廖星星, 孫勝利, 金 鋼

(中國科學(xué)院 a. 上海技術(shù)物理研究所; b. 紅外探測與成像技術(shù)重點實驗室， 上海 200083)

0 引 言

實驗室作為航天科研單位研發(fā)與生產(chǎn)的重要場所，是實現(xiàn)智能生產(chǎn)的載體。隨著“工業(yè)4.0”“互聯(lián)網(wǎng)+”等與智能制造相關(guān)的概念被提出，智能實驗室將是未來航天智能制造基礎(chǔ)設(shè)施中的關(guān)鍵組成部分[1-2]。它將由人力驅(qū)動的傳統(tǒng)制造模式轉(zhuǎn)而數(shù)據(jù)驅(qū)動，其實現(xiàn)過程是一個復(fù)雜的系統(tǒng)工程，如何在現(xiàn)有技術(shù)的基礎(chǔ)上發(fā)展成為智能實驗室，為實現(xiàn)智能實驗室還需要引入哪些技術(shù)？是我們亟待探索的問題。

智能化是一個循序漸近的過程，其基礎(chǔ)是數(shù)字化。多年來工程界一直在探索如何完整而精確的描述一個數(shù)字化工廠，美國ARC提出了用工程技術(shù)、生產(chǎn)制造和供應(yīng)鏈這3個維度來描述工廠的全部活動[3]。德國電氣電子行業(yè)協(xié)會(ZVEI)確定了工業(yè)4.0的參考架構(gòu)(RAMI4.0),明確了3個維度(供應(yīng)鏈、管理、產(chǎn)品生命周期)層面上的階段劃分和實行的國際標(biāo)準(zhǔn)[4]。但兩者都未曾提及智能化水平評價的具體方法，這就直接導(dǎo)致制造業(yè)無法定位自身智能化水平，更難以做出具體的升級計劃。

影響智能實驗室智能化水平因素多而復(fù)雜，且對所選擇的評價指標(biāo)數(shù)據(jù)有些可定量化，但有些卻只能模糊估計，因此，智能實驗室的智能化水平評價系統(tǒng)是一個灰色系統(tǒng)[5]。本文構(gòu)建了智能實驗室的智能水平3級評價體系，并設(shè)計了基于灰色分層多指標(biāo)法的智能化水平評價模型，可幫助實驗室衡量當(dāng)前自身智能化水平，并為今后智能化升級提供了指導(dǎo)準(zhǔn)則。

1 智能實驗室概述

實驗室的智能化逐漸聚焦于將物聯(lián)網(wǎng)、大數(shù)據(jù)、云存儲、并行計算等新一代信息技術(shù)與產(chǎn)品全生命周期管理(Product Lifecycle Management, PLM)理念相融合，使實驗室具備自組織、自律、自學(xué)習(xí)和自適應(yīng)能力[1]。其目的是縮短產(chǎn)品研發(fā)周期、提高實驗室管理效率，以數(shù)據(jù)驅(qū)動代替人力驅(qū)動，從而使決策更精準(zhǔn)、問題解決更迅速、產(chǎn)品設(shè)計精度更高。

1.1 智能實驗室的研究動態(tài)

目前關(guān)于智能實驗室的研究大部分是從關(guān)鍵技術(shù)的角度或泛泛的智能理論進(jìn)行論述的。如：美國洛·馬公司在 JSF項目中采用協(xié)同設(shè)計制造技術(shù)，構(gòu)筑了虛擬開發(fā)環(huán)境[6]；Raytheon在整個產(chǎn)品研發(fā)周期中都應(yīng)有AM技術(shù)，使得產(chǎn)品設(shè)計更加創(chuàng)新且富有效率[7]；波音777飛機(jī)的研制采用三維數(shù)字化定義，數(shù)字化預(yù)裝配(Digital Pre-Assembly，DPA)和并行工程(Concurrent Engineering，CE)，在世界上第一次實現(xiàn)了無紙設(shè)計；Delmia和Tecnomatix軟件公司通過對許多軟件進(jìn)行重組和集成，形成了智能實驗室系列軟件[8]；德國提出通過構(gòu)建CPS(物理信息融合系統(tǒng))來實現(xiàn)工業(yè)4.0的目標(biāo)之一：智能工廠[9]。

