自上世紀中期以來(lái), 工業(yè)技術(shù)(Industrial technology)和信息技術(shù)(Information technology)融合的過(guò)程就已經(jīng)開(kāi)始, 其進(jìn)程由于網(wǎng)絡(luò )技術(shù)的發(fā)展而加速, 而工業(yè)控制系統的演化就是這一融合過(guò)程的范例。網(wǎng)絡(luò )化的工業(yè)控制主要經(jīng)歷了以下幾個(gè)階段： 20世紀六七十年代的模擬儀表控制系統、八九十年代的集散控制系統、21世紀的現場(chǎng)總線(xiàn)系統。在這些階段, 技術(shù)發(fā)展聚焦于在工業(yè)現場(chǎng)本地的工業(yè)過(guò)程信息化與自動(dòng)化。

2012年, 對應網(wǎng)絡(luò )信息技術(shù)的發(fā)展, 國際工業(yè)技術(shù)巨頭GE (General Electric)公司提出了工業(yè)互聯(lián)網(wǎng)的概念并發(fā)表工業(yè)互聯(lián)網(wǎng)白皮書(shū)[1]。在白皮書(shū)中, GE將工業(yè)互聯(lián)網(wǎng)的精髓闡述為：智能機器(Intelligent machines)、高級分析(Advanced analytics)、工作人員(People at work)三要素的深度融合?？v觀(guān)GE的工業(yè)互聯(lián)網(wǎng), 是以工業(yè)系統為中心的基于互聯(lián)網(wǎng)的工業(yè)、信息、網(wǎng)絡(luò )、人機結合的融合技術(shù)。

隨著(zhù)科技的飛速發(fā)展, 物聯(lián)網(wǎng)(Internet of things, IoT)概念和技術(shù)也得到了迅速的普及。物聯(lián)網(wǎng)理念的起源比較公認的說(shuō)法是由Kevin Aston在1999年在Procter & Gamble (P & G)的一次演講中提出[2], 其工業(yè)應用的價(jià)值與意義顯而易見(jiàn)。對應于物聯(lián)網(wǎng)技術(shù), 工業(yè)互聯(lián)網(wǎng)的概念逐步演變成為工業(yè)物聯(lián)網(wǎng)的概念, 但工業(yè)物聯(lián)網(wǎng)(Industrial internet of things, IIoT)的起源卻沒(méi)有公認的結論。2016和2017年, 王飛躍教授分別在IEEE TAB (Technical activity board meeting)未來(lái)方向IoT會(huì )議和IEEE射頻識別委員會(huì )(Council on RFID)上提出設立工業(yè)物聯(lián)網(wǎng)專(zhuān)業(yè)工作委員會(huì )。2017年底, IEEE計算機學(xué)會(huì )將工業(yè)物聯(lián)網(wǎng)列為2018年的十大技術(shù)發(fā)展趨勢之一。

對于從工業(yè)互聯(lián)網(wǎng)到工業(yè)物聯(lián)網(wǎng)的轉換過(guò)程, GE在其官網(wǎng)上一方面宣稱(chēng)"工業(yè)物聯(lián)網(wǎng)即工業(yè)互聯(lián)網(wǎng)"("The industrial internet of things (IIoT), also known as the industrial internet")[3], 而在同一篇文檔里, GE也承認工業(yè)物聯(lián)網(wǎng)確是工業(yè)互聯(lián)網(wǎng)在客戶(hù)端的擴展："One perspective is to think of the Industrial Internet as connecting machines and devices in industries ?? On the other hand, the Internet of Things tend to include consumer-level devices ??"

在最近的發(fā)展中, 工業(yè)物聯(lián)網(wǎng)的概念正迅速取代工業(yè)互聯(lián)網(wǎng)的概念, 無(wú)論是在以GE為代表的美國工業(yè)界還是以西門(mén)子、ABB為代表的歐洲工業(yè)界, 工業(yè)物聯(lián)網(wǎng)已成為工業(yè)網(wǎng)聯(lián)系統的主流技術(shù)框架。 2017年8月, GE數字部門(mén)CEO, William Ruh在官網(wǎng)發(fā)表文章"為什么GE數字部門(mén)定位于工業(yè)物聯(lián)網(wǎng)領(lǐng)袖(Why GE digital is positioned to lead the industrial internet of things)"[4], 而在這篇文章里通篇再未見(jiàn)"工業(yè)互聯(lián)網(wǎng)"字樣。西門(mén)子工業(yè)也將其工業(yè)平臺MindSphere定義為"MindSphere是基于云技術(shù)的、開(kāi)放物聯(lián)網(wǎng)操作系統(MindSphere is the cloud-based, open IoT operating system)"。

圖1描述了工業(yè)網(wǎng)聯(lián)技術(shù)在各個(gè)時(shí)期的不同發(fā)展階段。我們認為工業(yè)互聯(lián)網(wǎng)是其中的一個(gè)重要發(fā)展階段, 就是基于互聯(lián)網(wǎng)技術(shù)發(fā)展出的聯(lián)結業(yè)務(wù)、商務(wù)、供應鏈等信息的網(wǎng)絡(luò )系統和技術(shù), 而工業(yè)物聯(lián)網(wǎng)是其向邊緣裝置的深入發(fā)展。當前的工業(yè)物聯(lián)網(wǎng)技術(shù)能在系統感知與控制層次上解決復雜工業(yè)系統的管控問(wèn)題, 但是在更高的智能層次上, 在系統資源的使用效率、自適應性、自主性、自組織性和安全性上, 還缺乏有效的、融合系統工程技術(shù)的智能科技。由此, 工業(yè)智聯(lián)網(wǎng)應運而生, 其使命就是實(shí)現工業(yè)過(guò)程的知識自動(dòng)化, 為新一代的工業(yè)智能產(chǎn)業(yè)提供智能科技。

圖 1 工業(yè)網(wǎng)聯(lián)技術(shù)的演進(jìn)過(guò)程

工業(yè)智聯(lián)網(wǎng)旨在實(shí)現海量工業(yè)實(shí)體的智能化協(xié)同, 改變工業(yè)生產(chǎn)形態(tài)的未來(lái)工業(yè)基礎設施, 需要運用新一代技術(shù)理念, 對不同種類(lèi)工業(yè)實(shí)體乃至整個(gè)工業(yè)網(wǎng)絡(luò )進(jìn)行建模和管控, 對工業(yè)和社會(huì )資源進(jìn)行高效整合, 從而實(shí)現工業(yè)實(shí)體的智能化發(fā)展。

