上海交通大學(xué)張新凱

北京城建智控科技股份有限公司張輝，張利寬，于傳洋

上海交通大學(xué)戴文斌

1　引言

隨著(zhù)人工智能在各行業(yè)的廣泛應用[1]，傳統行業(yè)結構與模式正在被重塑。在工業(yè)領(lǐng)域，生產(chǎn)模式正逐步從信息化邁向智能化，“人工智能+工業(yè)控制系統”這一趨勢展現出巨大的發(fā)展潛力與廣闊的應用前景。當前，智能化時(shí)代仍處于發(fā)展初期，迫切需要大量創(chuàng )新性探索來(lái)為工業(yè)智能化的發(fā)展指引方向，工業(yè)智能化的推進(jìn)將為制造業(yè)帶來(lái)全新的機遇與挑戰?；仡欉^(guò)去的信息化時(shí)代，工業(yè)控制系統成功實(shí)現了從傳統復雜的分層架構[2]向簡(jiǎn)潔的邊云協(xié)同架構[3]的轉變。在邊云協(xié)同架構中，通過(guò)將系統業(yè)務(wù)邏輯層進(jìn)行云化處理，控制系統能夠依據業(yè)務(wù)邏輯精準實(shí)現現場(chǎng)邏輯控制操作；同時(shí)，借助現場(chǎng)設備資源的虛擬化，有效降低了邊緣側控制系統的復雜性，提高了現場(chǎng)設備的容錯能力，進(jìn)而顯著(zhù)提升了生產(chǎn)制造效率。展望未來(lái)人工智能的發(fā)展需求，在工業(yè)生產(chǎn)制造領(lǐng)域，需求側直接由業(yè)務(wù)方提出需求，智能代理則依據這些需求與工廠(chǎng)的生產(chǎn)資源進(jìn)行精準匹配，實(shí)現資源與需求的邏輯擬合，從而制定出最優(yōu)的生產(chǎn)部署方案，達成快速定制化生產(chǎn)。這一系列舉措為“人工智能+工業(yè)控制系統”的深入探索提供了可行路徑。本文聚焦于工業(yè)邊緣數字基座與智能代理協(xié)作技術(shù)的研究，旨在實(shí)現工業(yè)生產(chǎn)過(guò)程的動(dòng)態(tài)需求分析以及產(chǎn)品的定制化生產(chǎn)。為此，我們提出了柔性數字基座與智能代理的融合網(wǎng)絡(luò )架構，并深入探討了數字基座和智能代理技術(shù)演變過(guò)程中面臨的問(wèn)題，為工業(yè)領(lǐng)域智能化發(fā)展探索了新的方向。

2　工業(yè)控制系統演變

工業(yè)控制系統（Industrial Control Systems，ICS）的發(fā)展是一部技術(shù)不斷革新、生產(chǎn)效能持續提升的歷史。自從計算機技術(shù)嶄露頭角以來(lái)，工業(yè)控制領(lǐng)域發(fā)生了翻天覆地的變化，傳統的模擬控制器逐漸被數字控制系統所取代?？删幊踢壿嬁刂破鳎≒LC）Modicon的問(wèn)世，成為工業(yè)制造發(fā)展的重要里程碑，它的出現極大地提升了工業(yè)生產(chǎn)效率。以汽車(chē)制造工業(yè)為例，它們通過(guò)使用PLC設備構建汽車(chē)自動(dòng)化生產(chǎn)流程，實(shí)現了生產(chǎn)過(guò)程的精準控制與高效運轉。二十世紀七十年代，霍尼韋爾公司推出分布式控制系統TDC—2000，這一舉措為工業(yè)控制系統帶來(lái)了新的突破。該系統在控制軟件中引入了PLC的順序控制與批量控制功能，使得分布式控制系統（DCS）不僅具備自身原有的優(yōu)勢，還融合了PLC強大編程能力，使其在性能和功能上得到了顯著(zhù)的提升。此外，現場(chǎng)總線(xiàn)協(xié)議的不斷發(fā)展，為工業(yè)控制系統的信息傳輸與交互能力帶來(lái)了質(zhì)的飛躍。PROFIBUS、Modbus等協(xié)議的出現，實(shí)現了設備間的高速通信，使得現場(chǎng)設備的控制更加快速、便捷，大大提高了工業(yè)生產(chǎn)過(guò)程中設備之間的協(xié)同工作效率。與此同時(shí)，TCP/IP協(xié)議的普及，使得遠程監控與數據采集的SCADA系統得以廣泛部署。該系統實(shí)現了工業(yè)控制系統遠程監控與數據采集的一體化，如今已廣泛應用于控制系統中，為行業(yè)穩定運行和高效管理提供了有力支持。

