易博松

摘 要：通向工業(yè)4.0的路是一段革命性的進程，智能科學為了適應制造工業(yè)的發(fā)展，將會加速優(yōu)化和創(chuàng)新的步伐。隨著智能科學技術的不斷創(chuàng)新和突破，最終將會促進制造業(yè)的全面智能化，使得未來的工業(yè)4.0繼續(xù)向網(wǎng)絡化、智能化的方向發(fā)展。

關鍵詞：智能科學；工業(yè)4.0；機器人；計算智能

中圖分類號：TP183 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2015.16.003

制造業(yè)對于人類文明發(fā)展的重要性不言而喻，科學和技術的每一次創(chuàng)新，在成功應用到制造業(yè)后，都會極大地促進人類生產(chǎn)方式的變革，繼而推動社會文明的發(fā)展。近來年，隨著網(wǎng)絡信息技術、智能科學的蓬勃發(fā)展，信息化和智能化正逐步融合到工業(yè)生產(chǎn)中，向人們展示著工業(yè)4.0時代的誕生。

1 工業(yè)4.0與智能科學

工業(yè)4.0，簡單來說，就是以智能制造為主導的第四次工業(yè)革命。具體是指利用信息物理系統(tǒng)（Cyber—PhysicalSystem，簡稱“CPS”）將生產(chǎn)中的供應、制造、銷售信息數(shù)據(jù)化、智慧化，最后達到快速、有效、個人化的產(chǎn)品供應。隨著工業(yè)4.0時代的到來，傳統(tǒng)的高倍冗余和高度集中的生產(chǎn)設計理念將會被摒棄，現(xiàn)階段普遍應用的傳統(tǒng)工業(yè)技術也將會逐漸被淘汰。隨著一批批智能化與網(wǎng)絡化融合的高端工業(yè)技術快速引入到實際的生產(chǎn)應用中去和高端智能產(chǎn)品如潮水般的涌現(xiàn)，動態(tài)優(yōu)化、高度靈活的個性化和數(shù)字化生產(chǎn)設計理念將會得到普及。

可以預見，工業(yè)4.0將推動工業(yè)由“制造”向“智造”轉(zhuǎn)型，智能化技術無疑是新工業(yè)革命的核心技術之一。隨著工業(yè)4.0的逐步推進，人們普遍意識到，智能制造的理論研究及應用開發(fā)對進一步提高產(chǎn)品質(zhì)量、生產(chǎn)效率和制造業(yè)響應巿場變化的能力和速度以及降低生產(chǎn)成本具有重大意義。智能科學作為一門新的學科，越來越受到高度重視。

智能科學是由腦科學、認知科學、人工智能等學科共同研究智能性質(zhì)和規(guī)律的交叉學科，是探索自然智能的基本理論和機器智能的實現(xiàn)技術。腦科學從神經(jīng)系統(tǒng)內(nèi)分子水平、細胞水平、細胞間的變化過程、行為水平等方面出發(fā)，研究生物腦的結(jié)構和功能。認知科學是關于心智研究的理論和學說，研究人類的學習、記憶、思維、理解等行為和在認知過程中發(fā)生的其他行為。腦科學和認知科學屬于自然智能，研究智能的本質(zhì)是智能科學的基礎，自然智能研究的任何突破性進展都會對智能科學的研究和應用起到極大的推動作用。人工智能則借鑒和利用自然智能的研究成果，構造具有一定智能的人工系統(tǒng)，模仿、延伸和擴展人和動物的個體或群體的智能，使機器能夠從事過去只有人才能處理的智能工作。人工智能的重要研究領域包括機器感知、機器思維、機器學習、機器行為、計算智能、分布智能、群體智能、社會智能、集成智能和智能系統(tǒng)等。

