的应用体系

时间：2023-10-01 百科知识版权反馈

【摘要】：我们在前面已对CPS及与工业智能的关系做了详细论述，那么该如何应用CPS在工业智能化的过程中实现价值的创造呢？CPS的应用模式具有很强的体系化特征，包括实体空间、赛博空间以及连接两者的交互接口。CPS在制造业的应用，可认为是最终实现工业价值链的再造，实现设计者从满足需求到设计价值的改变，生产者从交付产品到交付能力的改变以及使用者

我们在前面已对CPS及与工业智能的关系做了详细论述，那么该如何应用CPS在工业智能化的过程中实现价值的创造呢？

首先，我们可以尝试给出一个CPS的应用体系示意图，如图4-1所示。

图4-1 CPS的应用体系

CPS的应用模式具有很强的体系化特征，包括实体空间、赛博空间以及连接两者的交互接口。实体空间包括以设备、环境和人为核心的产业要素，由设计者、生产者和使用者三要素所构成的面向生产活动的产业链，以及同样由这三要素构成的面向服务的价值链；赛博空间包括数据层、映射层、认知层和服务层四个方面，并分别对应实体空间中各个要素的状态管理、关系管理、知识管理和价值管理。两者之间的交互接口包括部署在设备边缘（edge）端的智能软硬件和将实体系统进行连接并提供信息通道的工业互联网。CPS的这种应用体系实现了其三个基本功能单元（智能控制单元、智能管理单元和认知环境）在各个层级和应用场景中既相互融合（外部价值）又彼此独立（内部功能），并最终实现价值链的再创造和产业链的互动与转型。

1.产业链

产业链是一个包含价值链、活动链、供需链和服务链四个维度的概念。这四个维度在相互对接和均衡的过程中形成了“对接机制”的内在模式，作为一种由生产活动影响的客观规律，它像一只“无形之手”调控着产业链当中各个角色之间的关系。

而在中国的工业领域，尤其是制造业领域，由于经济长期快速发展带来的红利，在制造产业链中，设计者、生产者和使用者三者之间，仅存在供需关系以及由供需关系主导的企业之间的活动链，上、下游企业缺少服务信息和价值的互动，交流的方式和内容单一，合作模式大多处于简单的供求响应管理模式。三者仅依靠买卖活动的供需关系就可以获得足够的发展空间。直到经济增速放缓，中国制造产业链中价值链和服务链不健全的问题才被企业重视起来。

2.产业要素

无论是设计者、生产者，还是使用者，他们的生产经营活动都是由设备、环境和人三个生产要素组成。设备在上游的参与者手中是产品，而在下游的参与者手中变成生产要素，设备在不同的产业链角色手中发挥着不同的功能和价值；环境既包括设备使用的内部环境，又包括外部生产环境乃至自然环境；人类扮演着管理与决策的角色，在环境中使用工具生产产品和价值，是产业链要素实现其价值的关键。

3.工业硬件与工业软件

工业硬件与工业软件紧密相连，密不可分。我们所讲的工业硬件除了加工生产所用到的机械设备，还包括用于装备状态感知和控制的传感器、控制单元等硬件设备；而工业软件则是作为人类与机器沟通交流的媒介，以嵌入式或网络等方式与机械设备相连，实现人对设备的感知和控制过程。

4.工业互联网

工业软件可以让现场的工作人员与机器进行交流。工业互联网则是在工业软件的基础上，用互联网将智能感知与控制硬件相连接，实现整个产业链的人、数据和机器互联，是工业系统与高级计算、分析、传感技术及互联网的融合媒介。

通过软件定义的工业互联网，可以打破产业链中设备、区域、时间的物理界限，重新定义工业流程和生产方式，并以异构集成的方式，将现有的工业信息系统进行集成，实现工业化、信息化以及智能化融合的基础。

5.数据层

从数据结构来看，数据层既包括生产流程、工作状态、产品性能等机构化数据，也包括人类的设计方案、生产计划、管理调度、使用维护等非机构化数据。

从数据内容来看，数据层既包括设计者的设计工具数据和设计活动数据，也包括生产者的生产工具数据和生产活动数据，还包括使用者在使用设备时的机器运行数据和试用活动数据。

数据层是产业链中设备、环境和人三个生产要素和设计活动、生产活动、使用活动三种人类生产活动数据的汇集。

6.映射层

结合第2章中的CPS空间构型关系示意图（见图2-4），映射层是体现CPS概念的典型，通过对数据层的各类数据在赛博空间中的映射，为进一步认知分析提供资源和基础，是CPS融合的第一步。

设计者的设计工具数据和设计活动数据分别映射到装备的设计个体空间和活动的设计活动空间中；生产者的生产工具数据和生产活动数据也映射到对应的生产个体空间和生产活动空间；使用者的设备运行数据和使用活动数据映射到装备空间和活动空间的对应区域；环境数据作为相对独立却普遍影响所有环境的数据要素，映射到对应的环境空间。

映射只是第一步，在设计、生产、使用的装备和活动空间的基础上，根据生产流程和环境因素，通过不同的任务和目标，对各个子控件进行融合，并按照集群装备的特征和任务特点，最终构建活动协同的活动空间和装备协同的群体空间，二者再与个体装备空间和环境空间一起，共同构成了进一步分析认知的基础。

7.认知层

在认知层中，行为认知、启发认知和群体认知三种认知方式的运用与融合，能够实现基于个体空间、群体空间、活动空间和环境空间的知识发现和推演预测。

行为认知，通过数据驱动的方式以机器学习技术实现普适性的无监督学习过程，在无须设备设计方案和工作原理的条件下，实现数据层面内在关联的探索和工业知识的发现。

启发认知，基于基本的工业设计原理和机理模型，提供数据驱动下的模型升级和算法迭代，是兼容通用性和精确性的监督学习过程，适合某一类设备或某一类生产活动的知识发现，尤其在面对关键技术被外国企业掌握的核心设备时，仅通过基本原理和运行数据，就可以达到很好的视情管理和使用效果。

群体认知，是一种集合群体行为和群体认知而形成的高级认知方式，旨在模仿人类的思维方式，实现基于目标、环境和资源的协同优化和资源调配，提供超越人类局限性的知识发现和成长空间。

行为认知、启发认知和群体认知实现了知识的自主发现，并在此基础上结合任务、环境和资源构建了推演与预测空间，提供了智能化的决策支持。

8.服务层

在数据层和认知层的基础上，服务层结合工业领域的背景，提供覆盖全产业链流程的智能协同优化服务。

在装备协同优化方面，服务层构建具备自感知、自决策、自重构能力的智能装备，即CPS最小控制单元，同时利用模型配置等技术，向同型装备提供低成本、高效率的模型移植和算法复用，以点带面，实现装备协同的工业智能装备。

在人与装备的协同优化方面，服务层提供视情设计和视情生产服务，满足制造端的敏捷设计和柔性制造等需求，为制造业提供更加智慧的生产模式，实现智能制造。

在人与装备、环境的协同方面，服务层分析认知在不同目标、不同装备、不同环境下人类的行为，学习人类智慧，并通过机器智能加以提炼和升华，最终实现以物的智慧代替人的智慧，提供高效率、低成本的视情管理和视情使用决策支持。