隨著(zhù)網(wǎng)絡(luò )化進(jìn)程的不斷深入，工業(yè)物聯(lián)網(wǎng)（Industrial Internet of Things，IIoT）技術(shù)應運而生。它將傳感器、云計算和大數據等先進(jìn)技術(shù)有機結合，實(shí)現了設備的狀態(tài)檢測與預測性維護，進(jìn)一步推動(dòng)了工業(yè)互聯(lián)網(wǎng)從過(guò)去的基于ISA-95架構向端-邊-云架構[2]的轉變。在實(shí)際生產(chǎn)中，制造業(yè)大多采用ERP和MES作為傳統架構下的生產(chǎn)計劃和調度決策實(shí)踐方案。其中生產(chǎn)工程師憑借自身的經(jīng)驗和知識，將上層領(lǐng)導、業(yè)務(wù)經(jīng)理和客戶(hù)形成的生產(chǎn)需求報告轉化為生產(chǎn)制作的指標、流程控制以及工藝參數等生產(chǎn)指令，以確保生產(chǎn)過(guò)程的順利進(jìn)行。

近年來(lái)，邊緣計算與人工智能技術(shù)迅猛發(fā)展，給工業(yè)控制系統帶來(lái)了革新。如圖1所示，制造業(yè)企業(yè)架構從ERP／MES／PCS（DCS）多層次結構轉變?yōu)榘藱C合作智能代理優(yōu)化決策系統和邊緣智能數字基座系統的兩層結構。人工智能融入工業(yè)控制系統，實(shí)現決策系統人機合作智能化。云端人工智能代理技術(shù)可實(shí)時(shí)感知、解析用戶(hù)需求，結合現場(chǎng)設備資源與生產(chǎn)工藝，制定最優(yōu)生產(chǎn)目標、調度計劃等指令。生產(chǎn)結果與客戶(hù)反饋形成閉環(huán)，實(shí)現人與智能代理決策系統協(xié)同進(jìn)化。系統具備自我學(xué)習與優(yōu)化決策能力，使人工智能在工業(yè)生產(chǎn)決策與控制環(huán)節發(fā)揮更大作用，不再局限于外觀(guān)檢測、能耗分析等簡(jiǎn)單任務(wù)。

圖1 傳統ISA-95多層架構向邊-云協(xié)同架構進(jìn)化

工業(yè)控制系統發(fā)展歷經(jīng)機械控制、電氣化、數字化、網(wǎng)絡(luò )化階段，正邁向智能化與高度集成新時(shí)代。其發(fā)展圍繞提升生產(chǎn)效率、靈活性與安全性，同時(shí)應對網(wǎng)絡(luò )安全等新技術(shù)挑戰。隨著(zhù)通信、人工智能和邊緣計算應用深化，ICS將推動(dòng)工業(yè)自動(dòng)化向自主化演進(jìn)，形成高度智能化的工業(yè)邊緣控制系統，為工業(yè)生產(chǎn)未來(lái)發(fā)展筑牢基礎。