2 智能科學在工業(yè)4.0時代的應用與發(fā)展

隨著工業(yè)4.0的急速推進，技術創(chuàng)新浪潮的不斷涌現(xiàn)，智能科學將逐漸滲透到工業(yè)4.0時代的每一個角落。

2.1 生產(chǎn)系統(tǒng)設計理念的應用與發(fā)展

在傳統(tǒng)的工業(yè)中，所有的生產(chǎn)系統(tǒng)設計理念都建立在以固定的高倍冗余的資源投入來保障可靠的產(chǎn)品產(chǎn)出的原則基礎上，目的是在最惡劣的條件下也能夠保障生產(chǎn)活動的持續(xù)性。但是，以這種理念為基礎所設計的各種各樣的工業(yè)生產(chǎn)系統(tǒng)卻使得人類社會普遍面臨“高投入、高消耗、高排放、高污染”的困境。如果按照智能科學與技術來設計，它將徹底摒棄一勞永逸保安全的設計理念，利用人工智能的自主技術來實現(xiàn)動態(tài)優(yōu)化的全新設計理念。具體來說，假設系統(tǒng)原來處于優(yōu)化狀態(tài)（盡可能少的資源投入和盡可能好的產(chǎn)品產(chǎn)出），現(xiàn)在，如果外界條件變化了，那么就通過自主檢測技術來獲得外部條件變化的信息，然后通過自主學習技術來提煉知識和生成策略，再通過自主調(diào)整技術使生產(chǎn)系統(tǒng)的參數(shù)調(diào)整到在新條件下的優(yōu)化狀態(tài)，仍然保持盡可能少的資源投入和盡可能好的產(chǎn)品產(chǎn)出，從而實現(xiàn)自主適應的要求。

工業(yè)4.0正是在網(wǎng)絡化和智能化的滲透中，逐步實現(xiàn)著由傳統(tǒng)的高倍冗余和集中大批量生產(chǎn)向自主靈活適應和分散個性化生產(chǎn)的模式轉(zhuǎn)變，其目標是打破傳統(tǒng)行業(yè)的界限，重組產(chǎn)業(yè)鏈分工，建立新的活動領域和生產(chǎn)形式，最終建立一種高度靈活、自主適應的個性化和智能化產(chǎn)品與服務的全新生產(chǎn)模式。

具體來說，工業(yè)4.0是在現(xiàn)代智能機器人、傳感器、數(shù)據(jù)存儲和計算能力實現(xiàn)突破的條件下，讓所有的加工設備、原材料、運輸車輛、裝料機器人等都“能說話，會思考”，并通過工業(yè)互聯(lián)網(wǎng)將供應鏈、生產(chǎn)過程和倉儲物流智能連接。按照智能科學與技術的生產(chǎn)系統(tǒng)設計理念，摒棄現(xiàn)行的大規(guī)模、批量化生產(chǎn)，利用人工智能的自主技術來實現(xiàn)動態(tài)優(yōu)化，即讓整個生產(chǎn)系統(tǒng)中的設備、原材料等都高度智能化，可以獨立、自主地運轉(zhuǎn)，并通過互相交流和交換訊息等及時自主調(diào)整工藝流程，而且具備互相監(jiān)控和監(jiān)測生產(chǎn)環(huán)境的能力，最終確保多批次、小產(chǎn)量狀態(tài)下產(chǎn)業(yè)的獲利能力，確保工藝流程的靈活性和資源利用率，從而實現(xiàn)智能生產(chǎn)的“四化”，即供應和倉儲成本較小化、生產(chǎn)過程全自動化、需求相應速度較大化和產(chǎn)品個性化。可以預見，在工業(yè)4.0進程中，隨著智能科學生產(chǎn)系統(tǒng)設計理念的逐步滲入，越來越多的智能科學研究成果將應用到工業(yè)中，無數(shù)傳統(tǒng)行業(yè)將發(fā)生顛覆性重構，產(chǎn)業(yè)鏈和社會分工將重新組織，世界工業(yè)版圖將被重新描繪。

2.2 機器學習在工業(yè)4.0時代的應用與發(fā)展

工業(yè)4.0正催生著大數(shù)據(jù)時代的到來，計算技術通常只是用來分析數(shù)據(jù)，機器學習使得捕獲和挖掘數(shù)據(jù)→理解數(shù)據(jù)→從中萃取有價值的數(shù)據(jù)→預測未來趨勢成為可能，成為了解決大數(shù)據(jù)問題的一種重要、關鍵的工具。