已有的參考模型，如CIM-OSA、ARIS、BAAN、RAMI4.0，均以不同形式視圖覆蓋描述了實驗室不同階段的抽象過程[10]。但智能實驗室的相關(guān)定義并不多見，吳崢等[11]認(rèn)為,智能實驗室就是以物聯(lián)網(wǎng)技術(shù)為核心，利用新一代信息技術(shù)來改變用戶和實驗室資源相互交互的方式，從而實現(xiàn)智慧化服務(wù)和管理的實驗室模式。并將其歸納為一個等式即：智能實驗室=實驗室+物聯(lián)網(wǎng)+智能化設(shè)備。認(rèn)為在3個維度中，如果所有活動均能在賽博空間得到充分的數(shù)據(jù)支持、過程優(yōu)化與驗證，同時在物理系統(tǒng)中能夠?qū)崟r執(zhí)行活動并與賽博空間進(jìn)行深度交互，則可將這樣的實驗室稱之為智能實驗室[1]。

“智能基于信息，智能寓于系統(tǒng)”[12]，本文認(rèn)為：智能實驗室以智能系統(tǒng)為載體，通過實時感知實驗室狀態(tài)并協(xié)同各個功能模塊做出全面的思維判斷及精準(zhǔn)控制，使實驗室具備高效、節(jié)能、安全、可創(chuàng)新、可擴(kuò)展的能力。這里的智能系統(tǒng)符合信息物理融合系統(tǒng)[13]的特性，其原理框圖如圖1所示。

圖1 實驗室智能系統(tǒng)原理框圖

對于現(xiàn)實需求的智能實驗室，至今沒有系統(tǒng)而比較完整的論述和分析。這將導(dǎo)致實驗室在向智能實驗室升級過程中無法得到科學(xué)的理論指導(dǎo)。

1.2 智能實驗室功能模塊

智能實驗室概念要求形成一個高度集成的系統(tǒng)，使得管理、設(shè)計、工程、規(guī)劃、仿真、通信和控制工具都綜合到一個平臺中，從而建立一個從實驗室車間底層感知到頂層決策的一個巨大的閉環(huán)反饋系統(tǒng)。該系統(tǒng)可根據(jù)實驗室的實際情況更新數(shù)據(jù)、模型結(jié)構(gòu)、和模型參數(shù)，通過配置各類傳感器以實現(xiàn)物理環(huán)境的互聯(lián)、互感，確保實驗室中信息的實時獲取、可靠感知、實時傳輸、普適計算、精準(zhǔn)控制。

因此，一個智能實驗室將由多個智能體[14-15]組成，它們分別是：采集Agent、傳輸Agent、管理Agent、決策Agent、控制Agent。由于本文是對智能實驗室的智能品質(zhì)評價進(jìn)行詳細(xì)論述，故對智能實驗室功能模型只做簡單的概述。

(1) 采集Agent。負(fù)責(zé)對實驗室人、物、環(huán)境、生產(chǎn)任務(wù)所需的各類資源信息、工藝過程控制信息等能夠全面自動感知。

(2) 傳輸Agent。負(fù)責(zé)對采集的數(shù)據(jù)進(jìn)行實時傳輸，傳輸過程中需解決不同系統(tǒng)之間的集成問題，以及傳輸過程中的安全問題。

(3) 管理Agent。負(fù)責(zé)對數(shù)據(jù)包的管理以及事件管理。數(shù)據(jù)包管理包括對設(shè)備、物料、傳感器的屬性數(shù)據(jù)進(jìn)行管理，還包括對實驗室傳感器采集的數(shù)據(jù)進(jìn)行冗余過濾、多源融合。事件管理包括對智能實驗室中產(chǎn)生的物理或信息事件進(jìn)行管理，如：實時預(yù)警、移動偵測。

