江蘇鳳谷節(jié)能科技有限公司  大家上午好!非常感謝組委會的邀請，今天主要談一下智能制造中的控制問題。

首先講一下工業(yè)4.0對工業(yè)的發(fā)展。經過四次工業(yè)革命，從最早的機械加工到生產線到工業(yè)機器人到多機器人，工業(yè)4.0在德國做的很好。

什么是工業(yè)4.0呢?實際上就是說把實體和虛擬結合起來。我做一個簡單的總結，可以看成簡單的CPS+，因為它首先從市場需求開始，通過智能制造，以智能制造通過互聯網集成，實現全自動化。全自動化以后當有客戶需求的時候，能夠把原材料、產品、機器連在一起，實現智能化。

很重要的是過去工人也這么做，只不過需要人，需要程序。在這里智能起了很大的作用，要把智能能夠添到里面，到最終實現質量的提升、效率提高。它產生的工業(yè)應用有很多方面，制造業(yè)降低了成本、提高了效率，能源還有城市的規(guī)劃交通以及健康醫(yī)療體系。

工業(yè)4.0九大技術支柱：人工智能、工業(yè)互聯網、工業(yè)云計算、工業(yè)大數據、工業(yè)機器人、3D打印、知識工作自動化、工業(yè)網絡安全、虛擬現實。

現在提出知識自動化是很難的。從工業(yè)4.0的角度、智能的尺度來講，它有五個尺度：首先是硬件，這是企業(yè)比較擅長的，上面的是數據信息，第一個是鏈接，第二是看見信息。這上面有很多方法去做激勵學習、深入挖掘等等，這還是屬于產品智能。第三層級是系統智能，各個模塊的銜接，看的很清楚，人們可以看的更清楚。這開始有難度了。再往上就是人的智能，這就非常難了，我們看事就看的透了，它要跨界，跨多個維度和尺度去看，這個層面上的智能難。最后是希望自主的，我覺得這是非常難的。工業(yè)4.0希望這樣做，但實際上真正能做到什么級別、什么程度，我認為從學術的角度看有很大的難度。

這是國家973項目，其中一個是做裝備智能，希望裝備智能化設計、整個數字化有智能感知，能夠建模，以后做智能抉擇設計。制造難就是尺度大，不確定性大。

再下去深入講一點，控制在制造中的應用，首先我打開一個小尺度，這是電子封裝很簡單的回路，非常簡單的小回路可以看出多個控制的前導，每個打開下去以后，你可以看到噴膠過程。

這個尺度是時間尺度，在一個毫秒級點膠水，在分鐘級別上點很多膠水，而且最后的性能是不可測的，那是需要現場人的輔助，這是非常難的。還有固化，10公分的系統是三維的，實際上就是物理期間，有空間尺度。這個描述過程是非常難的問題。其他很多流程都是這樣描述，包括柔性力，包括彈性的材料來操作都是屬于這個過程，這是比較難的。

如果從整個制造尺度來看，它是多層的、分散式的，從最底層自動化到回路控制到監(jiān)督層到生產調度中間層到整個工廠層面，因此從自動化到控制到監(jiān)督到管理，智能是逐漸提升的，但是它是在下面更關心產品的質量，其實在上面更關心商業(yè)質量。因此，它難度是從底下往上面越來越難，越到上面不確定性越大，不確定性越大，控制智能化就非常難。

因此來講，制造系統像我們培養(yǎng)是多尺度的，有局部特性，有宏觀級別。局部的東西越高層的動的越慢，當我們做的很快，可以交互，當人做錯決定，你要糾正起來很慢。復雜度，越到上面越大，但是越下面，從學術角度來講，它比較好放驅動。不確定性是下面小，有多種不確定性，控制是動態(tài)，模型驅動，基本上比較精確的處置。到上面看是知識驅動，下面比較本能的反應，上面是邏輯思維，邏輯的，評價體系也這樣，越到下面精確度高，上面是應用。智能也是下面低、上面高。因此，不確定性從左到右，制造體系在底下是小的，是做不到的。在工業(yè)界來講，在底層不確定比較小，建模、控制、設計能夠去做，因為到上面來講就不能做建模，因為東西太大。所謂的智能方案，模糊的神經元等等方法做。在這里感知非常重要。

