朱衛列在2022全球數字價值峰會

9月17日，在2022數字價值峰會（北京站）重點行業智慧製造與集團數字化管控高峰論壇上，中國計算機使用者協會工業網際網路與大資料應用分會理事長朱衛列以《新一代智慧製造（CPS）應用研究》為題，分享了他近期對於新一代智慧系統CPS的應用研究。

業界早年就提出了CPS概念，近幾年中國工程院又提出了HCPS的論述，並指出HCPS是“新一代智慧製造”的核心技術。朱衛列認為，CPS的本質是透過採集工業大資料、實時計算、建立資訊物理模型，以實現對工業系統及外部環境的自感知、自適應，再回到控制系統，實現對工業系統的動態、精準執行，解決生產製造環節中節能、綠色環保及安全問題。CPS的目的就是要取代人，幫助人類最佳化智慧製造過程，所以他認為CPS才是未來，而不是HCPS。

朱衛列在演講中分析了工業3。0時代核心技術之一的自控系統的功能不足，分享了發電廠利用CPS技術，建立煤粉溫度場等一系列複雜工業系統的資訊物理模型的經驗，提出了CPS與DCS的架構關係，對比了工業3。0時代的DCS、PLC產品與工業4。0時代的CPS產品形態和核心技術差異。

以下為朱衛列演講全文，略經鈦媒體App編輯：

我的發言主題是《新一代智慧製造（CPS）應用研究》。

以下為朱衛列演講全文，略經鈦媒體App編輯：

分四個方面來講。首先來看下CPS、HCPS的概念及產生的淵源。

2017年，中國工程院提出了新一代智慧製造技術HCPS（人-資訊-物理系統）概念，隨後在HCPS主課題之外，釋出了《流程工業智慧最佳化製造分課題研究報告》，對流程型工業智慧製造存在的技術難點以及HCPS架構等問題進行了闡釋；2022年4月，中國工程院又提出“新一代智慧製造”的概念，並且提出了兩個觀點：

1。 “新一代智慧製造”是新一代工業革命的核心技術；

2。  “新一代智慧製造”的技術機理是“人- 資訊- 物理系統（HCPS）”。

由此，我們可以看出，中國工程院的觀點是：HCPS 將是從工業3。0邁向新一代工業革命，即工業4。0的核心技術。

HCPS如何來的？顯然是借用了CPS概念。CPS最早是1992年被NASA（美國國家航空航天局）提出來的。它的本質構建一套資訊（Cyber）空間與物理（Physical）空間之間基於資料自動流動的狀態感知、實時分析、科學決策、精準執行的閉環賦能體系，解決生產製造、應用服務過程中的複雜性和不確定性問題，提高資源配置效率，實現資源最佳化。

我本人更支援CPS的概念，認為

CPS與資訊物理模型的意義

。HCPS是在CPS之上加了H，就是人去輔助決策，或者透過人進行輔助控制， 這一方面是對工業瞭解得不夠深，沒有看到工業的複雜性，並高估了人對複雜的工業系統的計算和分析能力；另一方面是對工業資料的採集、計算、反饋“頻率”的重要性、一致性缺乏理解，早在 HCPS概念提出之前，工業領域便開發過許多類似於HCPS的“專家輔助決策系統”，專家輔助決策系統出發點上是好的，但實際應用成功的案例非常少，系統驗收後不久便會成為擺設，因為專家作為H不可能“實時線上”地進行輔助決策。因此， HCPS作為新一代智慧製造的技術方向和核心技術該受到質疑的，HCPS應是走向CPS技術體系的過渡性技術方案，未來會逐步發展稱為CPS。

反之，CPS的目的就是要取代人，新一代工業革命的目的是儘可能透過CPS等工業智慧技術取代人的決策，用機器智慧取代人的智慧，所以說工業4。0的未來是CPS。

我後面的講解將以CPS概念進行論述。

談到工業4。0我們不得不回顧一下工業3。0的核心代表技術之一DCS，DCS稱為分散控制系統，在流程型工業中，特別是在電力、冶金、石化行業應用極其廣泛，可以說DCS代表了工業3。0時代的技術水平，它把工業製造水平由過去的機械化、電氣化帶到了自動化。然而，在邁向工業4。0的過程中，我們重新審視以DCS為代表的工業控制系統，我們發現它存在以下問題：