在工業(yè)智聯(lián)網(wǎng)的架構下, 會(huì )催生以下的智聯(lián)網(wǎng)架構, 包括：

1) 農業(yè)智聯(lián)網(wǎng)：農業(yè)智聯(lián)網(wǎng)將農業(yè)生產(chǎn)的各個(gè)物理、流程和知識環(huán)節通過(guò)智能技術(shù)有機地融合成一體, 使其能夠自動(dòng)、自主、自適應、自?xún)?yōu)化運行。逐漸實(shí)現從以人的體力和智力為中心、農業(yè)裝備為輔助設施的生產(chǎn)模式, 向以人機協(xié)同智能體為中心的, 自動(dòng)化、智能化、知識化農業(yè)生產(chǎn)轉變。

2) 交通智聯(lián)網(wǎng)：交通智聯(lián)網(wǎng)實(shí)現交通運輸系統中社會(huì )、人、交通裝備、基礎設施、貨物、環(huán)境等異構交通要素在智能與知識層面上的融合, 從而建立起一種可自適應、自?xún)?yōu)化、自運行的綜合交通運輸管控系統。

3) 能源智聯(lián)網(wǎng)：能源的產(chǎn)生、傳輸、分配、銷(xiāo)售是能源工業(yè)的核心業(yè)務(wù)。圍繞這些核心業(yè)務(wù), 能源工業(yè)的其他業(yè)務(wù)也包括公司運營(yíng)、投資管理、監管法規等。我們期望能源智聯(lián)網(wǎng)為以上的能源工業(yè)組件提供極大提升其工業(yè)效率的技術(shù)方法和系統平臺。

4) 企業(yè)智聯(lián)網(wǎng)：當代企業(yè)管理已經(jīng)從信息管理向知識管理邁進(jìn)。企業(yè)智聯(lián)網(wǎng)為企業(yè)提供知識化和智能化的管理能力, 并為管理者提供嶄新的管理工具與手段。

5) 社會(huì )智聯(lián)網(wǎng)：旨在基于智聯(lián)網(wǎng)技術(shù)和平臺, 實(shí)現社會(huì )和經(jīng)濟的自主優(yōu)化和管控, 基于物理空間和虛擬空間的融合而實(shí)現對社會(huì )、經(jīng)濟問(wèn)題的描述、預測、引導, 促使向新的智能社會(huì )形態(tài)的邁進(jìn)。

因此, 工業(yè)智聯(lián)網(wǎng)是一門(mén)與工業(yè)互聯(lián)網(wǎng)、工業(yè)物聯(lián)網(wǎng)緊密結合, 深度融合的智能技術(shù)和知識工程技術(shù), 其目標為建立包含人機物在內的智能實(shí)體之間知識層次的聯(lián)結、實(shí)現各智能體間知識的互聯(lián)互通, 是一種全新的、直接面向全社會(huì )智能的復雜協(xié)同數信、感控、知識自動(dòng)化系統。工業(yè)智聯(lián)網(wǎng)的實(shí)施則能夠以極高的效率整合各種工業(yè)和社會(huì )資源, 極大地減少工業(yè)資源的浪費和消耗, 極大地解放工業(yè)生產(chǎn)力, 拓展即將出現的"軟件定義工業(yè)"、"類(lèi)工業(yè)領(lǐng)域"、"廣義工業(yè)"、"社會(huì )制造"、"社會(huì )工業(yè)"等智能產(chǎn)業(yè)新形態(tài)[5]。

本文旨在闡述工業(yè)智聯(lián)網(wǎng)的基本概念、關(guān)鍵技術(shù)和核心應用, 并對其發(fā)展和應用進(jìn)行展望。

1 工業(yè)智聯(lián)網(wǎng)的基本概念

工業(yè)智聯(lián)網(wǎng)屬于復雜系統的范疇, 因此本文對工業(yè)智聯(lián)網(wǎng)做一個(gè)多方位的定義：

1) 工業(yè)智聯(lián)網(wǎng)作為新興的科學(xué)技術(shù)門(mén)類(lèi)：智聯(lián)網(wǎng)的目標是達成智能體群體的"協(xié)同知識自動(dòng)化"和"協(xié)同認知智能", 即以某種協(xié)同的方式進(jìn)行從原始經(jīng)驗數據的主動(dòng)采集、獲取知識、交換知識、關(guān)聯(lián)知識, 到知識功能, 如推理、策略、決策、規劃、管控等全自動(dòng)化過(guò)程, 因此智聯(lián)網(wǎng)的實(shí)質(zhì)是一種全新的、直接面向智能的復雜、協(xié)同知識自動(dòng)化系統理論和工程技術(shù)。

2) 工業(yè)智聯(lián)網(wǎng)作為未來(lái)工業(yè)基礎設施：工業(yè)智聯(lián)網(wǎng)是由社會(huì )工程系統聯(lián)合感知與驅動(dòng)以及多層次一體化通信計算系統支撐的工業(yè)系統智能技術(shù)系統和知識服務(wù)平臺。

3) 工業(yè)智聯(lián)網(wǎng)作為工業(yè)資源整合配置工具：工業(yè)智聯(lián)網(wǎng)深度融合互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、人機交互、大數據、智能技術(shù), 實(shí)現研發(fā)、生產(chǎn)、供應、銷(xiāo)售、服務(wù)等工業(yè)全鏈條要素的全面聯(lián)結、協(xié)同與智能化, 使海量工業(yè)智能實(shí)體完成社會(huì )化知識協(xié)同, 徹底地改變了工業(yè)生產(chǎn)形態(tài), 極大地解放和提升社會(huì )生產(chǎn)力。

