智能化是“數(shù)據(jù)—信息—知識(shí)—價(jià)值”的轉(zhuǎn)變過(guò)程。在這個(gè)轉(zhuǎn)變過(guò)程中，數(shù)據(jù)和信息是信息時(shí)代的產(chǎn)物，知識(shí)和價(jià)值才是智能化時(shí)代的關(guān)鍵。

當(dāng)“知識(shí)化”與城市、工廠、社區(qū)、醫(yī)療相結(jié)合，就形成了智慧城市、智慧工廠、智慧社區(qū)、智慧醫(yī)療……而這些恰恰回答了智能化有什么用的問(wèn)題，即智能化通過(guò)知識(shí)化的創(chuàng)新應(yīng)用，將知識(shí)切切實(shí)實(shí)地轉(zhuǎn)化為了社會(huì)生產(chǎn)力，進(jìn)而帶動(dòng)整個(gè)國(guó)家在經(jīng)濟(jì)、社會(huì)、公共服務(wù)等各領(lǐng)域的轉(zhuǎn)型與發(fā)展。