(4) 決策Agent。根據(jù)建立好的數(shù)據(jù)模型，對收集的數(shù)據(jù)進(jìn)行挖掘、分析、機(jī)器學(xué)習(xí)，得到有價值的信息，從而指導(dǎo)生產(chǎn)或試驗。

(5) 控制Agent。具有調(diào)整與控制實驗室物理世界的屬性，對于不符合規(guī)則的事件，執(zhí)行器網(wǎng)絡(luò)的控制節(jié)點會分發(fā)出相應(yīng)的調(diào)整控制命令或警告信息。從而使實驗室達(dá)到動態(tài)平衡狀態(tài)。

2 評價指標(biāo)體系設(shè)計

對于智能實驗室智能水平評價指標(biāo)體系的研究尚未有文獻(xiàn)提及到，本文的評價體系從定量和定性相結(jié)合的方法嘗試構(gòu)建智能實驗室智能水平評價體系。評價的總目標(biāo)是其智能化水平，因此，在一級指標(biāo)的設(shè)立過程中，主要參考智能實驗室智能品質(zhì)的內(nèi)涵，即智能化在實驗室3個維度方面所帶來的變化。在之前的智能實驗室定義中，智能實驗室的最終目標(biāo)是具備高效、可創(chuàng)新、節(jié)能、安全、可擴(kuò)展的能力，因此對于一級指標(biāo)用一個五維的空間去描述一個智能實驗室智能品質(zhì)：F={U1,U2,U3,U4,U5}，其中：U1表示提高科研人員工作效率的能力；U2表示提高產(chǎn)品精度的能力；U3表示降低實驗室運(yùn)營成本的能力；U4表示安全性能；U5表示實驗室對外擴(kuò)展能力。其智能水平評價體系如圖2所示。

圖2 智能實驗室智能水平評價體系

U1又可以表達(dá)成4個具體指標(biāo)：U1={V11，V12，V13，V14}，V11表示實驗室環(huán)境，V12表示提高產(chǎn)品設(shè)計效率的能力，V13表示提高產(chǎn)品裝調(diào)效率的能力，V14表示試驗報告生成的能力。V11={T111，T112，T113，T114}，T111表示溫濕度及潔凈度協(xié)調(diào)能力，T112表示噪聲控制能力，T113表示光熱環(huán)境協(xié)調(diào)能力，T114表示空氣品質(zhì)控制能力。V12={T121，T122}，T121表示設(shè)計軟件操作友好度，T122表示產(chǎn)品模型快速驗證能力。V13={T131，T132，T133，T134}，T131表示工藝流程自動優(yōu)化能力，T132表示智能設(shè)備，T133表示資源快速定位、調(diào)度能力，T134表示故障快速定位能力。V14={T141，T142}，T141表示優(yōu)質(zhì)試驗報告生成能力，T142表示試驗關(guān)鍵數(shù)據(jù)調(diào)取、綜合分析能力。

U2是指智能實驗室中可提高產(chǎn)品精度的因素，它可以表示為2個具體指標(biāo)U2={V21，V22}，V21表示方法創(chuàng)新能力，V22表示工具集創(chuàng)新能力。V21={T211，T212}，T211表示數(shù)據(jù)挖掘能力，T212表示并行計算能力。V22={T221，T222}，T221表示創(chuàng)新研發(fā)平臺搭建能力，T222表示智能設(shè)備生成能力。

U3是指智能實驗室中可降低實驗室運(yùn)行的成本相關(guān)因素，可表示為3個具體指標(biāo)：U3={V31，V32，V33}，V31表示減少因設(shè)備故障而造成損失的能力，V32表示節(jié)省資源消耗的能力，V33表示減少實驗室采購、維護(hù)、管理費(fèi)用。V31={T311。T312}，T311表示設(shè)備保養(yǎng)、維護(hù)、計量提醒能力，T312表示設(shè)備運(yùn)行狀態(tài)監(jiān)測能力。V32={T321，T322，T323}，T321表示照明智能控制能力，T322表示供配電智能管理能力，T323表示冷熱源自動控制能力，V33={T331，T332}，T331表示智能生成采購方案的能力，T332表示智能生成保養(yǎng)、維護(hù)計劃的能力。