4) 工業(yè)智聯(lián)網(wǎng)作為智能產(chǎn)業(yè)經(jīng)濟管控手段：工業(yè)智聯(lián)網(wǎng)的使命是重組各種產(chǎn)業(yè), 對其進(jìn)行建模、分析、管控, 使其以難以想象的高效率自主地運轉和發(fā)展; 所有工業(yè)實(shí)體運行在智能產(chǎn)業(yè)網(wǎng)絡(luò )的虛擬空間中, 使得監視和管控各個(gè)工業(yè)單元的運行狀況成為可能, 使得分析每一個(gè)產(chǎn)業(yè)的宏觀(guān)數據和微觀(guān)數據成為可能, 最終形成真正的數據化、知識化、智能化的智能產(chǎn)業(yè)。

具體而言, 工業(yè)智聯(lián)網(wǎng)的內涵包括：1)知識工程與知識自動(dòng)化：知識自動(dòng)化[6-7], 在廣義上暫無(wú)精確的定義, 粗略上可以理解為是一種以自動(dòng)化的方式變革性地改變知識產(chǎn)生、獲取、分析、影響、實(shí)施的有效途徑。狹義上, 知識自動(dòng)化可認為是廣義知識自動(dòng)化的應用。知識自動(dòng)化的關(guān)鍵, 在于如何將信息、情報等與任務(wù)和決策無(wú)縫、準確、及時(shí)、在線(xiàn)地整合起來(lái), 從而實(shí)現自動(dòng)完成各種知識功能與知識服務(wù)。這種由知識自動(dòng)化技術(shù)構成的系統, 即為知識自動(dòng)化系統。知識自動(dòng)化系統不斷與真實(shí)世界進(jìn)行行為互動(dòng)、知識交互, 不間斷獲取海量的不同領(lǐng)域、異構、高度并發(fā)的數據。知識自動(dòng)化系統是一個(gè)動(dòng)態(tài)且時(shí)變的系統, 通過(guò)經(jīng)驗知識的獲取和積累, 不斷改變系統內部?jì)热?、形態(tài)、方法和結構, 它用自身的復雜性、時(shí)變性來(lái)理解真實(shí)世界的復雜性和時(shí)變性。2)虛實(shí)糾纏的新興工業(yè)形態(tài)：針對傳統的工業(yè)系統, 在信息化、數字化的基礎上, 通過(guò)計算與實(shí)驗的方法構建出虛擬工業(yè)系統。通過(guò)傳統工業(yè)系統與虛擬工業(yè)系統的交互, 實(shí)現建立智能化虛實(shí)交互、糾纏的新工業(yè)系統, 完成對實(shí)際工業(yè)系統的管理與控制、分析與優(yōu)化[8]。3)人在環(huán)、社會(huì )在環(huán)的社會(huì )工程系統：社會(huì )系統由三部分系統構成, 即"物理空間"對應的物理工程系統, "賽博空間"對應的人工工程系統以及"社會(huì )空間"對應的社會(huì )工程系統。根據實(shí)際物理工程系統, 構建出相應的人工工程系統。人工工程系統基于大數據技術(shù)和AI技術(shù)完成對物理系統的實(shí)時(shí)控制, 兩者同時(shí)完成對社會(huì )系統的引導[9]。社會(huì )系統同時(shí)對物理系統和人工系統完成實(shí)時(shí)反饋, 最終實(shí)現物理空間、賽博空間、社會(huì )空間的互聯(lián)互通, 共同融合。 4)工業(yè)資源異構網(wǎng)絡(luò )及其新型管控模式：實(shí)際的工業(yè)資源, 存在著(zhù)時(shí)空尺度異構、實(shí)體異構、關(guān)系異構等, 借助社會(huì )傳感或物理傳感、驅動(dòng)、通信、計算等技術(shù), 構建形成工業(yè)資源異構網(wǎng)絡(luò )。通過(guò)智能技術(shù)、復雜系統工程技術(shù)、區塊鏈智能技術(shù)等相關(guān)技術(shù)手段進(jìn)行優(yōu)化、運營(yíng)、管控。工業(yè)資源異構網(wǎng)絡(luò )功能通過(guò)數據中心/計算架構處理, 轉化成知識, 并最終形成知識服務(wù)。

2 工業(yè)智聯(lián)網(wǎng)架構與核心技術(shù)

工業(yè)智聯(lián)網(wǎng)的技術(shù)架構主要由數據接入層、通信計算層、虛擬操作系統層、知識解析綜合層、以及知識服務(wù)層組成, 其結構如圖 2所示。圖 3中所示是在該體系結構下, 新出現的核心技術(shù)。本文將工業(yè)智聯(lián)網(wǎng)新出現的架構與核心技術(shù)歸納如下：

圖 2 工業(yè)智聯(lián)網(wǎng)的技術(shù)平臺架構

圖 3 工業(yè)智聯(lián)網(wǎng)概念架構與核心技術(shù)

2.1 數字虛擬工業(yè)技術(shù)

數字虛擬工業(yè)技術(shù)基于實(shí)際工業(yè)設備運行數據, 通過(guò)學(xué)習和優(yōu)化, 建立對應于實(shí)際工業(yè)系統的虛擬工業(yè)系統。借助軟硬件接口, 兩個(gè)系統在運行過(guò)程中進(jìn)行信息的交互, 協(xié)同發(fā)展, 基于學(xué)習過(guò)程中累積的知識, 逐步完善的虛擬工業(yè)系統結合實(shí)際運行數據, 對工業(yè)實(shí)體狀態(tài)進(jìn)行評估, 并設計場(chǎng)景進(jìn)行演化計算實(shí)驗對未來(lái)態(tài)勢進(jìn)行預測, 幫助實(shí)現對復雜實(shí)際工業(yè)系統的管理控制, 而對實(shí)際工業(yè)系統實(shí)施管控措施后的實(shí)時(shí)信息將反饋給虛擬工業(yè)系統做后續的評判推演, 兩個(gè)系統隨時(shí)間不斷進(jìn)行類(lèi)似的交互反饋[10]。數字虛擬工業(yè)技術(shù)的原理及流程如圖 4所示。

圖 4 數字虛擬工業(yè)技術(shù)

利用數字虛擬工業(yè)技術(shù), 能夠建立虛實(shí)糾纏的工業(yè)系統, 從而可挖掘分析實(shí)際運行數據, 構建工業(yè)設備數字化壽命模型, 預判運行狀態(tài)發(fā)展趨勢, 智能輔助運行人員決策, 實(shí)現對工業(yè)實(shí)體的精確描述、實(shí)時(shí)預測和智能引導[11]。虛實(shí)交互系統的具體設計和交互架構如圖 5所示。