3　基于邊緣計算的工業(yè)數字基座

近年來(lái)，云計算與邊緣計算在工業(yè)領(lǐng)域得到快速應用，有力推動(dòng)了物聯(lián)網(wǎng)設備的智能化與自治化發(fā)展。云計算作為中心化大數據處理平臺，面對復雜多樣的工業(yè)場(chǎng)景，其對低時(shí)延和高可靠性的需求日益凸顯。邊緣計算則充分利用物聯(lián)網(wǎng)設備的嵌入式計算能力，在終端實(shí)現更智能的數據處理與決策，有效降低了數據傳輸時(shí)延。然而，邊緣計算也存在資源受限、管理復雜等問(wèn)題?；谶吘売嬎愕墓I(yè)數字基座的提出，旨在解決邊緣計算中設備種類(lèi)繁多、網(wǎng)絡(luò )通信協(xié)議多樣、業(yè)務(wù)流程固化的難題，實(shí)現對邊緣側設備資源的柔性化統一管理。

3.1　資源虛擬化能力

邊緣數字基座技術(shù)的起源可追溯至無(wú)服務(wù)計算領(lǐng)域的云端虛擬運行時(shí)系統。以Google的gVisor無(wú)服務(wù)計算運行時(shí)系統和AWS的Firecracker運行時(shí)系統[4]為例，這些均為云廠(chǎng)商廣泛應用且已開(kāi)源的經(jīng)典實(shí)例。它們具備強大的應用隔離與資源虛擬化能力，通過(guò)將云服務(wù)拆解為細粒度的應用函數，依據函數調用接口對計算資源進(jìn)行精準切分，不僅實(shí)現了資源分類(lèi)的精細化，還顯著(zhù)提高了計算資源的單位時(shí)間利用率。柔性工業(yè)數字基座在一定程度上借鑒了無(wú)服務(wù)計算運行時(shí)系統的核心技術(shù)—應用隔離和資源虛擬化技術(shù)。該技術(shù)旨在為運行于數字基座之上的控制函數構建隔離的虛擬化環(huán)境，進(jìn)而提升單位資源密度的使用效率。不過(guò)，工業(yè)邊緣運行環(huán)境與云服務(wù)廠(chǎng)商所面臨的環(huán)境存在顯著(zhù)差異。工業(yè)邊緣環(huán)境中，硬件資源性能普遍較低，單個(gè)生產(chǎn)車(chē)間或工廠(chǎng)內的可用資源數量也相對有限，同時(shí)工業(yè)系統對實(shí)時(shí)性與可靠性要求極高，所以借助嵌入式虛擬化技術(shù)為工業(yè)邊緣現場(chǎng)提供控制資源函數計算服務(wù)。未來(lái)，隨著(zhù)數字基座系統設計的持續優(yōu)化和完善，其有望在工業(yè)現場(chǎng)逐步取代傳統的嵌入式Linux系統和實(shí)時(shí)操作系統（RTOS），為工業(yè)控制領(lǐng)域帶來(lái)新的變革和發(fā)展機遇。

3.2　柔性資源配置

柔性資源配置主要體現在兩個(gè)關(guān)鍵維度。在業(yè)務(wù)需求導向的生產(chǎn)資源配置方面，依托資源虛擬化技術(shù)，突破了單個(gè)設備資源利用的局限，實(shí)現了多設備資源的池化整合。這一轉變使得多設備乃至多工廠(chǎng)的資源能夠進(jìn)行柔性調度與配置，從而根據不同的工業(yè)生產(chǎn)需求，靈活調整底層資源。系統會(huì )深入解析生產(chǎn)需求，并據此對生產(chǎn)資源實(shí)施精準的柔性調度。柔性數字基座技術(shù)在此過(guò)程中發(fā)揮著(zhù)核心作用，它促進(jìn)了多設備之間的資源高效協(xié)作。如圖2所示，函數級別的控制邏輯不僅能夠高效處理本地任務(wù)，還具備對外服務(wù)能力，可接收定制化任務(wù)配置，并支持本地資源的遠程調用?？紤]到工業(yè)生產(chǎn)業(yè)務(wù)多以本地執行為主，不同生產(chǎn)車(chē)間之間，甚至異地生產(chǎn)車(chē)間之間的資源配置、協(xié)調與協(xié)作，對于完成同一業(yè)務(wù)的不同階段至關(guān)重要。