CPS與資訊物理模型的意義

儘管科技界有許多關於自適應控制的研究，也有許多成果應用，但大型流程工業中沒有自適應控制功能的系統還佔主流。我們知道控制系統的設計是需要透過控制系統（控制器）去控制工業系統，然而我們的工業系統（由一系列工業裝置組成）並不是一成不變的，在長期的執行過程中會出現磨損、老化，我們常常稱為效能“劣化”，有些工業裝置及執行機構甚至會出現卡澀、拒動等等現象。但是，

CPS才是工業4.0的未來，而不是HCPS

首先，控制系統的控制引數不能隨著控制物件（工業系統）的變化而變化，也就是說不具有自適應功能。

工業系統的執行往往與外部環境密不可分，外部環境的微小變化，對系統的執行影響決不能忽視。然而傳統的DCS系統很難感知到這種變化，無法進行有針對性的控制調整。比如燃煤電廠燒的煤，煤種成分經常性發生變化，對燃燒效率及機組執行效率均會產生影響，目前的控制系統很難感知並適應這種細微變化。

對於工業系統的劣化，控制系統引數設定並不會隨之調整：大多數情況下控制系統的引數設定是在工業系統投產前的除錯階段或工業系統大修之後除錯設定好的，這樣就造成了控制系統與工業系統之間的“脫節”，工業物件在逐步劣化，而控制引數不變，工業系統執行一段時間後，便會偏離最佳效率區域執行。

行業中往往給予了滿負荷附近的工作點以更大的關注，控制系統引數調整做的比較精細、認真，而對於遠離滿負荷工作點，除錯往往不夠到位。近年來由於需要優先呼叫清潔能源的原因，燃煤發電機組需要更多時間進行深度調峰，工業系統除錯的不夠精細，帶來的經濟損失很大。

第二，無法有效感知工業系統外部環境變化，對外部環境變化缺乏適應性。

：自動化控制需要一個變數（操作變數）去影響另一個目標變數（被控變數）。這裡內涵一個根本性假設：變數之間存在“因果”關係。只有具有因果關係的變數集合，才能形成“控制迴路”並構成自動控制系統。但工業系統中存在著大量複雜系統，往往是變數很多，關係複雜，互相之間的因果關係不明顯，給設計控制系統設計帶來了極大的難度，很多微量的影響因素很難在控制系統裡實現。

然而，各個物理量之間關係複雜、或關係不明顯並非表示他們之間沒有關聯和邏輯關係，經過多年的探索與實踐我們發現：

第三，控制系統在低工況執行時問題更多，使得工業系統在低工況執行時更加遠離該工況下的最佳效率點。

。

今天我們設計CPS新一代智慧製造的目的就是要有效解決工業3。0中工業控制系統存在的問題，要讓控制系統的引數能夠伴隨裝置的劣化而調整、變化，要讓CPS感知外部環境輸入量的微小變化而可以進行實時調整，並控制工業系統在全工況下持續執行在最佳工作點上，也就是說賦予我們的工業系統具有自感知、自適應的智慧化功能，最重要的是要利用好工業大資料，基於工業大資料建立起一個個工業系統的資訊系統模型，由此帶動工業走向智慧化之路。

讓我們回到現實中來，分析一下自動化程度非常高的發電企業的生產、控制過程。在所有的燃煤發電廠裡，工業系統主要是鍋爐、汽輪機、發電機以及相關的輔機，如閥門、泵、電動機等等一起組成的互相連線的系統，控制系統透過控制指令控制這些工業系統的開度、轉速、流量、壓力等等，然而，無論我們的DCS有多麼的先進，發電廠中依然還有人工操作盤，執行人員需要經常性的進行手工操作，輔助控制整個機組執行。我們知道發電企業經濟執行極為重要，經濟執行就需要尋找在不同負荷下的最低煤耗點，然而擺在執行人員面前可供他們進行手動調節的關鍵量有十多個，這就意味著我們的執行人員需要在自身腦海中構建一個“多維複雜系統模型”，然後進行精準的操作才能完成任務，顯然這不是簡單的事情。