圖 5 虛實(shí)交互系統

2.2 新一代知識工程技術(shù)

新一代知識工程技術(shù)包括單智能體自主獲取知識的知識自動(dòng)化技術(shù)和多智能體的知識協(xié)同技術(shù)。知識自動(dòng)化, 在廣義上可以定義為是一種以自動(dòng)化的方式變革性地改變知識產(chǎn)生、獲取、分析、影響、實(shí)施的有效途徑, 其關(guān)鍵在于對原始信息、目標任務(wù)與最終決策的自然、準確、在線(xiàn)結合[12]。知識自動(dòng)化通過(guò)對多尺度時(shí)空信息的組織和特征化, 揭示數據的低層次內在特征, 而后進(jìn)行知識對象及知識對象屬性的提取, 獲取有知識價(jià)值的對象及其屬性, 構建知識空間, 最終實(shí)現知識的表示和知識功能的實(shí)現。知識的協(xié)同技術(shù)主要包括知識的協(xié)同表征與傳遞, 以及知識的聯(lián)結與協(xié)同運行, 它通過(guò)建立智能實(shí)體之間知識層次的互聯(lián)互通, 在聯(lián)合知識空間中完成知識功能[13]。如圖 6所示, 人們的社會(huì )、經(jīng)濟、技術(shù)活動(dòng)通過(guò)"翻譯"的方式實(shí)現了自然語(yǔ)言與人工語(yǔ)言的智能交互, 最終通過(guò)智聯(lián)網(wǎng)的多種協(xié)同結構實(shí)現了支撐知識服務(wù)、完成知識功能、實(shí)現知識消費等多種功能。

圖 6 新一代知識工程技術(shù)

將新一代知識工程技術(shù)運用于工業(yè)智聯(lián)網(wǎng)中, 不僅能夠基于單個(gè)工業(yè)實(shí)體的實(shí)際運行數據, 完成在生產(chǎn)過(guò)程中的知識發(fā)現和表示, 進(jìn)行情景預測和輔助決策, 實(shí)現單個(gè)工業(yè)實(shí)體的安全運行和工藝調整; 更重要的是, 能夠建立不同工業(yè)實(shí)體之間的知識聯(lián)結網(wǎng)絡(luò ), 達到工業(yè)知識的協(xié)同運行, 在整個(gè)工業(yè)體系中完成對全鏈條工業(yè)實(shí)體的綜合分析和統一決策, 實(shí)現工業(yè)結構整體優(yōu)化和生產(chǎn)力全面提高。

2.3 工業(yè)資源異構復雜網(wǎng)絡(luò )的建模、分析及管控技術(shù)

工業(yè)資源異構復雜網(wǎng)絡(luò )的建模、分析及管控(圖 7)借助圖處理、深度學(xué)習等智能技術(shù), 對不同類(lèi)型的工業(yè)資源網(wǎng)絡(luò )進(jìn)行數字化建模, 基于不同工業(yè)資源網(wǎng)絡(luò )之間的數據映射關(guān)系、邏輯關(guān)聯(lián)性等特征進(jìn)行融合性分析, 形成異構工業(yè)資源網(wǎng)絡(luò ), 從而對異構工業(yè)資源網(wǎng)絡(luò )產(chǎn)生的各類(lèi)數據信息進(jìn)行一體化的挖掘。同時(shí), 利用區塊鏈網(wǎng)絡(luò )智能合約不可篡改特征和通證屬性對建立的工業(yè)資源異構復雜網(wǎng)絡(luò )進(jìn)行管理和控制。

圖 7 工業(yè)資源異構復雜網(wǎng)絡(luò )的建模、分析及管控

利用異構網(wǎng)絡(luò )建模、分析和管控技術(shù), 可對海量的不同種類(lèi)工業(yè)資源進(jìn)行深度整合、統一管理和信息挖掘, 實(shí)現高效、安全、準確的分析與控制。

2.4 區塊鏈智能

區塊鏈智能技術(shù)是一種廣泛應用于社會(huì )經(jīng)濟領(lǐng)域的一種新型技術(shù), 它包括應用于底層的區塊鏈技術(shù)和運作于區塊鏈之上的通證經(jīng)濟體系。如圖 8所示, 區塊鏈具有去中心化、自治化、透明不可篡改、可追溯性等特性[14-15], 其應用使傳統上難以流通和商品化的"注意力"與"信用度"成為可以批量化生產(chǎn)的流通商品, 革命性地提升經(jīng)濟活動(dòng)范圍與社會(huì )效率, 區塊鏈技術(shù)具有成為智能經(jīng)濟的基石的潛質(zhì).通證經(jīng)濟是支撐區塊鏈實(shí)現權益快速流動(dòng)與安全交換的一種機制[16], 構建改變生產(chǎn)力和生產(chǎn)關(guān)系的智能經(jīng)濟模式離不開(kāi)通證經(jīng)濟體系。利用區塊鏈的特性和通證經(jīng)濟的行為激勵作用, 社會(huì )智能經(jīng)濟體系中良性經(jīng)濟行為的參與者會(huì )逐步增多, 最終會(huì )引領(lǐng)社會(huì )經(jīng)濟導向, 使得整個(gè)社會(huì )參與者的收益增多。同時(shí), 通證經(jīng)濟的激勵作用還會(huì )優(yōu)化社會(huì )的資源匹配, 通過(guò)社會(huì )認知學(xué)習和溝通交流來(lái)提高社會(huì )效率。

圖 8 區塊鏈智能技術(shù)

區塊鏈智能技術(shù)是智能世界中大數據和人工智能體可靠、可信、安全、高效的聯(lián)結途徑, 它利用多代理技術(shù)、智能合約和不可篡改的特性實(shí)現對工業(yè)資源的安全可信管控, 利用區塊鏈通證屬性對資源進(jìn)行評估、管理、激勵和引導, 引導工業(yè)生態(tài)的健康成長(cháng)和運行[17]?；趨^塊鏈智能技術(shù)架構的工業(yè)資源管控系統可以實(shí)現對混合異構工業(yè)資源網(wǎng)絡(luò )的一體化建模、調控、優(yōu)化和管控, 最終構建一個(gè)完整的智能工業(yè)生態(tài)系統。