圖2 云端多工廠(chǎng)資源配置與協(xié)作

在單個(gè)邊緣數字基座系統的設備動(dòng)態(tài)配置方面，系統內置了執行系統備份功能，這是保障系統穩定運行的重要機制。當控制邏輯執行出現故障或設備發(fā)生宕機時(shí)，系統能夠迅速進(jìn)行熱切換，無(wú)縫過(guò)渡到備份資源繼續運行。當有新的搭載數字基座系統的硬件設備接入時(shí)，系統會(huì )立即進(jìn)行資源的快速備份與切換，充分利用新增硬件資源進(jìn)行冗余備份。通過(guò)在多個(gè)硬件設備上備份控制函數，系統實(shí)現了算力和控制資源的有效擴充。在大規模計算或多業(yè)務(wù)協(xié)同生產(chǎn)場(chǎng)景下，該系統能夠在確保生產(chǎn)環(huán)境安全穩定的基礎上，實(shí)現多設備的協(xié)同工作與精準調度。綜上，基于柔性數字基座的系統借助硬件資源虛擬化技術(shù)，達成了兩個(gè)層面的重要功能：在云服務(wù)層面，實(shí)現了工業(yè)生產(chǎn)車(chē)間以及異地工廠(chǎng)生產(chǎn)業(yè)務(wù)的資源優(yōu)化配置與高效協(xié)同調度；在工業(yè)生產(chǎn)現場(chǎng)層面，實(shí)現了運行函數的熱備份以及計算控制資源的協(xié)同配置，為工業(yè)生產(chǎn)的智能化和高效化提供了有力支撐。

3.3工業(yè)邊緣計算的實(shí)時(shí)性與可靠性分析

工業(yè)邊緣數字基座系統作為工業(yè)領(lǐng)域專(zhuān)用的邊緣控制系統軟件，其核心使命在于確保系統運行的實(shí)時(shí)性與控制任務(wù)的可靠性，從根源上杜絕因系統設計瑕疵引發(fā)的人為損失。為實(shí)現高度的實(shí)時(shí)性，系統采用裸機虛擬化架構設計。在這種架構下，運行于系統內的軟件具備嚴格限定的內存讀寫(xiě)權限，能夠直接與外接設備進(jìn)行高效的數據交互與控制操作。此設計摒棄了傳統基于Linux內核裁剪的定制化實(shí)時(shí)操作系統中冗余的架構，大幅減少了已知系統漏洞。與非定制實(shí)時(shí)控制系統相比，工業(yè)邊緣數字基座系統在實(shí)時(shí)性方面展現出無(wú)可比擬的絕對優(yōu)勢，能夠為工業(yè)生產(chǎn)過(guò)程提供精確到毫秒級別的控制，確保了工業(yè)運行的高度可靠性。數據安全備份機制，系統內置了先進(jìn)的冗余備份機制，該機制可對系統運行狀態(tài)進(jìn)行實(shí)時(shí)監控，一旦檢測到潛在風(fēng)險或運行錯誤，會(huì )自動(dòng)且迅速地對正在運行的系統進(jìn)行備份。這種自動(dòng)化的備份策略有效避免了因意外情況導致的控制數據丟失，為工業(yè)生產(chǎn)數據的完整性和連續性提供了堅實(shí)保障。