機器學習是人工智能發(fā)展中一個極其重要也是應用潛力最大的研究領域，其專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為，以從紛繁復雜的現(xiàn)實世界中通過識別、利用現(xiàn)有知識來獲取新的知識或技能，并建立學習的計算理論，重新組織已有的知識結(jié)構，使其不斷提升和完善自身的性能，從而構造各種新的學習系統(tǒng)并將其應用到各個領域中去。常見的幾種機器學習方法有分類學習、歸納學習、類比學習、解釋學習、基于神經(jīng)網(wǎng)絡的學習和知識發(fā)現(xiàn)等，每一種學習方法都對應其主要解決的問題和解決相應問題的算法，例如，分類學習主要解決將實例數(shù)據(jù)劃分到合適的分類中的問題，歸納學習主要用于預測數(shù)值型數(shù)據(jù)。

實踐證明，機器學習在很多工業(yè)應用領域發(fā)揮了重要的實用價值，特別是在數(shù)據(jù)挖掘、語音識別、圖像識別、機器人、車輛自動駕駛、信息安全、遙感信息處理和工業(yè)過程控制領域取得了令人矚目的成果。

工業(yè)4.0的核心發(fā)展方向——智能制造是一種由以機器學習為代表的智能機器和人類專家共同組成的智能系統(tǒng)，目前這方面成功的應用系統(tǒng)有機械設備智能診斷系統(tǒng)、故障診斷專家系統(tǒng)、基于機器學習理論的智能決策支持系統(tǒng)、智能制造系統(tǒng)等，每類系統(tǒng)都有其特定的機器學習機制和方法。這類智能系統(tǒng)能在制造過程中能進行諸如獲取信息、判斷和篩選有用信息、分析和推理、最后進行構思和決策等的智能活動。智能系統(tǒng)的構建初衷，就是要打破傳統(tǒng)的大批量流水線制造自動化的概念，轉(zhuǎn)變?yōu)橹悄芑透叨燃傻娜嵝陨a(chǎn)方式。與傳統(tǒng)的制造相比，智能生產(chǎn)具有超柔性、自主學習、自主適應、自主維護和自我監(jiān)督和相互監(jiān)控、虛擬實現(xiàn)等能力和特征，最終能夠達到取代、擴大和延伸原本需要大量群體智慧和經(jīng)驗才能完成的腦力勞動。

然而，機器學習系統(tǒng)的建立是緩慢、耗時和易出錯的一個過程。目前其開發(fā)存在相當大的困難，例如需要開發(fā)者具備深厚的專業(yè)知識；收集、合并和分析一個系統(tǒng)中不同類數(shù)據(jù)的工具互相孤立不兼容，缺乏系統(tǒng)的整合工具；需要相當大的實驗能才能建立、評估、調(diào)試和驗證模型，以保證模型的精確性等。

另外，機器學習方法的研究應兼顧縱向深度方向和橫向結(jié)合方向的研究，例如針對不同的研究環(huán)境和領域開發(fā)相適應的學習體制和方法，開發(fā)多種學習體制和方法的集成學習系統(tǒng)，以便完成復雜任務等。在機器學習的研究中，要讓機器逐步從從事計算工作到從事創(chuàng)造性的思維工作轉(zhuǎn)變，這樣才能為工業(yè)4.0的技術革命作出更大的貢獻。

2.3 計算智能在工業(yè)4.0時代的應用與發(fā)展

隨著工業(yè)4.0的推進，制造業(yè)對智能化提出了更高的要求，而工程實踐往往遇到的都是難以建立精確的數(shù)學或邏輯模型的問題，因此，傳統(tǒng)的計算方法在解決這類復雜問題時很難求出精確的解，即便能求解，耗時也相當長。因此，人們一直在尋求能在求解時間和求解精度上取得平衡的計算方法，在人工神經(jīng)網(wǎng)絡取得新突破時，計算智能便應運而生。作為人工智能的一個重要領域，計算智能（Computational Intelligence，CI）利用仿生學思想模仿生物體系的某些規(guī)律和機制，例如生物進化、細胞網(wǎng)絡等，用數(shù)學語言的抽象描述來設計求解問題的算法。用智能算法求解問題，即使是對象模型和邊界條件不夠精確和完整，也能夠得到一個合理的解，尤其是能夠有效解決系統(tǒng)中一些非線性和不確定性的問題。核心的計算智能有方法神經(jīng)網(wǎng)絡、進化計算和模糊邏輯。這些方法都能處理不完整、不精確或不確定的數(shù)據(jù)，建立的模型也具有自主控制能力、自擴展性、系統(tǒng)穩(wěn)健性和適于并行處理等優(yōu)點。

