欧德神思马立新：装备数字化与智能自动化

装备数字化和智能化相辅相成、密切相关，装备数字化和智能化是推动装备制造高质量发展的一个重要的基础。马立新认为，装备数字化是人、机、物三元融合，万物智能互联时代的必然选择；同时，装备数字化是推进数字经济快速发展的动力。智能制造有很多的元素和工具，装备智能化是一个非常重要的基础。

装备数字化的技术实现路线

数据驱动实现装备数字化

没有数据驱动的数字化和智能化将是无源之水和空中楼阁，装备数字化、智能化的价值从某个角度讲取决于采集数据的数量和质量。

跨平台互联互通是实现数据驱动的基础和支撑

互联互通是指通过有线、无线等通信技术，实现装备之间、装备与控制系统之间，企业之间相互连接及信息交换。互联互通的本质是实现信息／数据的传输与使用，即通信互联与信息互通。

国际电工委员会（IEC）在其技术 告中对互联互通的层级定义

信息模型是实现互联互通的关键

目前在设备信息模型建模方面存在多种方式和标准，如面向机电设备的开放式数控系统标准，面向电子设备的电子设备描述语言EDDL，统一建模语言UML以及OPC UA提供的建模规范等。

OPC基金会与各类组织合作，将各类组织的信息模型与OPC UA的信息模型架构建立连接和转换关系，使得可以在OPC UA中使用各类已定义的设备信息模型，并使其符合OPC UA地址空间的结构、引用关系和数据类型等要求，在OPC UA架构下实现不同设备的信息模型。

OPC UA信息模型的层次框架

智能装备之间的互联互通 ( M2M )

M2M通信一般采用IEC 61158 标准的各种现场总线，但因为历史以及商业方面的原因，IEC 61158 标准化了19种现场总线，而这些现场总线的硬件接口以及物理层/应用层均不完全相同，除非采用同一厂家（协议标准）的产品，否则在现场无法做到互联互通。

装备数字化在制造业高质量发展中的价值是装备智能化

智能制造的载体是制造，智能是赋能手段

马立新提到，智能是赋能手段，先进的智能，也需要融入制造这个载体才能发挥效能。若没有数字化、 络化、智能化技术的强力支撑，制造的质量、效益和核心竞争力也很难大幅提升，高质量发展的目标不可能实现。制造的核心是工艺和装备，发展智能制造，必须要落脚在制造上，而制造又要基于先进的工艺和智能装备。

装备智能化的落地实施要依靠智能控制技术（智能自动化系统）

关于智能控制技术，马立新认为智能控制是控制理论与人工智能的交叉成果，是经典控制理论在现代的进一步发展，其解决问题的能力和适应性相较于经典控制方法有显著提高。在现代先进制造系统中，需要依赖那些不够完备和不够精确的数据来解决难以或无法预测的情况，智能控制技术为解决这一难题提供了有效的解决方案。智能控制随之也被广泛地应用于机械制造行业，它利用模糊数学、神经 络、机器学习等诸多方法和工具对制造过程进行动态环境建模，利用智能传感融合技术来进行信息的预处理和综合，是实现装备智能化的有利工具。

“不是说传统自动化系统就要退出历史舞台，它有什么不好。其实在很多的适合传统自动化系统的工业场景当中，传统自动化系统的鲁棒性非常有价值，它的健壮性和稳定性，是很多工业场合最关注的。但是有很多的工业场合，仅仅满足鲁棒性是不够的。也就是说怎么能够在有足够的健壮性基础上，还要有足够的灵活性，也就是有很多的工业应用现场，它是不允许我们在实现控制的期间，我们要预先设定非常严格的边界条件，任何的一个控制策略都是基于我们预先设定好的，把它代码化。所以说有很多的装备、生产制造过程，是一个开放式的环境，也就是说会随时随地来串入很多的突发性的干扰，或者叫扰动，或者叫事件，它要求我们的系统如何高实时的去响应这些扰动，而且能够在响应扰动的同时，能够保证我们的系统足够的稳定和灵活。”马立新说。

自适应软件系统是实现智能自动化（智能控制）的关键技术之一

传统自动化装备中的自动化系统的局限性和脆弱性

自动化系统中的“自动”是基于预先编制程序来执行任务，没有自学习能力和自主决策能力，更没有自适应能力。简单地说，传统自动化系统有助于在满足一致性、可靠性和可预测性的前提下按照编程完成目标任务,其挑战在于, 这些行动一般只适于具备限制条件下的态势(即设计人员预见并且软件开发人员且为之对应编程的态势),以及局限于为感知理解所处环境而使用的有限传感器列阵所提供的测量值。