不確定性有兩種，一種隨機的，還有一種是模糊的，好比兩杯水，一個隨機10%有毒，一個模糊的10%有毒，確定的不確定性和隨機的不確定，還有空間的不確定，因為尺度。

控制在不同尺度上體現不一樣，一般來講最底層的機器設計，回路控制、機器控制，這里面更多是任務的分配、制造，在設計中承擔更多的控制。這兩層更多的是離散系統，實現產品自動化方面的變化，但到高層，決策是戰(zhàn)略性的，這里進行知識的闡釋和自動化方面。建模不一樣，感知完了才建模，對于設計的建模、控制的建模，這些都不太一樣。

一般來講做一個產業(yè)，我認為在制造做的研究上，我們需要三個平臺，一個是實驗，毫無疑問需要實驗來感知。二是物理仿真。這兩個要銜接好。三是基于模型的控制，是從常規(guī)方面驅動的。

點膠是多時間尺度。多時間尺度很難，因為短時間尺度點進去，基本上不可能做到閉環(huán)。因此，在短時間尺度、長時間尺度、在分鐘級別20、30分鐘點幾千滴膠水，怎么做到一致性?就需要控制，通過控制解決趨勢性問題，沒有趨勢性干擾才能通過控制實現。因此，我們叫多尺度的設計機器人。我要了解清楚才能設計，這兩個是解決短時間尺度上的工作。另外一個是解決長時間尺度的工作。

通過膠水的方程有一定的了解，通過做實驗，通過做混合實驗鍛煉很多的特征，由此來支持獲取，在物理仿真上通過物理仿真、實驗離合進行設計，使設計的整個尺寸等來進行設計，設計完了以后來控制。所有點膠機都是開發(fā)性控制，沒有傳感器，我們如果做工業(yè)4.0，很重要的是要加傳感器，我們想知道撞針，通過信息位置我們做后續(xù)的很多分析，很多預測。在這個基礎上智能感知加額外的感知，以后在后面做過程級別多點的一致性補償，發(fā)覺趨勢性變化，然后再做控制。

4.0里面有一點，你要做全面的自動化需要感知，溫度場只能一個產品一點，空間上其他點的溫度你不知道，我們現在如何用幾個傳感器知道呢?這樣對過程有更清晰的了解，然后做控制，這是智能感知。

其實我們把深度學習加在這里，來提高它感知的精度。因此，在未來最大的挑戰(zhàn)是智能，我們要三個智能系統，這是很大的挑戰(zhàn)，對人都是挑戰(zhàn)，機器更是，知識的生成和自動化很難。

智能從哪兒來?先看人，為邏輯分析再到行動。相對人制造系統也相似，和人結構相似，因此，相應這部分機器只能是商業(yè)智能。計算機的速度足夠快，所以狗可以打敗人，人是被硬件打敗，不能說軟體，因為人有第六感，這是機器做不到的。

數據信息，學習信息有兩塊，量化模型、知識模型，這兩塊有很多方法，這是產品層面。比較高的是決策，因為有兩種不確定性，剛才說的確定的不確定性，還有隨機的不確定性，因為知識的表達是模糊的，也是隨機的。

城市大學世界排名150-200名，這是模糊的，不是精確性的。這是概率的，所以這句話是對的。人可以很好的處理，機器就有很大的問題。模糊系統是處理機器的一種方式，是成熟的。我們最近開發(fā)概率模糊性，把兩種集成起來給予支持。

這是一個973項目里面做的，這個難點是功率耦合機不確定，鍛造材料，兩條驅動，因此來講，兩個驅動截面的耦合模型要搞清楚，要得到量化模型建模，還有操作員的操作的經驗、知識清理出來決策，然后取得參數，這樣才能驅動兩個東西，這是現在做的東西?？傊悄苤圃焓嵌喑叨燃?。從過程開始，還有很多跨學科，因為制造是多尺度的。通過智能提高所有我們的標準，這里最大的挑戰(zhàn)是智能的建模，人的智能。

總之，智能制造是多尺度集成。從過程開始，還有很多跨學科，因為制造是多尺度的。通過智能提高所有我們的標準，這里最大的挑戰(zhàn)是智能的建模，人的智能。

鳳谷工業(yè)爐集設計研發(fā),生產銷售,培訓指導,售后服務一體化,專利節(jié)能技術應用,每年為企業(yè)節(jié)省40%-70%的能源成本,主要產品加熱爐,工業(yè)爐,節(jié)能爐,蓄熱式爐,垃圾氣化處理設備，歡迎致電咨詢:0510-88818999