基于計算智能的上述特點和研究的不斷突破，其在工業(yè)領域得到越來越廣泛的應用，取得了豐碩的成果。計算智能的工業(yè)應用領域已經(jīng)逐漸擴展到了優(yōu)化計算、模式識別、計算機網(wǎng)絡、故障診斷、圖像處理、信息安全、風險分析與控制、加工系統(tǒng)、調(diào)度系統(tǒng)、智能控制與自動化和通訊工程信息安全等諸多領域。這些應用都顯示出了計算智能強大的信息處理和問題求解能力，具有廣闊的研究前景。

智能工廠是工業(yè)4.0的兩大主題之一，無線感測器將是實現(xiàn)智能工廠建設的三大基礎技術之一。以微處理器和計算智能研究為主的智能化儀器儀表正是運用包括神經(jīng)網(wǎng)路、遺傳演算法、進化計算等計算智能技術，使儀器儀表具有高效、多功能、高靈敏等性能。這些智能化儀器儀表構成的專家控制系統(tǒng)、模塊邏輯控制系統(tǒng)等也是目前智能工廠相關復雜問題解決方法的研究熱點。

計算智能目前還處于不斷發(fā)展和完善的過程，其在理論方面仍存在著許多不足，比如缺乏穩(wěn)健的數(shù)學基礎、神經(jīng)網(wǎng)絡的學習問題等，制約著計算智能的實際應用。在以后的研究中，還應根據(jù)不同的應用環(huán)境和應用需求，加強各種算法之間的融合，使之融合成為一個復合協(xié)同或綜合集成計算應用系統(tǒng)，這樣融合后的系統(tǒng)可實現(xiàn)優(yōu)勢互補。我們相信，計算智能技術在不斷提高其自身性能后，其在工業(yè)4.0的應用中也將會不斷完善和拓展。

2.4 群體智能在工業(yè)4.0時代的應用與發(fā)展

在工業(yè)發(fā)展的進程中，人們發(fā)現(xiàn)某些復雜困難的問題難以建立有效的形式化模型而使得問題求解變得困難，甚至不可能，群體智能因具有自組織性、層次性、涌現(xiàn)性和不確定性等特點，在沒有集中控制且無法提供全局模型的問題求解上表現(xiàn)出了明顯的優(yōu)勢。

群體智能（Swarm/collection intelligence）這個概念來自對自然界中昆蟲群體的觀察，群居性生物通過協(xié)作表現(xiàn)出的宏觀智能行為特征被稱為群體智能。群體中的單個個體往往行為簡單，智能也有限，但在不存在指揮中心的情況下，個體之間卻能通過相互協(xié)作完成復雜的任務，表現(xiàn)出很高的群體智能。

群體智能的群體可以適應隨時變化的系統(tǒng)或環(huán)境，某個或者某幾個個體的故障不會影響整個問題的求解，個體的活動無需中央控制，也不需要相互之間的監(jiān)管，僅僅通過個體之間的通信就能進行流暢的合作，相互合作的個體是分布的，個體的執(zhí)行時間比較短，而且因個體的增加而引起的通信開銷增加很小。群體智能潛在的并行性和分布式特征使其成為了智能科學一個重要的研究方向。

研究蟻群算法和粒子群體算法是目前群體智能最具有代表性和研究最為成熟的算法。蟻群算法主要包括蟻群優(yōu)化算法、蟻群聚類算法等，其研究方向包括蟻群尋食行為、群體分工和任務分配行為、群體合作搬運行為、巢穴組織行為等。粒子群體算法模擬鳥群捕食過程，在多維搜索空間中，每個粒子根據(jù)自身的經(jīng)驗和鄰近粒子的經(jīng)驗調(diào)整它的位置，群體之間通過集體協(xié)作找尋最優(yōu)解。

自提出以來，群體智能在組合優(yōu)化、機器人協(xié)作、電力系統(tǒng)、工業(yè)模型設計、控制器控制策略等工業(yè)領域表現(xiàn)出了較好的優(yōu)化求解性能，因此受到了廣泛的關注。

舉例來說，群體智能算法在電力系統(tǒng)優(yōu)化中有著廣泛的應用，例如在配電網(wǎng)擴展規(guī)劃、檢修計劃、機組組合、諧波分析與電容器配置、配電網(wǎng)狀態(tài)估計、參數(shù)辨識、優(yōu)化設計等方面。

