流程行業知識自動化的探索與實踐：牛頓-圖靈-默頓網絡

劉志強，祝 震，張國朋

（1.江西銅業集團有限公司 貴溪冶煉廠，江西 貴溪 335424；2.太極計算機股份有限公司，北京 100083）

1 引言

隨著人口拐點到來，各項經營成本抬高，各個行業都面臨著經營的困難。為了應對內外部挑戰，各行各業都不約而同地把智能化作為突破困境的重要手段之一。2016年開始，貴溪冶煉廠提出了建設銅冶煉智能工廠、全面實現數字化工廠的目標［1］。2016年6月通過工信部審核，貴溪冶煉廠成為銅冶煉行業唯一一家“銅冶煉智能工廠試點示范”。然而，如何推進智能工廠建設；如何讓智能化能夠接地氣，真正解決工廠面臨的各種問題；如何運用新的工信技術和管理藝術推動銅冶煉工藝流程滿負荷作業率和全員勞動生產率的提高、并產生可觀的整體經濟和社會效益，對于我們來說這是一個挑戰。技術上的成功并不代表經濟上的可行，技術的經濟性是和各個行業的具體場景和外部環境密切相關的。不同于制造行業，流程行業對生產作業的連續性要求極高，簡單地套用制造行業智能化的經驗和做法，盲目地追求攀比先進技術而不選擇合適的需求切入點，將把工廠的智能化建設引向歧途。我們需要根據流程行業本身的特點和要求，并和供應商、消費者、外部環境等主體協同起來，探索并實踐適合流程行業自身特點的智能化道路、理論體系和方法論。

2 理論探索

2.1 知識自動化

知識自動化可以理解為是一種以自動化的方式，變革性地完成知識產生、獲取、分析、影響、實施的有效途徑［2］。知識自動化的關鍵在于將人的知識型工作通過機器自動完成。通過將數據、信息、情報等與任務和決策無縫、準確、及時、在線地自動串聯起來, 實現之前只有行業專家才可以完成的復雜分析、精準判斷、實時決策和反饋修正。這種由知識自動化網絡、相關的外部主體連接及知識系統構成的大系統, 被稱為知識自動化系統。知識自動化系統實時地與物理-機器-人類世界進行數據獲取、動作執行、效果反饋，不間斷地獲取海量的異構、高并發的數據。知識自動化系統是一個動態且時變的系統：通過實時反饋數據的獲取和歷史數據的積累, 不斷地自動修正系統內部的內容、形態、方法、層次和結構。知識自動化系統用系統自身的時變性、互聯性和自學習來實現對復雜的物理-機器-人類世界解釋和改造。

智能化與傳統的自動化都是運用機器替代人，利用機器的優勢，避免人類工作的不確定性，從而產生巨大的工作效率。然而，智能化不是傳統的自動化，二者的區別在于：傳統的自動化的改造對象是人類重復性的高負荷或危險性體力工作，其價值在于節約勞力；而智能化的改造對象是人類重復性的高負荷腦力工作，是把行業專家的決策方法或流程固化下來并傳承、優化、復用、共享，是知識工作的自動化。智能化的價值在于決策的更優更快以及更自主、快速地修正。智能化需要以傳統的自動化為基礎，并通過傳統的自動化獲取數據和執行動作，但是智能化不是簡單地提高自動化的水平和應用率，更不是簡單地“機器代人”或“仿人智能”。智能化是通過行業互聯網，把機器的高計算能力、高存儲能力、判斷決策客觀一致的能力和人的經驗和管理能力相結合，以區別于人類的方式實現知識的積累和應用，從而能夠讓機器進行快速地思考和決策或讓機器幫助人進行更優更準確的決策，并促進工序和部門間的協同能力和共享能力。機器和人類融合在一起，實現超越人類組織和思考能力、跨越時空的實時物理資源調配。

2.2 物理-機器-人類世界

從工程角度看，機器智能的實質就是知識自動化。隨著機器智能的發展，機器將逐步改變以往作為人類生產工具的從屬地位。機器不會接管或替代人類，而是將通過智能網絡形成自己獨特的機器世界，并與人類世界協同發展。從社會發展上，以物理資源優化、智能能力調配、人機協同、虛實孿生為特征的物理-機器-人類三方參與、共贏的智能社會全球化，已經開始替代以殖民和貿易為特征、剝削掠奪式“零和”的工業社會全球化。