智能自动化系统（智能控制）解决的核心

核心能力是（自主）智能决策能力，而实现（自主）智能决策则需要自动化控制系统具备这样一种能力：那就是既能精确感知,又能准确理解(如：识别并分类)所检测目标(Object),并确立相互之间的态势关系以及更主要的系统目标 ( Goal ) ,是对智能控制系统提出的挑战,尤其是在遇到预期外 ( 不在预先的设计范围内)的目标、事件或态势时 ( Object, Event, or Situation )。可见：智能控制系统中的“（自主）智能 ”是基于知识驱动的，“自主、智能 ”是完成“感知 — 分析 — 推理 — 决策 — 执行（控制）”的动态过程，并能够应对不可预知的突发事件。

实现基于自主决策的响应和控制需要自适应软件系统

要深入探讨自动化系统“（自主）智能化 ”的实现，就无法避开讨论自适应系统。如前文所述，要实现自主智能，系统必须具备自学习能力及适应动态环境（极其不确定的环境条件）的能力。自适应系统则具有一种能够根据外部的刺激（输入），做出修改系统内部结构和规则的能力。自适应系统不仅具有高层感知性、适应性与自动性，能够监视自身状态，并在环境发生变化或出现错误时修正和改进自身，通常利用反馈 — 控制 — 系统行为的方式修改或者重组自身或子系统。自适应软件系统能够在运行过程中，实时收集系统和环境的变化信息，并根据预设的策略，在必要时对自身的结构或者行为进行自动调整，以便更好地适应外部环境和需求的变化。这种调整可针对软件系统的不同方面（如属性、构件 等等），借助于控制论。

自适应软件系统的这种调整被视为一个闭环反馈过程，包含了四个方面的基本活动：监控，以获取各种原始的变化数据；发现， 以分析数据；决策，以确定如何进行调整；实施， 以执行调整行为。可见，软件系统的自适应性大体表现为软件系统实体的自适应性和系统实体结构的自适应性两个不同层次；即自适应软件实体和系统整体通过修改自身行为或改变自身结构，以满足（控制）功能和（控制）质量的需求。自适应软件系统具有四个特点。

① 驻留环境具有开放性。环境中的资源会不断地发生变化，通常没有确定的边界。

② 变化的敏感性。系统能够感知环境变化，并能对环境中发生的相关事件做出响应。

③ 系统的动态性。系统的运行模式表现为系统与环境的交互与变化 1 ? … ?系统与环境的交互与变化 n 。

④ 评估的正确性和有效性。需要对系统的变化做出正确、有效的评估，以判断系统是否满足预定目标。

由软件自适应系统的定义可以知道 ，要完成一个基本的软件自适应过程至少包括四个核心环节:

感知 、评估 、决策和实施。对于自适应环的理解与描述，可以将其自适应过程分为监视 、分 析 、规划及执行共四个阶段外加一个知识库。

从时间维看，软件自适应过程是一个不断迭代、与软件系统本身的运行相生相伴的循环过程。为了实现软件自适应，需要有相应的软件设施作支撑，既要有感知和识别变化的感知器 (sensor) 设施，还要有基于变化进行决策的自适应器 (adaptor) 设施和能将自适应决策结果施加到目标软件系统的执行器 (actuator) 设施 。

自适应软件系统的作用对象是软件自身，强调的是对自身(如软件状态、方法调用、体系结构等)的调整和修正；而控制软件的作用对象是客观世界物理系统，侧重的是对物理系统的调节和改变。

自适应软件系统的模型

软件自适应机制与在线自适应决策

程应用中面临需要解决两个问题，一是如何设计一个可信的自适应软件系统可针对不可预知的、各种可能的变化或扰动完成自适应调整，以使系统具有更好的健壮性和灵活性，这显然难度极大且极具挑战性；二是自适应软件系统通常需要持续性的运行。目前，通常采用离线 (off-line) 决策的方法，即根据开发者所提供的预定义变化描述和定义的自适应逻辑来实施调整。一旦自适应需求发生变化 ( 如出现非预期的环境变化，并需要对该变化做出自适应的响应 )，那么系统的自适应逻辑需要重新定义，系统的运行需要被终止并重新加载，这种系统运行的频繁（经常） 终止显然不可接受。

自适应软件系统的抽象模型

基于角色动态绑定的自适应机制

智能制造的核心，是由产品工艺、生产数据、软件系统参与定义的生产制造活动，解决复杂生产过程带来的不确定性是时刻要面临的问题。基于人工智能技术的自适应软件系统提供的智能自动化解决方案赋能智能装备助力制造业实现高质量发展。