U4表示智能實驗室安全程度，它可表示為一個二元組：U4={V41，V42}，V41表示防害、防災(zāi)能力，V42表示防病毒入侵能力。V41={T411，T412}，T411表示傳感器自動感知、分析、反饋能力，T412表示控制器執(zhí)行能力。V42={T421，T422}，T421表示數(shù)據(jù)傳輸安全保障能力，T422表示病毒入侵自動消滅能力。

U5表示智能實驗室中系統(tǒng)的擴(kuò)展能力，它可表示為一個二元組：U5={V51，V52}，V51表示內(nèi)部系統(tǒng)擴(kuò)展能力，V52表示內(nèi)部系統(tǒng)與外部系統(tǒng)之間的擴(kuò)展能力。V51={T511，T512}，T511表示軟件接口開放性能，T512表示硬件系統(tǒng)開放性能。V52={T521，T522}，T521表示軟件接口開放性能，T522表示硬件系統(tǒng)開放性能。

整個智能實驗室智能品質(zhì)評價體系如表1所示。

表1 智能實驗室三級指標(biāo)結(jié)構(gòu)模型

3 評價模型建立

灰色多層次評價法是基于灰色理論，將多個評估專家分散的評價信息處理統(tǒng)一為一個描述不同灰類程度的權(quán)向量，在此基礎(chǔ)上再對其進(jìn)行簡單單值化處理，最后得到受評對象的綜合評價值[16-18]?；贏HP-GRA的智能實驗室評價模型流程如圖3所示。其步驟如下：

圖3 基于AHP-GRA的智能實驗室評價模型流程圖

Step1確定評指標(biāo)的權(quán)重

(1) 構(gòu)造智能實驗室1級指標(biāo)間的判斷矩陣

aii=1,aij=1/aji

ajj=aik/ajk；i,j,k=1,2,…,n

(2) 計算指標(biāo)權(quán)重W

(3) 計算判斷矩陣A的最大特征值

(4) 計算一致性指標(biāo)

WI=(λmax-n)/(n-1)

(5) 計算一致性比率

CR=CI/(RI)

當(dāng)CR<0.1時，則滿足一致性要求，否則指標(biāo)不滿足一致性要求。

Step2制定評價等級標(biāo)準(zhǔn)，組織專家評分。通過評價指標(biāo)評分等級標(biāo)準(zhǔn)的制定，將定性指標(biāo)轉(zhuǎn)化為定量指標(biāo)Tijk，采用專家評分法，將待評估的3級指標(biāo)Tijk劃分為3個等級：高級、中級、低級，“高級”記為4～6分，“中級”記為2～4分，“初級”記為0～2分。假設(shè)參與評分的專家為m人，由此得到的備選方案的評價樣本矩陣：

Vijkm表示的是第m個專家對Tijk指標(biāo)的評價。

Step3確定評價灰類。即確定評價灰類的等級數(shù)、灰類的灰數(shù)以及灰數(shù)的白化權(quán)函數(shù)。設(shè)評價灰類序號e=1,2,3評價灰類，它們分別為“高級”“中級”“低級”3個等級，其對應(yīng)的灰數(shù)及白化權(quán)函數(shù)如下：

第1類灰類“高級”(e=1)，灰度?=[0,∞]，其白化權(quán)函數(shù)的表達(dá)式如下：

第2類灰類“中級”(e=2)，灰度?=[0,3,6]，其白化權(quán)函數(shù)的表達(dá)式如下：

第3類灰類“中級”(e=3)，灰度?=[0,2,4]，其白化權(quán)函數(shù)的表達(dá)式如下：

Step4計算灰色評價系數(shù)。對評價指標(biāo)Tijk，備選方案屬于e個評價的評價系數(shù)記為Xijke，屬于灰類的總灰類評價系數(shù)記為Xijk，則有：