很多發電廠在推行“小指標考核”，試圖透過考核、評比的辦法促進執行人員關注每一個微小的節能指標，摸索出規律、然後再實時微調，這種管理方法起到了一定的效果，但客觀地說

最後，自動控制系統本身的侷限性

。

我們再來看看真實的資料，許多燃煤發電機組煤耗如下圖：同樣負荷下的煤耗差竟然達20%以上，如此高的離散度顯然不是單一原因造成的，我們前面提到裝置劣化、燃煤成分變化等等因素都會影響煤耗，與此同時，不同的執行人員對工業系統的理解存在差異，並由此帶來不同的操作，這些均是煤耗離散度大的原因。

其實，也就在幾年前，我們的一些科技工作者還試圖透過統計學的方法擬合出機組“功率與煤耗曲線”，並嘗試利用該曲線進行不同機組之間的負荷分配，當時我對此建議還持肯定態度，後期當我看到資料離散度如此之大時，我認為這一方案是有問題的。

這就是工業的現狀！在工業3。0時代，我們建立了強大的DCS系統，它支撐了我們工業的發展、進步，但它不完善。我們不能將工業這樣的複雜系統簡單的交給現場的執行人員，讓他們日以繼夜去摸索、去積累經驗，科學界、工程界應該努力透過系統性的方法解決複雜系統問題，這是我們的使命和職責。

如今我們終於發現：我們可以利用工業大資料構建起工業系統的“資訊物理模型”，讓這些模型取代執行人員腦子中的經驗及自以為是，讓機器智慧取代人腦智慧的侷限性，這項技術就是CPS！

有了工業大資料以後，我們可以透過資料去建立這些物理量之間的“資訊物理模型”，形成多個物理量之間的資料及邏輯關係，而這正是CPS的意義所在

我們知道流程型工業一直致力於：高效、綠色、安全可靠，這三個目標的實現均與CPS有關，也就是與資訊物理模型有關。“高效”涉及的領域較寬，也是最難的，原因是我們前面提到的系統複雜，波動性大，因此也屬於世界難題。

我們的做法首先是

超過10個以上的引數調整、最佳化已經超出了執行人員的思維極限和知識結構

。所謂工業大資料均是從生產控制系統DCS那裡獲取的生產實時資料，不是網際網路或一些大資料公司常提的Hadoop、Spark。

其次，

CPS在煤電廠的應用

，這需要我們對發電鍋爐燃燒的過程、熱交換等物理過程進行逐一分析、建立關聯關係。

再次，就是

CPS在煤電廠的

，透過計算構建與能耗有關的資訊物理模型。

需要特別指出的是：經過多年的實踐我們發現：過去人們研究燃燒過程中，往往將關注點放在火焰中心點溫度上，現在我們終於意識到更為關鍵技術卻應是煤粉燃燒溫度場模型，且溫度場模型應該圍繞著煤粉燃燒的軌跡去建立，讓煤粉在爐膛中持續保持較高的溫度。上圖中的煤粉行程軌跡中，

應用

，使得煤粉燃燒有較高的溫度，

獲取工業大資料，選擇與“高效”效能相關的感測器資料

（煤粉溫度場曲線）持續保持高溫下燃燒，讓煤粉燃燒不斷釋放熱能。這裡的煤粉燃燒溫度場就是我們前面提到的關鍵技術：資訊物理模型。

煤粉燃燒過程是複雜非線性系統，我們採用了N個線性時變動態方程進行求解。這中間的技術當然比較複雜，需要引入狀態量、特徵指標以及向量空間等等概念，由於技術太過複雜，細節這裡不再講述。

電力行業通常每發一千瓦時的電能夠降低一克煤的消耗都是很困難的事情，但經過幾千次的調整操作、近百次對比試驗，我們的燃煤電廠CPS技術方案可以降低幾克煤、或近十克煤，對此許多人是不信的，但可以告訴大家的是，實際現場的技術效果遠比我們對外宣傳的要大的多，道理很簡單：對於幾十個變數，人的計算能力怎麼能夠超過計算機？這就是智慧化的力量！事實是：越是傳統的領域，智慧化的作用越大。下圖是某發電廠的案例：