圖3 工業(yè)邊緣數字基座系統架構示意圖

如圖3所示，在新型工業(yè)邊緣系統設計之初，我們便引入了基于安全語(yǔ)言和內存規則的設計理念。通過(guò)遵循嚴格的編程規范和內存管理策略，從系統規劃的源頭避免了常見(jiàn)的軟件開(kāi)發(fā)漏洞，確保系統在運行過(guò)程中的可靠性。此外，系統在網(wǎng)絡(luò )接口設計上采取了極簡(jiǎn)主義原則，僅保留與上層云計算平臺進(jìn)行智能信息載體傳輸所必需的接口。這種設計方式顯著(zhù)降低了因接口暴露而遭受不可預知網(wǎng)絡(luò )攻擊和外界非法控制的風(fēng)險，為工業(yè)控制系統構建了一道堅固的安全防線(xiàn)。綜上，工業(yè)邊緣數字基座系統架構憑借其在實(shí)時(shí)性、數據備份和安全性設計方面的卓越特性，為工業(yè)領(lǐng)域的自動(dòng)化生產(chǎn)和智能化控制提供了可靠且高效的解決方案，有望成為推動(dòng)工業(yè)互聯(lián)網(wǎng)時(shí)代發(fā)展的關(guān)鍵技術(shù)支撐。

4　工業(yè)邊緣系統智能化

4.1　智聯(lián)網(wǎng)

智聯(lián)網(wǎng)絡(luò )（Internet of Intelligence，IOI），是一種面向未來(lái)的網(wǎng)絡(luò )范式，它將傳統的網(wǎng)絡(luò )設備拓展到具有智能模型的網(wǎng)絡(luò )設備（簡(jiǎn)稱(chēng)智能體），智能體傳輸的智能信息將是添加自然語(yǔ)言后的結構化文本信息。智能信息可以在接收到信息后根據本地的模型進(jìn)行智能化解析，根據本地模型的功能解析出符合本地模型功能的信息內容，實(shí)現智能信息在不同的智能載體之間的傳遞、編譯和解析。智聯(lián)網(wǎng)在生產(chǎn)消費中的定位如圖4所示。

圖4 基于智聯(lián)網(wǎng)的消費者定制化需求與智能生產(chǎn)

4.2　智能代理

隨著(zhù)人工智能技術(shù)不斷演進(jìn)，基于CNN網(wǎng)絡(luò )[5]和LSTM網(wǎng)絡(luò )[6]的模型持續突破人類(lèi)視覺(jué)與自然語(yǔ)言理解的邊界。2022年底，Transformer架構[7]、大模型與超大規模GPU集群在自然語(yǔ)言處理領(lǐng)域深度融合，ChatGPT[8]的出現標志著(zhù)人工智能技術(shù)邁入新的發(fā)展奇點(diǎn)。近年來(lái)，盡管人工智能技術(shù)未實(shí)現更高層次的技術(shù)突破，但在應用創(chuàng )新方面成果豐碩。人工智能模型廣泛應用于多個(gè)領(lǐng)域：在金融領(lǐng)域，量化交易逐步取代傳統人工交易；在醫療領(lǐng)域，24小時(shí)問(wèn)診服務(wù)使醫生從繁瑣工作中解脫；在城市服務(wù)領(lǐng)域，智能化客服的增加緩解了人力資源緊張。

圖5 汽車(chē)定制化生產(chǎn)需求在智聯(lián)網(wǎng)絡(luò )中的信息傳遞過(guò)程

在自動(dòng)駕駛與機器人領(lǐng)域，推動(dòng)領(lǐng)域專(zhuān)用模型在控制自動(dòng)化方面的探索實(shí)踐；在工業(yè)生產(chǎn)制造領(lǐng)域，助力解析復雜生產(chǎn)需求，實(shí)現定制化生產(chǎn)服務(wù)。汽車(chē)定制化生產(chǎn)需求在智聯(lián)網(wǎng)絡(luò )中的信息傳遞過(guò)程如圖5所示，不同階段智能代理Agent模型具備不同的技能，不同的技能提供不同的服務(wù)。每一階段代理根據當前技能，為上一階段的客戶(hù)需求提供智能化服務(wù)，Agent3和Agent4將會(huì )與智能工廠(chǎng)鏈接，實(shí)現需求的工業(yè)生產(chǎn)制造流程化落地。Agent交付作為定制化需求生產(chǎn)的售后代理與客戶(hù)進(jìn)行產(chǎn)品交付和客戶(hù)反饋收集，用于完成需求-生產(chǎn)交付-反饋的業(yè)務(wù)結構。多Agent協(xié)作完成一個(gè)最終的需求定制化服務(wù)。