Step5計算灰色評價權(quán)向量及其矩陣。所有評價者就評價指標(biāo)Tijk對備選方案主張第e個灰類的灰色評價權(quán)記為rijke，則有：

rijke=Xijke/Xijk,rijk=(rijk1,rijk2,rijk3)

Step6作綜合評價

Bij=Wij·Rij,Bj=Wj·Rj

B=W·R

Step7計算綜合價值F。對綜合評價結(jié)果B做進(jìn)一步處理，使其單值化，得到備選方案的綜合評價結(jié)果：

F=B·CT

其中，C=[d1,d2,d3]

4 實踐案例

根據(jù)上文所設(shè)定的智能實驗室評價體系及評價模型，對某航天科研院所實驗室進(jìn)行智能水平鑒定，得到如下結(jié)果。

(1) 指標(biāo)權(quán)重確定。通過分層法得到目標(biāo)權(quán)重、1級指標(biāo)權(quán)重、2級指標(biāo)權(quán)重、3級指標(biāo)權(quán)重,并構(gòu)建各級指標(biāo)權(quán)重樹(見圖4)，這里以U1為例：

W=[0.097 8 0.202 0 0.048 0 0.605 4

0.046 8]

圖4U1指標(biāo)權(quán)重樹結(jié)構(gòu)

其他指標(biāo)權(quán)重如下矩陣：

W2=[0.5 0.5]

W3=[0.708 9 0.178 6 0.112 5]

W4=[0.5 0.5],W5=[0.75 0.25]

W21=[0.833 3 0.166 7],W22=[0.5 0.5]

W31=[0.166 7 0.833 3]

W32=[0.108 5 0.546 8 0.344 5]

W33=[0.666 7 0.333 3]

W41=[0.5 0.5],W42=[0.5 0.5]

W51=[0.5 0.5],W52=[0.5 0.5]

(2) 專家評分。通過3位專家對3級指標(biāo)進(jìn)行評分，得到如下結(jié)果:

(3) 計算灰色評價系數(shù)。

xijk=[6.1 3 3.7 5.4 3 3 4.6 6.2 3.13 4.7 3.3 3.7 7.7 6.3 8 6 34.5 3 3 6.2 6 6 3 5.4 4.3]

(4) 計算灰色評價向量及權(quán)矩陣?；疑u價向量：

計算得到如下權(quán)矩陣：

(5) 對2級指標(biāo)Vij做綜合評價

(6) 對1級指標(biāo)做綜合評價。

(7)對U做綜合評價

B=[0.13 0.21 0.66]

(8) 計算綜合評價值。

F=B·CT=1.4

按照此模型，該實驗室的智能化水平為F=1.4，即處于模型中的第一階段：初級智能化階段。由于一級指標(biāo)權(quán)重為：W=[0.097 8 0.202 0 0.048 00.605 4 0.046 8]，即能否提高實驗室的安全能力和能否提高實驗室產(chǎn)品精度的能力在一級指標(biāo)中所占的權(quán)重比例非常大，因此，實驗室要想向更高的智能化水平升級，其采取的措施是針對實驗室安全和產(chǎn)品精度方面存在的問題，利用智能化技術(shù)去進(jìn)行突破。

5 結(jié) 語

德國工業(yè)4.0研究方向可以概括為兩大類：智能制造和智能工廠。智能化將是未來各行各業(yè)的發(fā)展方向，航天產(chǎn)品研發(fā)實驗室也不例外，如果無法判定當(dāng)前智能化水平，智能化之路將變得艱難而盲目。本文提出的基于灰色多層次法的智能實驗室智能水平評價模型，通過實例對模型進(jìn)行驗證，得出的結(jié)論為智能實驗室今后升級方向提供了指導(dǎo)準(zhǔn)則。由于對智能實驗室的研究還處于探索階段，要想獲得更加精確的結(jié)果，在實際評價過程中，應(yīng)更加全面的考慮指標(biāo)體系的構(gòu)成。于此同時，指標(biāo)權(quán)重樹的構(gòu)建有利于更好的發(fā)現(xiàn)哪些指標(biāo)屬于關(guān)鍵指標(biāo)，從而把建設(shè)的重點放在關(guān)鍵指標(biāo)上。

[1] 杜寶瑞,王 勃,趙 璐,等.航空智能工廠的基本特征與框架體系[J].航空制造技術(shù)，2015(8)：26-30.