在古代，人類解放了物理世界，實現了農業文明。在近現代，人類創造了機器世界，實現了工業文明。在現在和未來，人類將解放機器世界，實現智能文明。未來的物理-機器-人類世界將從不平等、不和諧的關系中解脫出來，實現物理世界、機器世界、人類世界的和諧共生發展。智能化不應當是 “機器代人”，而是通過網絡和智能技術，打破以往“金字塔式”的層級結構，通過牛頓-圖靈-默頓體系實現物理世界、機器世界和人類世界的協同共贏，并最終促進人類的幸福發展。

2.3 函數式思維

在工業時代，受限于技術條件和外部環境，嚴格的專業分工雖然大幅提高了專業工作的效率，但也帶來了專業間的溝通障礙，嚴重拖累了跨專業的工作協同效率。如何實現物理-機器-人類世界三者間的網絡協同，需要有跨越物理-機器-人類世界的語言。而這種語言之一就是數學。函數式思維是一種數學思維，是打破以往嚴格界限，實現跨越物理-機器-人類世界、跨時空的思維方式。通過分析和發現物理世界、機器世界、人類世界的數學原理和規律，并將這些原理或規律通過數學函數表達出來，從科學的角度以數學函數形而上學地來解釋和描述發生在物理-機器-人類世界的各種現象。

函數式編程構成范式的理論基礎是由Alonzo Church等提出并證明與圖靈機等價的lambda演算系統［4］。函數式編程與指令式編程之間最大的不同在于：函數式編程關心的是數據的映射，指令式編程關心的是解決問題的步驟。這里的映射就是數學上“函數”的概念。 “函數式編程”相較“指令式編程”更符合函數式思維，而不必太關心程序的狀態和執行次序，可以靈活地無狀態、并發執行。這也是為什么函數式編程語言相較指令式編程或對象式編程更廣泛地應用于AI領域。最新發布的開發語言也都加入了函數式編程的支持，方便行業專家使用、復用和共享行業知識，從而在行業知識的積累中知識損耗最小。

2.4 牛頓-圖靈-默頓體系

利用數學思維，將物理-機器-人類世界通過智能平行網絡連接起來，我們可以構建數字孿生的牛頓-圖靈-默頓體系，從而搭建集中管理、分散控制的知識自動化系統（圖1）。這種集中或分散不是物理空間上的集中或分散，而是建立在虛擬時空中的集中和分散，因而具有云端擴展、協同共享、實時反饋、跨越歷史的能力。

圖1 物理-機器-人類世界與牛頓-圖靈-默頓體系

知識自動化在現階段面臨的科學問題可以歸結為從牛頓系統、圖靈系統、默頓系統，三者的數字平行孿生，從以解析方法為基礎的建模、分析、控制到以數據驅動為核心的描述、預估、引導［3］。把知識、情報、任務、決策通過圖靈系統的計算服務、網絡服務、存儲服務在時間和空間兩個維度無縫地互聯，實現“所見即所得”。我們不僅要實現傳統自動化的物理可見的“機器人”，也要實現知識自動化的虛擬存在的“知識機器人”，實現知識的“天網”。

3 實踐應用

流程行業存在大量的人工經驗，包括了企業管理、車間調度和設備運行等。流程行業知識自動化通過行業專家參與分享行業領域知識，采用知識推理自主決策，從而實現流程行業的智慧化、綠色化［5-6］。2016到2018年，江西銅業貴溪冶煉廠推進實施智能工廠一期建設。圍繞建設貴冶特色的知識自動化系統，工廠組織進行了以下知識自動化實踐：

3.1 數據池

關系數據庫主要存儲結構化的關系數據，并提供了數據查詢分析、按照規則處理事務的功能。它能夠支持多用戶并發訪問以及數據安全性的保證。憑借SQL查詢語言、強大的數據分析能力和數據獨立性等優點獲得了廣泛應用。

實時數據庫系統的技術核心在于數據壓縮和數據緩存。它將數據緩存中的數據經算法壓縮后再存入存儲空間，當需要調用歷史數據時再讀取存儲空間上的數據。基于這樣的原則，為高效存儲大量的實時數據提供了技術保證。