區塊鏈技術(shù)可以實(shí)現高可信度、無(wú)法篡改的分布式數據庫需求, 而運作在其系統上的通證經(jīng)濟體系又可以通過(guò)激勵作用對工業(yè)資源進(jìn)行調控、優(yōu)化和管控, 因此可以建立起區塊鏈管控系統對工業(yè)資源進(jìn)行安全可信管控。首先, 在工業(yè)資源平臺服務(wù)器上搭建區塊鏈平臺, 設置準入機制, 配置不同的組織關(guān)系, 并為各個(gè)組織配置相應的通道, 完成底層基礎網(wǎng)絡(luò )的搭建; 其次, 針對不同工業(yè)資源的特性以及個(gè)性化的定制需求, 在區塊鏈系統中安裝共識機制互異的智能合約, 并設置排序節點(diǎn)中的最大區塊數量和最大數據量, 智能合約的自動(dòng)執行形成了新型的高效智能工業(yè)鏈形式[18-19]; 最后, 采用一定的選擇機制讓某一組織節點(diǎn)對交易進(jìn)行打包形成區塊, 并對該節點(diǎn)配給一定的通證獎勵, 同時(shí)利用大數據分析平臺對工業(yè)資產(chǎn)進(jìn)行評估, 對評估良好的工業(yè)資源配給一定數量的通證獎勵, 在后續的交易中通證可以作為手續費附加在智能合約中被優(yōu)先打包成區塊, 由此對工業(yè)生態(tài)的健康成長(cháng)和運行進(jìn)行一定程度的引導。區塊鏈上的每個(gè)組織都會(huì )有記賬節點(diǎn)來(lái)進(jìn)行分布式記賬, 并維護全網(wǎng)的一個(gè)公共的賬本; 同時(shí), 對于工業(yè)資產(chǎn)數據的讀寫(xiě)操作均會(huì )被記錄到區塊鏈中, 以實(shí)現全方位的安全可信管控。

2.5 社會(huì )計算

大數據、物聯(lián)網(wǎng)、云計算等信息技術(shù)的蓬勃發(fā)展深刻改變了人與人、人與物、物與物之間的交互方式, 社會(huì )計算理論[20-26]作為社會(huì )科學(xué)和計算科學(xué)的交叉融合, 側重于信息技術(shù)在社會(huì )活動(dòng)中的應用以及社會(huì )知識在信息技術(shù)中的嵌入和使用, 可有效應對社會(huì )及工業(yè)問(wèn)題中的各種復雜動(dòng)態(tài)[27]。

圖 9所示為社會(huì )計算的整體框架, 包含基于開(kāi)閉源信息能源情報的廣泛采集、深度分析、個(gè)性化影響、協(xié)同產(chǎn)生等多個(gè)關(guān)鍵步驟。傳統的物理系統通過(guò)各類(lèi)傳感器獲得系統的物理信號, 工程控制論在物理過(guò)程的自動(dòng)化中發(fā)揮了極其重要的作用。社會(huì )傳感器, 就是力圖將物理系統中傳感網(wǎng)絡(luò )獲取物理信號的概念和手段推廣到網(wǎng)站、博客、論壇等各類(lèi)網(wǎng)絡(luò )空間, 用于社會(huì )信號的采集, 獲取所關(guān)注的社會(huì )信號并從中提取出感興趣的信息.任何企業(yè)運營(yíng)、社會(huì )事務(wù)、生產(chǎn)過(guò)程等方面的管理, 都可以將問(wèn)題的求解過(guò)程擴展到由物理信號和社會(huì )信號共同構成的高維解空間中。其中, 融合了物理和社會(huì )信號的數據具有海量、形式多樣、高度分散等特點(diǎn), 采用分布式文件系統實(shí)現對大規模社會(huì )數據的存儲和管理, 通過(guò)機器學(xué)習、數據挖掘、模式識別、自然語(yǔ)言理解等技術(shù)對海量信息進(jìn)行準確抽取、分析、并以用戶(hù)可理解的方式展現出來(lái), 最終實(shí)現信息自動(dòng)抓取、數據規整、數據量化、自動(dòng)分類(lèi)聚類(lèi)、主題檢測等功能, 從而為各行各業(yè)的決策提供堅實(shí)有力的量化支持。

圖 9 社會(huì )計算框架

社會(huì )計算系統主要包含四個(gè)子系統, 分別是：大數據存儲與計算平臺、全方位社會(huì )傳感系統、智能檢索系統、深度挖掘與分析決策系統?；ヂ?lián)網(wǎng)數據結構的多樣性使得數據的處理復雜化, 數據規模的海量性使得計算的巨量化, 數據不確定性和動(dòng)態(tài)性使得信息處理工作繁瑣化。針對社會(huì )信號大規模存儲與計算的需求, 需要采用計算機集群進(jìn)行分布式存儲, 支持各種結構的數據的存儲問(wèn)題, 采用并行計算機制可提高海量數據的處理效率, 使平臺達到功能完善、性能穩定、海量存儲能力、高可靠性和高安全性的目標, 從整體上保證社會(huì )計算平臺的工作效率。通過(guò)分布廣泛的社會(huì )傳感器, 對各種社會(huì )信號和社會(huì )數據進(jìn)行不間斷的采集和監控。在網(wǎng)絡(luò )空間中, 可采用網(wǎng)絡(luò )爬蟲(chóng)的手段抓取項目所需的開(kāi)源信息, 對多種Web資源的信息內容進(jìn)行有序抽取和整理, 提高數據源的智能選擇及情報精確率。在實(shí)際的生產(chǎn)管理系統中, 建立從數據源到數據庫間的信息通道, 實(shí)現信息的高速無(wú)差傳輸。對于海量數據綜合運用查詢(xún)擴展、知識圖譜等技術(shù), 構建跨媒體的工業(yè)數據智能檢索平臺, 提高數據處理的并行度, 實(shí)現智能檢索。通過(guò)機器學(xué)習、數據挖掘、模式識別、自然語(yǔ)言理解等技術(shù)對海量的社會(huì )信息進(jìn)行準確抽取、分析、并以用戶(hù)可理解的方式進(jìn)行展現, 為工業(yè)數據的分析決策提供量化支持。