[2] 丁鵬飛,周世杰,王 賀,等.面向航天制造企業(yè)的數(shù)字化工廠建設(shè)方案探討[J].航空制造技術(shù)，2014(14)：51-54.

[3] Greg Gorbach. Achieve Sustainable Manufacturing with Integrated Collaborative Manufacturing [J/OL], 2008, 10, 23. http://www.arcweb.com/myarc/myreports/arcreports2008/.

[4] ZVEI.Industrie 4.0:the reference architectural model industrie 4.0(RAMI 4.0)[EB/OL].(2015-04-05)http://www.zvei.org/Downloads/Automation/ZVEI-Industrie-40-RAMI-40-English.pdf.

[5] DENG J L. Gray System Theory Tutorial[M]. Publishing House of Huazhong Science and Engineering University, 1992.

[6] 唐 輝,侯俊杰.先進(jìn)復(fù)雜產(chǎn)品研制體系的分析[J].航空制造技術(shù)，2010(1)：70-73.

[7] Jeff Shubrooks, Jack Graham, Curtis Carlsten,etal. ADDITIVE MANUFACTRING at Raytheon[J/OL].2015. http://www.raytheon.com/news/technology_today/2015_i1/.

[8] 潘 琨.智能工廠的模型與實現(xiàn)方法研究[D].武漢：武漢大學(xué)，2014：5-20.

[9] 杜品圣.智能工廠-德國推進(jìn)工業(yè)4.0戰(zhàn)略的第一步[J].自動化博覽，2014(2)：50-58.

[10] 張 益,馮毅萍,榮 岡.智慧工廠的參考模型與關(guān)鍵技術(shù)[J].計算機(jī)集成制造系統(tǒng)，2016，22(1)：1-10.

[11] 吳 崢,周春月.基于物聯(lián)網(wǎng)的智慧實驗室[C]//第十七屆全國青年通信學(xué)術(shù)年會論文集.秦皇島，中國，2012：205-209.

[12] 涂序彥.廣義智能系統(tǒng)的概念、模型和類譜[J].智能系統(tǒng)學(xué)報，2006 (2)：8-10.

[13] Tao F, Zuo Y, Xu L D, Zhang L. IoT-based intelligent perception and access of access of manufacturing resource toward cloud manufacturing[J]. IEEE Transactions on Industrial Informatics，2014, 10(2)：1547-1556.

[14] 車 暢,梁 韡,周 悅,等.基于多智能體的無線傳感器網(wǎng)絡(luò)協(xié)同問題研究[J].儀器儀表學(xué)報，2005，26：230-233.

[15] 喬 兵,朱劍英.多Agent智能制造系統(tǒng)研究綜述[J].南京航空航天大學(xué)學(xué)報，2001，33：1-5.

[16] Liu Ming, Han Lansheng, Peng Bing,etal. A multi-level grey evaluation model for harms of computer virus[C]∥Ninth IEEE International Symposium on Parallel and Distributed Processing with Applications Workshop，2011，20：21-26.

[17] Tang Hong, Zhang Jie, Su Kai. On evaluation model of military information network based on multi-level gray evaluation method[C]∥The 27thChinese Control Conference，2008，6：113-115.

[18] Wang Xiao, Shuai Ning. The multilevel comprehensive grey evaluation model for enterprise training effect[C]∥2008 International Workshop on Education Technology and Training & 2008 International Workshop on Geoscience and Remote Sensing，2008，200：51-53.