流程行业知识自动化的探索与实践：牛顿-图灵-默顿网络

刘志强，祝 震，张国朋

（1.江西铜业集团有限公司 贵溪冶炼厂，江西 贵溪 335424；2.太极计算机股份有限公司，北京 100083）

1 引言

随着人口拐点到来，各项经营成本抬高，各个行业都面临着经营的困难。为了应对内外部挑战，各行各业都不约而同地把智能化作为突破困境的重要手段之一。2016年开始，贵溪冶炼厂提出了建设铜冶炼智能工厂、全面实现数字化工厂的目标［1］。2016年6月通过工信部审核，贵溪冶炼厂成为铜冶炼行业唯一一家“铜冶炼智能工厂试点示范”。然而，如何推进智能工厂建设；如何让智能化能够接地气，真正解决工厂面临的各种问题；如何运用新的工信技术和管理艺术推动铜冶炼工艺流程满负荷作业率和全员劳动生产率的提高、并产生可观的整体经济和社会效益，对于我们来说这是一个挑战。技术上的成功并不代表经济上的可行，技术的经济性是和各个行业的具体场景和外部环境密切相关的。不同于制造行业，流程行业对生产作业的连续性要求极高，简单地套用制造行业智能化的经验和做法，盲目地追求攀比先进技术而不选择合适的需求切入点，将把工厂的智能化建设引向歧途。我们需要根据流程行业本身的特点和要求，并和供应商、消费者、外部环境等主体协同起来，探索并实践适合流程行业自身特点的智能化道路、理论体系和方法论。

2 理论探索

2.1 知识自动化

知识自动化可以理解为是一种以自动化的方式，变革性地完成知识产生、获取、分析、影响、实施的有效途径［2］。知识自动化的关键在于将人的知识型工作通过机器自动完成。通过将数据、信息、情报等与任务和决策无缝、准确、及时、在线地自动串联起来, 实现之前只有行业专家才可以完成的复杂分析、精准判断、实时决策和反馈修正。这种由知识自动化网络、相关的外部主体连接及知识系统构成的大系统, 被称为知识自动化系统。知识自动化系统实时地与物理-机器-人类世界进行数据获取、动作执行、效果反馈，不间断地获取海量的异构、高并发的数据。知识自动化系统是一个动态且时变的系统：通过实时反馈数据的获取和历史数据的积累, 不断地自动修正系统内部的内容、形态、方法、层次和结构。知识自动化系统用系统自身的时变性、互联性和自学习来实现对复杂的物理-机器-人类世界解释和改造。

智能化与传统的自动化都是运用机器替代人，利用机器的优势，避免人类工作的不确定性，从而产生巨大的工作效率。然而，智能化不是传统的自动化，二者的区别在于：传统的自动化的改造对象是人类重复性的高负荷或危险性体力工作，其价值在于节约劳力；而智能化的改造对象是人类重复性的高负荷脑力工作，是把行业专家的决策方法或流程固化下来并传承、优化、复用、共享，是知识工作的自动化。智能化的价值在于决策的更优更快以及更自主、快速地修正。智能化需要以传统的自动化为基础，并通过传统的自动化获取数据和执行动作，但是智能化不是简单地提高自动化的水平和应用率，更不是简单地“机器代人”或“仿人智能”。智能化是通过行业互联网，把机器的高计算能力、高存储能力、判断决策客观一致的能力和人的经验和管理能力相结合，以区别于人类的方式实现知识的积累和应用，从而能够让机器进行快速地思考和决策或让机器帮助人进行更优更准确的决策，并促进工序和部门间的协同能力和共享能力。机器和人类融合在一起，实现超越人类组织和思考能力、跨越时空的实时物理资源调配。

2.2 物理-机器-人类世界

从工程角度看，机器智能的实质就是知识自动化。随着机器智能的发展，机器将逐步改变以往作为人类生产工具的从属地位。机器不会接管或替代人类，而是将通过智能网络形成自己独特的机器世界，并与人类世界协同发展。从社会发展上，以物理资源优化、智能能力调配、人机协同、虚实孪生为特征的物理-机器-人类三方参与、共赢的智能社会全球化，已经开始替代以殖民和贸易为特征、剥削掠夺式“零和”的工业社会全球化。