2.6 邊緣計算

邊緣計算作為一種新型計算模式, 是實(shí)現工業(yè)智聯(lián)網(wǎng)的支撐技術(shù)之一[28]。相較于云計算, 其可以實(shí)現對工業(yè)邊緣設備大數據的實(shí)時(shí)處理, 減少了因數據傳輸給云計算中心帶來(lái)的網(wǎng)絡(luò )帶寬問(wèn)題和實(shí)時(shí)性需求, 且邊緣計算能夠考慮到邊緣數據的隱私問(wèn)題及數據上傳時(shí)邊緣設備電能損耗問(wèn)題[29]。邊緣計算通過(guò)整合工業(yè)網(wǎng)絡(luò )邊緣上的計算、存儲、網(wǎng)絡(luò )等形成合一的平臺為工業(yè)用戶(hù)提供服務(wù), 使得數據在源頭側就能得到有效及時(shí)的處理, 或者將邊緣數據部分處理后將數據傳到云計算中心處理, 減少點(diǎn)云計算中心的壓力[30]。

邊緣計算主要是對工業(yè)智聯(lián)網(wǎng)中邊緣設備產(chǎn)生的海量數據進(jìn)行存儲和處理, 邊緣計算的下行數據代表著(zhù)云服務(wù), 上行數據表代表著(zhù)工業(yè)智聯(lián)服務(wù)[31]。工業(yè)網(wǎng)絡(luò )邊緣設備既從云計算服務(wù)中心請求內容及服務(wù), 也進(jìn)行數據存儲、處理、緩存及隱私保護等任務(wù)。傳統的MapReduce及Spark等數據處理方法處理不了工業(yè)邊緣設備產(chǎn)生的海量邊緣異構數據, 構建適合于工業(yè)智聯(lián)網(wǎng)的邊緣計算平臺至關(guān)重要。根據邊緣計算產(chǎn)業(yè)聯(lián)盟(ECC)的邊緣計算參考架構1.0, 邊緣計算包括四個(gè)功能域, 分別是應用域、數據域、網(wǎng)絡(luò )域及設備域[32]。應用域支持行業(yè)應用本地化入駐, 支撐行業(yè)的全生命周期活動(dòng)、邊緣業(yè)務(wù)的高效運營(yíng)與可視化管理; 數據域對海量邊緣數據進(jìn)行數據分析與呈現, 數據聚合與互操作, 同時(shí)保護數據安全及數據隱私; 網(wǎng)絡(luò )域提供數據的聚合及系統的互聯(lián); 設備域通過(guò)車(chē)床、發(fā)動(dòng)機等工業(yè)設備來(lái)實(shí)現工業(yè)現場(chǎng)設備的實(shí)時(shí)智能互聯(lián)及相關(guān)的智能應用。

3 應用模式舉例

3.1 工業(yè)智聯(lián)網(wǎng)催生智能工業(yè)新模式示例

工業(yè)智聯(lián)網(wǎng)的高速發(fā)展催生了種類(lèi)繁多的智能工業(yè)新模式。圖 10展示了社會(huì )化大規模商品定制模式的基本流程, 各工業(yè)單位通過(guò)采用工業(yè)智聯(lián)網(wǎng)的技術(shù), 將串行的工業(yè)生產(chǎn)流水線(xiàn)拆分成了單一的生產(chǎn)單元, 結合區塊鏈智能合約技術(shù), 每個(gè)生產(chǎn)單元通過(guò)智能合約將自己的產(chǎn)品連接進(jìn)不同的產(chǎn)業(yè)鏈中。消費者可通過(guò)在智能終端輸入需求數據, 制定自己需要的專(zhuān)屬商品, 需求確立后, 將觸發(fā)整個(gè)生產(chǎn)鏈的智能合約, 生產(chǎn)鏈中與商品相關(guān)的生產(chǎn)單元將通過(guò)智能合約實(shí)時(shí)定義組成多條生產(chǎn)線(xiàn), 完成相應的生產(chǎn)指令。生產(chǎn)完成的產(chǎn)品通過(guò)智能合約進(jìn)行運輸, 直接送到消費者手中, 從而實(shí)現商品的社會(huì )化大規模定制。同時(shí), 消費者還可通過(guò)工業(yè)智聯(lián)網(wǎng)技術(shù)對商品的原材料、零件生產(chǎn)、拼裝運輸等流程進(jìn)行回溯, 保證生產(chǎn)過(guò)程的透明化, 保證商品的高質(zhì)量和高可信度。

圖 10 社會(huì )化大規模定制流程圖

工業(yè)資源的管控新模式則是通過(guò)工業(yè)智聯(lián)網(wǎng)技術(shù), 對傳感、控制、信息、計算等不同結構的工業(yè)資源網(wǎng)絡(luò ), 進(jìn)行一體化建模分析、決策和自主運行, 實(shí)現異構網(wǎng)絡(luò )的互聯(lián)互通, 并提供準入接口, 提高異構網(wǎng)絡(luò )成為智能工業(yè)生態(tài)系統的可能性。同時(shí)采用分布式管理、智能合約技術(shù)以及不可篡改的方法實(shí)現對工業(yè)資源的安全可信的管理。