4.3　工業(yè)智能

工業(yè)智能是智聯(lián)網(wǎng)在制造領(lǐng)域的應用，它通過(guò)整合人工智能、網(wǎng)絡(luò )通信、邊緣數字基座等先進(jìn)技術(shù)，提升制造過(guò)程的智能化水平與連接性。智聯(lián)網(wǎng)可連接工廠(chǎng)車(chē)間信息與流程至工業(yè)云數據中心，輔助決策者精準認知制造過(guò)程，增強決策能力，還能推動(dòng)新型智能技術(shù)開(kāi)發(fā)，提升了工業(yè)機器性能并節約了成本，在提升效率、質(zhì)量控制與可持續性上潛力巨大。

智聯(lián)網(wǎng)在智能工業(yè)多案例展現應用價(jià)值。在工業(yè)互聯(lián)網(wǎng)中，其分布式智能系統獲智聯(lián)網(wǎng)支持，如基于物聯(lián)網(wǎng)協(xié)同學(xué)習模型的入侵檢測系統可提高檢測準確率，區塊鏈與聯(lián)邦學(xué)習結合能保障智能學(xué)習安全并提升計算效率[9]；在機器人技術(shù)方面，智聯(lián)網(wǎng)可解決其實(shí)時(shí)數據處理與隱私問(wèn)題，通過(guò)本地訓練和上傳梯度參數構建共享模型，減少傳輸延遲[10]；在智能制造領(lǐng)域，智聯(lián)網(wǎng)借助分布式AI等技術(shù)應對集中式網(wǎng)絡(luò )挑戰，如知識圖譜數字孿生模型和ManuChain模型可優(yōu)化制造過(guò)程[11]；在定制化生產(chǎn)上，智聯(lián)網(wǎng)實(shí)現工業(yè)設計、生產(chǎn)與流通的網(wǎng)絡(luò )化、智能化和定制化，整合各方資源，滿(mǎn)足用戶(hù)個(gè)性化需求。

以汽車(chē)工業(yè)柔性定制化生產(chǎn)為例，如圖6所示，黃色虛線(xiàn)框是智聯(lián)網(wǎng)絡(luò )示意圖、藍色虛線(xiàn)框是數字基座架構示意圖。消費者通過(guò)智能代理實(shí)現個(gè)人需求的表達，智能代理之間形成密集的智聯(lián)網(wǎng)絡(luò )實(shí)現定制化需求的傳遞。智能代理同樣會(huì )及時(shí)反饋來(lái)自當前的狀態(tài)，與消費者形成積極的閉環(huán)反饋系統。數字基座實(shí)現了柔性化生產(chǎn)資源配置，突破資源和地理空間對于生產(chǎn)制造業(yè)遠程協(xié)作的限制。

圖6 面向消費者的未來(lái)智能工廠(chǎng)新模式

5　未來(lái)展望

本文深入剖析了面向未來(lái)的邊緣系統架構—柔性邊緣數字基座的現狀與關(guān)鍵技術(shù)，以及面向智能化時(shí)代的未來(lái)網(wǎng)絡(luò )范式—智聯(lián)網(wǎng)絡(luò )架構。本文通過(guò)分析工業(yè)邊緣系統的發(fā)展歷程、挑戰與趨勢，明確了柔性數字基座技術(shù)對工業(yè)控制系統升級的重要意義。結合智聯(lián)網(wǎng)這一未來(lái)網(wǎng)絡(luò )新范式，本研究聚焦于實(shí)現滿(mǎn)足定制化需求的工業(yè)自動(dòng)化生產(chǎn)制造流程。借助工業(yè)邊緣數字基座與智能代理的協(xié)作，依據客戶(hù)需求開(kāi)展定制化工業(yè)生產(chǎn)加工。將數字基座的柔性資源配置與遠程協(xié)作生產(chǎn)特點(diǎn)，與工業(yè)智能代理模型相結合，實(shí)現需求解析并生成控制邏輯閉環(huán)，進(jìn)而達成定制化生產(chǎn)。在關(guān)鍵技術(shù)層面，本文探討了系統資源柔性配置、需求文本動(dòng)態(tài)分析和智聯(lián)網(wǎng)絡(luò )信息架構等核心技術(shù)，為完善工業(yè)邊緣計算智能數字基座技術(shù)提供了有價(jià)值的參考。展望未來(lái)，隨著(zhù)智能代理模型技術(shù)的不斷豐富，智聯(lián)網(wǎng)絡(luò )將更為完善并廣泛滲透到生活各領(lǐng)域。在工業(yè)生產(chǎn)制造領(lǐng)域，柔性數字基座技術(shù)與智能代理技術(shù)的深度融合，有望構建面向消費者需求的智能工廠(chǎng)，實(shí)現從消費者需求到定制化產(chǎn)品反饋的閉環(huán)網(wǎng)絡(luò )。