在古代，人类解放了物理世界，实现了农业文明。在近现代，人类创造了机器世界，实现了工业文明。在现在和未来，人类将解放机器世界，实现智能文明。未来的物理-机器-人类世界将从不平等、不和谐的关系中解脱出来，实现物理世界、机器世界、人类世界的和谐共生发展。智能化不应当是 “机器代人”，而是通过网络和智能技术，打破以往“金字塔式”的层级结构，通过牛顿-图灵-默顿体系实现物理世界、机器世界和人类世界的协同共赢，并最终促进人类的幸福发展。

2.3 函数式思维

在工业时代，受限于技术条件和外部环境，严格的专业分工虽然大幅提高了专业工作的效率，但也带来了专业间的沟通障碍，严重拖累了跨专业的工作协同效率。如何实现物理-机器-人类世界三者间的网络协同，需要有跨越物理-机器-人类世界的语言。而这种语言之一就是数学。函数式思维是一种数学思维，是打破以往严格界限，实现跨越物理-机器-人类世界、跨时空的思维方式。通过分析和发现物理世界、机器世界、人类世界的数学原理和规律，并将这些原理或规律通过数学函数表达出来，从科学的角度以数学函数形而上学地来解释和描述发生在物理-机器-人类世界的各种现象。

函数式编程构成范式的理论基础是由Alonzo Church等提出并证明与图灵机等价的lambda演算系统［4］。函数式编程与指令式编程之间最大的不同在于：函数式编程关心的是数据的映射，指令式编程关心的是解决问题的步骤。这里的映射就是数学上“函数”的概念。 “函数式编程”相较“指令式编程”更符合函数式思维，而不必太关心程序的状态和执行次序，可以灵活地无状态、并发执行。这也是为什么函数式编程语言相较指令式编程或对象式编程更广泛地应用于AI领域。最新发布的开发语言也都加入了函数式编程的支持，方便行业专家使用、复用和共享行业知识，从而在行业知识的积累中知识损耗最小。

2.4 牛顿-图灵-默顿体系

利用数学思维，将物理-机器-人类世界通过智能平行网络连接起来，我们可以构建数字孪生的牛顿-图灵-默顿体系，从而搭建集中管理、分散控制的知识自动化系统（图1）。这种集中或分散不是物理空间上的集中或分散，而是建立在虚拟时空中的集中和分散，因而具有云端扩展、协同共享、实时反馈、跨越历史的能力。

图1 物理-机器-人类世界与牛顿-图灵-默顿体系

知识自动化在现阶段面临的科学问题可以归结为从牛顿系统、图灵系统、默顿系统，三者的数字平行孪生，从以解析方法为基础的建模、分析、控制到以数据驱动为核心的描述、预估、引导［3］。把知识、情报、任务、决策通过图灵系统的计算服务、网络服务、存储服务在时间和空间两个维度无缝地互联，实现“所见即所得”。我们不仅要实现传统自动化的物理可见的“机器人”，也要实现知识自动化的虚拟存在的“知识机器人”，实现知识的“天网”。

3 实践应用

流程行业存在大量的人工经验，包括了企业管理、车间调度和设备运行等。流程行业知识自动化通过行业专家参与分享行业领域知识，采用知识推理自主决策，从而实现流程行业的智慧化、绿色化［5-6］。2016到2018年，江西铜业贵溪冶炼厂推进实施智能工厂一期建设。围绕建设贵冶特色的知识自动化系统，工厂组织进行了以下知识自动化实践：

3.1 数据池

关系数据库主要存储结构化的关系数据，并提供了数据查询分析、按照规则处理事务的功能。它能够支持多用户并发访问以及数据安全性的保证。凭借SQL查询语言、强大的数据分析能力和数据独立性等优点获得了广泛应用。

实时数据库系统的技术核心在于数据压缩和数据缓存。它将数据缓存中的数据经算法压缩后再存入存储空间，当需要调用历史数据时再读取存储空间上的数据。基于这样的原则，为高效存储大量的实时数据提供了技术保证。