3.2 工業(yè)智聯(lián)網(wǎng)催生工業(yè)系統價(jià)值挖掘新模式

在工業(yè)智聯(lián)網(wǎng)環(huán)境下, 對工業(yè)系統的價(jià)值挖掘工作包括對內生價(jià)值的挖掘以及對外在資源的挖掘。圖 11闡釋了內生價(jià)值挖掘過(guò)程中采用的相關(guān)技術(shù)、解決的實(shí)際問(wèn)題以及最終的實(shí)現效果。對于工業(yè)系統的內生價(jià)值挖掘, 具體是通過(guò)諸如數字虛擬工業(yè)技術(shù)、知識工程技術(shù)、異構復雜網(wǎng)絡(luò )建模分析技術(shù)以及區塊鏈技術(shù)等工業(yè)智聯(lián)網(wǎng)新興技術(shù), 并建立虛擬的工業(yè)系統模型, 模擬分析實(shí)體工業(yè)運行情況, 保證系統運行穩定; 通過(guò)發(fā)現生產(chǎn)架構知識, 優(yōu)化生產(chǎn)結構, 降低產(chǎn)品生產(chǎn)成本; 通過(guò)探索資源消耗關(guān)系, 合理調整資源配置, 提高資源的有效利用; 通過(guò)構建部門(mén)參與機制, 建立高效的信號激勵制度, 增強企業(yè)內部的活力。圖 12闡釋了在外在資源挖掘過(guò)程中使用的工業(yè)智聯(lián)網(wǎng)相關(guān)技術(shù)及可達到的實(shí)現效果, 對于外在資源的挖掘, 可結合社會(huì )計算、物聯(lián)網(wǎng)數據采集以及知識工程等技術(shù), 通過(guò)描繪用戶(hù)消費特征, 以用戶(hù)消費特征為生產(chǎn)導向, 實(shí)現商品的針對性生產(chǎn); 通過(guò)建立通證經(jīng)濟體系, 制定相應的消費激勵措施, 提高商品交易的活力; 通過(guò)分析市場(chǎng)數據的變化趨勢, 提前制定市場(chǎng)開(kāi)發(fā)計劃, 增加企業(yè)經(jīng)營(yíng)的利潤。

圖 11 工業(yè)智聯(lián)網(wǎng)內生價(jià)值挖掘

圖 12 工業(yè)智聯(lián)網(wǎng)外在資源挖掘

通過(guò)智能技術(shù)將工業(yè)系統的內生價(jià)值和外在資源相融合, 在保證工業(yè)系統數據資源安全可靠的基礎上, 實(shí)現內在優(yōu)化價(jià)值支撐外在產(chǎn)品推廣, 外在資源導引內在價(jià)值發(fā)展的良性循環(huán)。

4 結論

本文詳細地闡述了工業(yè)智聯(lián)網(wǎng)產(chǎn)生的技術(shù)和時(shí)代背景、定義與內涵、平臺架構與關(guān)鍵技術(shù), 以及其應用模式的兩個(gè)示例。

對于當前的工業(yè)系統與技術(shù)而言, 單個(gè)和孤立的智能技術(shù)已經(jīng)取得了一定的成績(jì), 然而, 工業(yè)系統中即將涌現海量的具有一定智能的實(shí)體, 而這些實(shí)體在智能與知識層面上的如何協(xié)同和合作卻還是一個(gè)開(kāi)放的問(wèn)題。如果這個(gè)目標能夠實(shí)現, 其對社會(huì )生產(chǎn)力的提升和對社會(huì )形態(tài)的影響, 將是難以想象的。因此, 工業(yè)智聯(lián)網(wǎng)的大規模研究與開(kāi)發(fā)勢在必行, 而我們也期望工業(yè)智聯(lián)網(wǎng)將為社會(huì )化智能大工業(yè)提供一條切實(shí)可行而又富有成效的技術(shù)路徑與頂層設計。

參考文獻

1 P. C. Evans, M. Annunziata. Industrial Internet: Pushing the Boundaries of Minds and Machines[Online], available: https://www.ge.com/docs/chapters/IndustrialInternet.pdf, June 15, 2017.

2 Wikipedia. Kevin Ashton[Online], available: https://en.wikipedia.org/wiki/KevinAshton, September 20, 2017.

3 GE Digital. Everything You Need to Know About the Industrial Internet of Things[Online], available: https://www.ge.com/digital/blog/everything-you-need-knowabout-industrial-internet-things, December 8, 2017.

4 W. Ruh. Why GE Digital Is Positioned To Lead The Industrial Internet Of Things[Online], available: https://www.ge.com/reports/ge-digital-positionedlead-industrial-internet-things-2/, December 19, 2017.

5 Wang Fei-Yue, Zhang Jun. Internet of minds:the concept, issues and platforms. Acta Automatica Sinica, 2017, 43(12): 2061-2070.

( 王飛躍, 張俊. 智聯(lián)網(wǎng):概念、問(wèn)題和平臺. 自動(dòng)化學(xué)報, 2017, 43(12): 2061-2070.)

6 Wang Fei-Yue. The destiny:towards knowledge automation-preface of the special issue for the 50th anniversary of Acta Automatica Sinica. Acta Automatica Sinica, 2013, 39(11): 1741-1743.

( 王飛躍. 天命唯新:邁向知識自動(dòng)化-《自動(dòng)化學(xué)報》創(chuàng )刊50周年專(zhuān)刊序. 自動(dòng)化學(xué)報, 2013, 39(11): 1741-1743.)

7 Wang Fei-Yue. On future development of robotics:from industrial automation to knowledge automation. Science & Technology Review, 2015, 33(21): 39-44.

( 王飛躍. 機器人的未來(lái)發(fā)展:從工業(yè)自動(dòng)化到知識自動(dòng)化. 科技導報, 2015, 33(21): 39-44.)

8 Li L, Lin Y L, Zheng N N, Wang F Y. Parallel learning:a perspective and a framework. IEEE/CAA Journal of Automatica Sinica, 2017, 4(3): 389-395. DOI:10.1109/JAS.2017.7510493

9 Wang F Y, Zhang J J, Wang X. Parallel intelligence:toward lifelong and eternal developmental AI and learning in cyber-physical-social spaces. Frontiers of Computer Science, 2018, 12(3): 401-405. DOI:10.1007/s11704-018-7903-5

10 Giacobini M, Brabazon A, Cagnoni S, Di Caro G A, Drechsler R, Ekart A, et al. Applications of Evolutionary Computing. Berlin Heidelberg: Springer-Verlag, 2001. 1-698.

11 Dong M X, Ranjan R, Zomaya A Y, Lin M. Guest editorial on advances in tools and techniques for enabling cyberphysical-social systems-Part Ⅰ. IEEE Transactions on Computational Social Systems, 2015, 2(3): 38-40. DOI:10.1109/TCSS.2016.2527158

12 Wang Fei-Yue. Software-defined systems and knowledge automation:a parallel paradigm shift from Newton to Merton. Acta Automatica Sinica, 2015, 41(1): 1-8.