如今，這項CPS技術已經開始推廣到幾個發電集團，並在7臺燃煤發電機組上做過試驗，其技術、經濟指標如下圖：

藉此機會，再提一下低碳、深度調峰問題。綠色低碳也是未來工業的重要指標，在CPS應用中可以作為單獨的目標進行求解。在燃煤發電廠的生產執行中，節能與綠色低碳有著高度正相關，因為降低了發電煤耗，每發一千瓦時的電少燃燒了煤，直接減少了CO2的排放。深度調峰屬於低負荷執行，這也與CPS在低負荷下的資訊物理模型建立有關，只要我們在模型訓練時有低負荷的執行資料，後面的問題即可解決，包括低負荷下的節能問題也是一樣。

最後，我們說鍋爐最佳化燃燒只是我們CPS研究的其中一個實戰案例，其他的案例我們不再逐一介紹了。

分析物理過程

我從三方面總結一下CPS功能與架構。

第一，

計算

。CPS首先能夠感知工業系統本身的劣化，這種感知依靠的是工業資料的反饋，因為我們採集的工業系統（物件）的資料，這些資料反映了工業系統的劣化的過程；其次，CPS也能感知到外部環境的變化，煤種熱值、含水量等等成分變化均在燃燒過程中透過其他資料得以反映，CPS透過系統辨識計算後可以自適應、調整控制引數，獲得更佳的熱效率。最後，由於無論是在大資料訓練階段還是實戰階段，機組經歷了各種工況執行，資訊物理模型建立在絕大多數工況的資料基礎上，我們所計算的最佳工作點是各個工況下的集合，這確保了我們能夠在各個執行工況下的經濟尋優。

第二，

一方面要控制風機的風量等等引數

，具體如上圖。但CPS的具體應用需要根據工業需求進行補充完善。針對最佳化執行等節能領域的應用，在建立資訊物理模型之後，CPS還需要進行效能最佳化的效率對比計算，以便找到不同內、外部條件下的最低能源消耗點的集合。之後，還必須計算通向能耗最低點的途徑或路徑，找路徑很像在野外登山時尋找最佳路線：我們看到3維的山巒表面景象（3維物理模型）之後，我們很快可以在此3維曲面上找到達到頂峰的最佳的途徑。多維繫統也一樣，建立了資訊物理模型之後，我們再計算找到通向最佳點的途徑，這樣，我們便可以透過控制系統進行相應的調整，實現在最低能耗點工作的目標。

第三，

另一方面還要使得煤粉行程拋物線

。對於大多數工業系統，CPS可採用單獨設計、訓練後，再嫁接、並行到原有的控制系統中，CPS修訂原有控制系統的一些引數，使之能夠智慧適應內、外部環境的變化。上圖是CPS與原有DCS一併工作的示意圖，加一個智慧盒子後，透過在控制系統里加偏差實現智慧最佳化功能。原來這種偏差靠人調整，現在是靠智慧系統了。

CPS功能架構

我們常常思考：我們將從工業3。0邁向工業4。0，由自動化走向智慧化，那麼自動化時代有代表性產品，如：PLC、DCS等等，而到了智慧化時代，智慧化產品形態是什麼？在智慧化時代，有沒有一個類似於DCS的產品？這樣的產品應具有一定的普適性，能夠得以廣泛應用。另外，自動化時代成就了一批控制系統公司，如西門子、ABB、羅克韋爾等，那步入智慧化時代，實現工業智慧化的主體是哪類公司？這些公司該具有哪些基本技術與能力？

上述問題我今天還不能完全、準確回答，唯有結合本文開頭中國工程院的結論以及我們多年的探索、實踐，我們認為：

CPS功能架構

。

未來CPS將具有極大的普適性。

謝謝大家的聆聽，有不對的地方歡迎指正。我們協會也會組織有志於從事CPS研究的企業、機構、學者和工程師共同探討這項技術。