大数据的数据库技术是大数据存储与处理技术的重要组成部分。其核心是海量数据存储和数据并行处理技术。它包括了分布式文件系统(DFS)、分布式计算平台（MapReduce）和分布式存储系统（BigTable）三大技术。

如上所述，这些数据库技术相互之间互有优缺点，也有各自适合的应用范围。在实践中我们根据应用行业的特点和需求，灵活综合运营这些数据库构建符合行业特点的数据池，破除传统信息架构中的四级“烟囱式”数据存储与交换，形成平行分布式的数据存储与交换“水系”。

在一期知识自动化建设中，通过运用傲时公司的实时数据库系统和微软公司的关系数据库，我们不仅完成了数据的实时采集，实现了数据实时清洗过滤和长达10年以上的历史数据保存，同时构建了数据间的结构关系框架，实现了上十万级数据的映射、计算与层级关系管理架构。

3.2 知识自动化的路径

知识自动化有三项常用的技术路径：规则、算法和预测分析模型［1］。规则和算法均为机器可以直接执行的知识形式，但需要人类专家定义。预测分析模型则允许机器使用历史数据自动生成新的机器自学习知识。在实现知识自动化的过程中，我们需要根据需求和场景来单独 或混合使用这三种技术路径。

（1）规则。规则是一条或多条机器可执行语句。它使用一组条件判定一个结论。规则之间没有特定的执行顺序，多个规则可以并行执行。

（2）算法。算法包括了用于得到某一结果的一系列顺序执行的机器语句。

（3）预测分析模型。预测分析是使用历史数据自学习生成的知识。通过对知识计算内在规律和机理的研究，可以更好地支持对潜在知识的推断和未来知识的预测［7］。通过采用实时/历史数据库在线获取数据，采用实时计算方法对结果数据进行在线偏差比较。历史数据越多，越能真实反映实际和未来［8］。

图2 闪速炉作业情况通报规则

图3 结晶状态判断与时间计算算法

运用傲时公司的分析服务等专业分析软件，我们实现了：

（1）基于投料量设定值和给料系统运行状态的闪速炉作业情况通报等规则（图2）。

（2）基于机理模型的闪速炉数学模型、基于温度变化曲线二阶导数的结晶状态判断与时间计算等算法（图3）。

（3）明确了可在二期建设实施的预测分析模型集中托管和执行部署的平台架构。平台的无状态架构可以方便地进行计算能力的水平扩展，以及多个并发计算请求同时处理的能力（图4）。

图4 预测分析模型集中托管和执行部署的平台架构

这些分析服务和平台都能够基于函数式编程，便于行业专家开发、测试、完善和部署。

3.3 人机交互

相比于传统的自动化，智能化的人机交互既不再是固定物理空间的人机交互和交流，也不仅是向手机通知一样地跨越物理空间的信息推送，而要从提高人机交互有效性和时效性出发提高交互事项管理能力。这也就需要突破传统的电子邮件等通知，运用“5W1H分析法”，构建可集中管理、自动分析、面向每个用户个性化的GTD系统。

图5 人机交互系统

目前国内外在人机交互系统上大多围绕画面监视、报警、电子邮件、手机APP推送等手段开展（图5）。这是我们在二期建设中需要在已实现的这些交互手段基础上，进一步应用机器学习技术深入研究和发展的方向。

4 结论

智能化建设不是简单的跨行业复制。即使是国外先进企业，简单复制式的数字化转型在推广中也出现了类似Predix的暂时挫折。智能化建设既要有指导性的理论架构，避免重复发明轮子，也要根据行业特点和需求，综合性地将理论与行业实践结合，特别是与行业技术专家和管理专家的生产实践活动结合。根据行业需求的不同，坚持参考世界范围内的成功案例、坚持首先进行规划调研和数据标准定义、坚持敏捷开发方式，采用适应行业特点的多种数据库技术、知识自动化手段并辅以恰当的人机交互界面，可以构建出适应流程行业的知识自动化平台，从而沉淀以往分散在每个专业技术人员和管理人员头脑中的知识和经验，并不断丰富积累形成能够协同共享的行业知识系统。