( 王飛躍. 軟件定義的系統與知識自動(dòng)化:從牛頓到默頓的平行升華. 自動(dòng)化學(xué)報, 2015, 41(1): 1-8. DOI:10.3969/j.issn.1003-8930.2015.01.001)

13 Wang Fei-Yue, Sun Qi, Jiang Guo-Jin, Tan Ke, Zhang Jun, Hou Jia-Chen, et al. Nuclear energy 5.0:new formation and system architecture of nuclear power industry in the new IT era. Acta Automatica Sinica, 2018, 44(5): 922-934.

( 王飛躍, 孫奇, 江國進(jìn), 譚珂, 張俊, 侯家琛, 等. 核能5.0:智能時(shí)代的核電工業(yè)新形態(tài)與體系架構. 自動(dòng)化學(xué)報, 2018, 44(5): 922-934.)

14 Zhang Jun, Gao Wen-Zhong, Zhang Ying-Chen, Zheng XinHu, Yang Liu-Qing, Hao Jun, et al. Blockchain based intelligent distributed electrical energy systems:needs, concepts, approaches and vision. Acta Automatica Sinica, 2017, 43(9): 1544-1554.

( 張俊, 高文忠, 張應晨, 鄭心湖, 楊柳青, 郝君, 等. 運行于區塊鏈上的智能分布式電力能源系統:需求、概念、方法以及展望. 自動(dòng)化學(xué)報, 2017, 43(9): 1544-1554.)

15 Ping Jian, Chen Si-Jie, Zhang Ning, Yan Zheng, Yao LiangZhong. Decentralized transactive mechanism in distribution network based on smart contract. Proceedings of the CSEE, 2017, 37(13): 3682-3690.

( 平健, 陳思捷, 張寧, 嚴正, 姚良忠. 基于智能合約的配電網(wǎng)去中心化交易機制. 中國電機工程學(xué)報, 2017, 37(13): 3682-3690.)

16 Zhang J, Wang F Y, Chen S Y. Token economics in energy systems: concept, functionality and applications. eprint arXiv: 1808.01261, 2018. http://econpapers.repec.org/RePEc:arx:papers:1808.01261

17 Klitgaard T, Reddy R. Lowering electricity prices through deregulation. Current Issues in Economics and Finance, 2000, 6(14): 1-6.

18 Hu Kai, Bai Xiao-Min, Gao Ling-Chao, Dong Ai-Qiang. Formal verification method of smart contract. Journal of Information Securyity Research, 2016, 2(12): 1080-1089.

( 胡凱, 白曉敏, 高靈超, 董愛(ài)強. 智能合約的形式化驗證方法. 信息安全研究, 2016, 2(12): 1080-1089.)

19 Yuan Yong, Wang Fei-Yue. Blockchain:the state of the art and future trends. Acta Automatica Sinica, 2016, 42(4): 481-494.

( 袁勇, 王飛躍. 區塊鏈技術(shù)發(fā)展現狀與展望. 自動(dòng)化學(xué)報, 2016, 42(4): 481-494.)

20 Wang F Y. Social computing:concepts, contents, and methods. International Journal of Intelligent Control and Systems, 2004, 9(2): 91-96.

21 Wang Fei-Yue. The significance of social computing and its prospects. Communications of CCF, 2006, 2(2): 8-17.

( 王飛躍. 社會(huì )計算的意義及其展望. 中國計算機學(xué)會(huì )通訊, 2006, 2(2): 8-17.)

22 Wang Fei-Yue. Artificial societies, computational experiments, and systems:a discussion on computational theory of complex social-economic systems. Complex Systems and Complexity Science, 2004, 1(4): 25-35.

( 王飛躍. 人工社會(huì )、計算實(shí)驗、平行系統一關(guān)于復雜社會(huì )經(jīng)濟系統計算研究的討論. 復雜系統與復雜性科學(xué), 2004, 1(4): 25-35. DOI:10.3969/j.issn.1672-3813.2004.04.002)

23 Wang F Y. Toward a paradigm shift in social computing:the ACP approach. IEEE Intelligent Systems, 2007, 22(5): 65-67. DOI:10.1109/MIS.2007.4338496

24 Lazer D, Pentland A, Adamic L, Aral S, Barabasi A-L, Brewer D, et al. Social science:computational social science. Science, 2009, 323(5915): 721-723. DOI:10.1126/science.1167742

25 Schuler D. Social computing. Communications of the ACM, 1994, 37(1): 28-29. DOI:10.1145/175222.175223

26 Yang Q, Zhou Z H, Mao W J, Li W, Liu N N. Social learning. IEEE Intelligent Systems, 2010, 25(4): 9-11. DOI:10.1109/MIS.2010.103

27 Leskovec J, Huttenlocher D, Kleinberg J. Predicting positive and negative links in online social networks. In: Proceedings of the 19th International Conferences on World Wide Web. Raleigh, North Carolina: ACM, 2010. 641-650 http://www.mendeley.com/catalog/predicting-positive-negative-links-online-social-networks/

28 Satyanarayanan M. The emergence of edge computing. Computer, 2017, 50(1): 30-39. DOI:10.1109/MC.2017.9

29 Shi W S, Cao J, Zhang Q, Li Y Z, Xu L Y. Edge computing:vision and challenges. IEEE Internet of Things Journal, 2016, 3(5): 637-646. DOI:10.1109/JIOT.2016.2579198

30 Shi W S, Dustdar S. The promise of edge computing. Computer, 2016, 49(5): 78-81. DOI:10.1109/MC.2016.145

31 Shi Wei-Song, Sun Hui, Cao Jie, Zhang Quan, Liu Wei. Edge computing-an emerging computing model for the internet of everything era. Journal of Computer Research and Development, 2017, 54(5): 907-924.

( 施巍松, 孫輝, 曹杰, 張權, 劉偉. 邊緣計算:萬(wàn)物互聯(lián)時(shí)代新型計算模型. 計算機研究與發(fā)展, 2017, 54(5): 907-924.)

32 Edge Computing Consortium. White Paper of Edge Computing Consortium[Online], available: http://www.ecconsortium.net/Uploads/file/20161208/1481181867831374.pdf, June 15, 2017.

來(lái)源：自動(dòng)化學(xué)報