大數據的數據庫技術是大數據存儲與處理技術的重要組成部分。其核心是海量數據存儲和數據并行處理技術。它包括了分布式文件系統(DFS)、分布式計算平臺（MapReduce）和分布式存儲系統（BigTable）三大技術。

如上所述，這些數據庫技術相互之間互有優缺點，也有各自適合的應用范圍。在實踐中我們根據應用行業的特點和需求，靈活綜合運營這些數據庫構建符合行業特點的數據池，破除傳統信息架構中的四級“煙囪式”數據存儲與交換，形成平行分布式的數據存儲與交換“水系”。

在一期知識自動化建設中，通過運用傲時公司的實時數據庫系統和微軟公司的關系數據庫，我們不僅完成了數據的實時采集，實現了數據實時清洗過濾和長達10年以上的歷史數據保存，同時構建了數據間的結構關系框架，實現了上十萬級數據的映射、計算與層級關系管理架構。

3.2 知識自動化的路徑

知識自動化有三項常用的技術路徑：規則、算法和預測分析模型［1］。規則和算法均為機器可以直接執行的知識形式，但需要人類專家定義。預測分析模型則允許機器使用歷史數據自動生成新的機器自學習知識。在實現知識自動化的過程中，我們需要根據需求和場景來單獨 或混合使用這三種技術路徑。

（1）規則。規則是一條或多條機器可執行語句。它使用一組條件判定一個結論。規則之間沒有特定的執行順序，多個規則可以并行執行。

（2）算法。算法包括了用于得到某一結果的一系列順序執行的機器語句。

（3）預測分析模型。預測分析是使用歷史數據自學習生成的知識。通過對知識計算內在規律和機理的研究，可以更好地支持對潛在知識的推斷和未來知識的預測［7］。通過采用實時/歷史數據庫在線獲取數據，采用實時計算方法對結果數據進行在線偏差比較。歷史數據越多，越能真實反映實際和未來［8］。

圖2 閃速爐作業情況通報規則

圖3 結晶狀態判斷與時間計算算法

運用傲時公司的分析服務等專業分析軟件，我們實現了：

（1）基于投料量設定值和給料系統運行狀態的閃速爐作業情況通報等規則（圖2）。

（2）基于機理模型的閃速爐數學模型、基于溫度變化曲線二階導數的結晶狀態判斷與時間計算等算法（圖3）。

（3）明確了可在二期建設實施的預測分析模型集中托管和執行部署的平臺架構。平臺的無狀態架構可以方便地進行計算能力的水平擴展，以及多個并發計算請求同時處理的能力（圖4）。

圖4 預測分析模型集中托管和執行部署的平臺架構

這些分析服務和平臺都能夠基于函數式編程，便于行業專家開發、測試、完善和部署。

3.3 人機交互

相比于傳統的自動化，智能化的人機交互既不再是固定物理空間的人機交互和交流，也不僅是向手機通知一樣地跨越物理空間的信息推送，而要從提高人機交互有效性和時效性出發提高交互事項管理能力。這也就需要突破傳統的電子郵件等通知，運用“5W1H分析法”，構建可集中管理、自動分析、面向每個用戶個性化的GTD系統。

圖5 人機交互系統

目前國內外在人機交互系統上大多圍繞畫面監視、報警、電子郵件、手機APP推送等手段開展（圖5）。這是我們在二期建設中需要在已實現的這些交互手段基礎上，進一步應用機器學習技術深入研究和發展的方向。

4 結論

智能化建設不是簡單的跨行業復制。即使是國外先進企業，簡單復制式的數字化轉型在推廣中也出現了類似Predix的暫時挫折。智能化建設既要有指導性的理論架構，避免重復發明輪子，也要根據行業特點和需求，綜合性地將理論與行業實踐結合，特別是與行業技術專家和管理專家的生產實踐活動結合。根據行業需求的不同，堅持參考世界范圍內的成功案例、堅持首先進行規劃調研和數據標準定義、堅持敏捷開發方式，采用適應行業特點的多種數據庫技術、知識自動化手段并輔以恰當的人機交互界面，可以構建出適應流程行業的知識自動化平臺，從而沉淀以往分散在每個專業技術人員和管理人員頭腦中的知識和經驗，并不斷豐富積累形成能夠協同共享的行業知識系統。