作者簡(jiǎn)介：

張新凱（1996-），男，博士研究生，現就讀于上海交通大學(xué)自動(dòng)化與感知學(xué)院，主要研究方向為邊緣計算、工業(yè)互聯(lián)網(wǎng)。

張　輝（1975-），男，博士，現就職于北京城建智控科技股份有限公司，主要研究方向為智慧城市和智能交通領(lǐng)域。

張利寬（1981-），男，碩士，現就職于北京城建智控科技股份有限公司，主要研究方向為工業(yè)邊緣計算和實(shí)時(shí)控制系統。

于傳洋（1988-），男，碩士，現就職于北京城建智控科技股份有限公司，主要研究方向為智慧城市及物聯(lián)網(wǎng)。

戴文斌（1984-），男，博士，現就職于上海交通大學(xué)自動(dòng)化與感知學(xué)院教授，主要研究方向為工業(yè)控制軟件、工業(yè)邊緣計算、工業(yè)信息化與智能化。

參考文獻：

[1] 用好 "人工智能+" 賦能產(chǎn)業(yè)升級[EB/OL].

[2] C Johnsson. ISA 95-how and where can it be applied[J]. Technical Papers of ISA, 2004, 454 : 399 – 408.

[3] 戴文斌, 孔令波, 徐前鋒, 等. 面向工業(yè)互聯(lián)網(wǎng)邊緣計算的工業(yè)數字底座[J]. 自動(dòng)化博覽, 2022, 39 (2) : 16 - 19.

[4] Anjali, Caraza-Harter T, Swift M M. Blending containers and virtual machines: a study of firecracker and gVisor[C]. Proceedings of the 16th ACM SIGPLAN/SIGOPS International Conference on Virtual Execution Environments. 2020: 101 - 113.

[5] Alzubaidi L, Zhang J, Humaidi A J, et al. Review of deep learning: concepts, CNN architectures, challenges, applications, future directions[J]. Journal of big Data, 2021, 8 : 1 - 74.

[6] Yu Y, Si X, Hu C, et al. A review of recurrent neural networks: LSTM cells and network architectures[J]. Neural computation, 2019, 31 (7) : 1235 - 1270.

[7] Han K, Xiao A, Wu E, et al. Transformer in transformer[J]. Advances in neural information processing systems, 2021, 34 : 15908 - 15919.

[8] OpenAI. ChatGPT overview [EB/OL].

[9] T. V. Khoa et al., "Collaborative learning model for cyberattack detection systems in IoT Industry 4.0." in Proc. IEEE Wireless Commun.

[10] J. Wan et al., "Reconfigurable smart factory for drug packing in healthcare industry 4.0." IEEE Trans. Ind. Informat., vol. 15, no. 1, pp. 507–516, Jan. 2019.

[11] J. Leng et al., "ManuChain: Combining permissioned blockchain with a holistic optimization model as bi-level intelligence for smart manufacturing." IEEE Trans. Syst., Man, Cybern., Syst., vol. 50, no. 1, pp. 182–192, Jan. 2020.

摘自《自動(dòng)化博覽》2025年2月刊