群體智能能夠滿足工業(yè)工程問題中日益復雜的信息處理需求，尤其是動態(tài)特性突出的問題。在將來的研究工作中，群體智能系統(tǒng)底層機制和群體機器人的研究將會成為重點和熱點，其應用也將具有廣闊的前景。另外，還會擴展群體智能與其他各種先進智能，例如計算智能的融合，以改善自身或相應計算方法的性能。

3 結(jié)束語

本文通過對智能科學技術的生產(chǎn)設計理念和部分重要研究領域的介紹以及智能科學技術現(xiàn)階段在工業(yè)4.0時代的實際應用程度和應用范圍的探討，強調(diào)了工業(yè)4.0時代對智能科學技術的迫切需求。毫無疑問，通向工業(yè)4.0的路就是實現(xiàn)智能化的過程，智能科學為了適應制造工業(yè)的發(fā)展，還需要加速優(yōu)化和創(chuàng)新的步伐。我們相信，隨著智能科學技術逐步和全面的創(chuàng)新與突破，最終將會促進制造業(yè)產(chǎn)業(yè)鏈各個環(huán)節(jié)的智能化，使得未來的工業(yè)4.0繼續(xù)向網(wǎng)絡化、智能化的方向發(fā)展。

參考文獻

[1]烏爾里?！ど吕?工業(yè)4.0[M].鄧敏，李現(xiàn)民，譯.北京：機械工業(yè)出版社，2014.

[2]常杉.工業(yè)4.0：智能化工廠與生產(chǎn)[J].化工管理，2013（21）.

[3]史忠植.智能科學[M].北京：清華大學出版社，2006.

[4]杜慶東.智能科學的現(xiàn)狀與發(fā)展趨勢[J].沈陽師范大學學報（自然科學版），2011（1）.

[5]鐘義信.智能科學與技術學科發(fā)展現(xiàn)狀與前景展望（二）[J].中國人工智能學會通訊，2011（2）.

[6]阿培丁.機器學習導論[M].北京：機械工業(yè)出版社，2009.

[7]龔宇，熊光楞.機器學習在智能車間調(diào)度系統(tǒng)中的應用[J].控制與決策，1997（3）.

[8]丁未.機器學習為代表的人工智能在儀器儀表工業(yè)中的應用展望[J].中國儀器儀表，2014（8）.

[9]安增波，張彥.機器學習方法的應用研究[J].長治學院學報，2007（2）.

[10]黃林軍，張勇，郭冰榕.機器學習技術在數(shù)據(jù)挖掘中的商業(yè)應用[J].中山大學學報論叢，2005（6）.

[11]張軍.計算智能[M].北京：清華大學出版社，2009.

[12]史忠植.高級人工智能[M].北京：科學出版社，1998.

[13]田曉艷.計算智能主要算法研究[J].安防科技，2009（12）.

[14]劉挺.計算智能技術的集成與工業(yè)應用研究[J].青島：中國海洋大學，2007.

[15]楊啟文.計算智能及其工程研究[D].杭州：浙江大學，2001.

[16]李澄非.計算智能方法研究及其在流程工業(yè)中應用[D].北京：北京化工大學，2007.

[17]任偉建.智能算法及其在油田故障診斷問題中的應用[D].大慶：大慶石油學院，2006.

[18]李國棟.計算智能分類方法及其在入侵檢測中的應用研究[D].天津：河北工業(yè)大學，2013.

[19]喬鵬，趙永.計算智能技術特點和集成展望[J].太原城市職業(yè)技術學院學報，2009（10）.

[20]余建平，周新民，陳明.群體智能典型算法研究綜述[J].計算機工程與應用，2010（25）.

[21]彭喜元，彭宇，戴毓豐.群智能理論及應用[J].電子學報，2003（12）.

[22]康琦，張燕，汪鐳，等.群體智能應用綜述[J].冶金自動化，2005（5）.

〔編輯：王霞〕

Abstract： The road to industry 4.0 is a revolutionary process， the intelligent science in order to adapt to the development of manufacturing industry， will accelerate the pace of optimization and innovation. With the continuous innovation and breakthrough of the intelligent science and technology， it will eventually promote the comprehensive and intelligent manufacturing industry， which makes the future industry 4.0 continue to develop in the direction of network， intelligent.

Key words： intelligent science； industry 4.0； robot； computational intelligence