這兩年，由于人工智能在某些領(lǐng)域（并非是工業(yè)領(lǐng)域）的突出表現(xiàn)，有些人開始樂觀起來，覺得中國在要通過“互聯(lián)網(wǎng)+”和人工智能實現(xiàn)制造業(yè)、工業(yè)化的彎道超車。真的會有這么樂觀嗎？

2007年我在寫博士畢業(yè)論文時，第一章緒論的第一句話就是，“《十六大報告》（2002）中明確提出‘以信息化帶動工業(yè)化，以工業(yè)化促進信息化’”。后來十七大（2007）提出：“工業(yè)化和信息化融合”；為這個兩化，國家在2008年還組建了“工業(yè)和信息化部”，說明國家對這個發(fā)展戰(zhàn)略問題有深刻的認識和重視。再后來十八大（2012）提出：“兩化深度融合”。直到現(xiàn)在如火如荼的智能制造熱潮中，兩化融合仍然是工信部的“立部之本”。十幾年過去了，還在不斷地提兩化，說明這件事情并不容易，推進并不如政府想的那么順利。

目前智能制造離散行業(yè)談的很多，但化學工業(yè)的智能制造談的卻很少。那么，化工智能制造，到底朝哪個方向發(fā)展呢？

化工早已在自動化快道上

化學工業(yè)早已實現(xiàn)初級智能系統(tǒng)--自動化控制。由于化工過程的連續(xù)性和裝置的大型化，且裝置投資巨大（動輒數(shù)十億上百億的投資），化工行業(yè)（包含煉油、石油化工）很早就對過程自動化提出非常高的要求，在上世紀70年代就開始采用DCS用于過程控制。自動化提高了化工生產(chǎn)的穩(wěn)定性、安全性，也很容易提高工廠的利潤率（提高利潤是是市場經(jīng)濟環(huán)境下企業(yè)采用新技術(shù)的直接動力）。目前的技術(shù)水平可以讓化工生產(chǎn)80%以上生產(chǎn)車間和操作實現(xiàn)無人化，主要在一些涉及固體的處理和輸送上做到自動化還比較困難。大型化工裝置生產(chǎn)車間無人化是正常現(xiàn)象，依靠泵、壓縮機實現(xiàn)物料在密閉管道系統(tǒng)中的流動，依靠各種溫度、壓力、液位、流量控制實現(xiàn)物質(zhì)和能量在各個操作單元的自動運行。

技術(shù)上可行或最優(yōu)，并不表示經(jīng)濟效益最優(yōu)。特別是一些小裝置，完全采用自控系統(tǒng)系統(tǒng)單位成本高；當人力成本低時，寧愿采用人工操作。所以現(xiàn)實世界的化工行業(yè)的自動化率是由技術(shù)水平、經(jīng)濟效益（投資成本、人力成本）共同決定。

傳統(tǒng)AI不適合化學工業(yè)

傳統(tǒng)的人工智能（大數(shù)據(jù)、機器學習）的核心是對歷史數(shù)據(jù)歸納提取規(guī)則，從而對未來預測。其理論基礎(chǔ)是：運行數(shù)據(jù)包含了系統(tǒng)的所有重要隱藏信息，無須研究問題機理，可以直接從數(shù)據(jù)挖掘出系統(tǒng)的規(guī)律和知識。

這種人工智能不適合化學工業(yè)，并且對化學工業(yè)的智能化生產(chǎn)生產(chǎn)作用極其有限。基于三點理由：

1.化工裝置的運行機理和數(shù)學模型相對完整?；瘜W工程作為一門發(fā)展超過100年的工程學科，知識體系相對完整。化工裝置作為人工設(shè)計系統(tǒng)，設(shè)計之時設(shè)計者已經(jīng)清楚裝置的內(nèi)在特性和機理，已經(jīng)知道裝置的數(shù)學模型。所以無需再使用人工智能去挖掘、發(fā)現(xiàn)知識。即使在機理不清或邊界不定時，一些常規(guī)的、傳統(tǒng)的數(shù)據(jù)分析方法已經(jīng)足以應對化工中的問題。

2.化工裝置作為嚴格受控系統(tǒng)，數(shù)據(jù)雖多但是單調(diào)，信息量太低以致無法挖掘知識。由于化工過程被各種控制系統(tǒng)嚴格控制，生產(chǎn)平穩(wěn)，所以產(chǎn)生的數(shù)據(jù)雖多但分布窄，無法采用人工智能從這種信息量少的大數(shù)據(jù)中提取出規(guī)律或知識。100個、10000個相同數(shù)據(jù)所含的信息量和1個數(shù)據(jù)一樣。

3.化工裝置對系統(tǒng)的可靠性、安全性要求不接受人工智能系統(tǒng)產(chǎn)生的黑箱知識?；どa(chǎn)對安全性和可靠性的要求極其嚴格，萬一發(fā)生事故都是災難性，對環(huán)境和員工生命帶來的損失是不可挽回的。人工智能完全依靠系統(tǒng)的輸入輸出數(shù)據(jù)產(chǎn)生一個黑箱模型。這種黑箱模型應用時，一是無法根據(jù)模型找到故障或者問題的原因，二是難以對模型的可靠性作評估。

傳統(tǒng)人工智能比較適合系統(tǒng)極其復雜（以致難以研究機理）、對系統(tǒng)因果性和可靠性沒有嚴格要求的人類智力活動，例如金融、商業(yè)、醫(yī)學，人工智能對這些領(lǐng)域?qū)a(chǎn)生革命性變革，這些變革真在我們身邊發(fā)生。而科學技術(shù)領(lǐng)域本質(zhì)上就是對因果性和可靠性的追求，科學家和工程師長期對數(shù)據(jù)的重視和應用，人工智能對科學技術(shù)的變革程度，從知識發(fā)現(xiàn)和提取的角度將是有限的。

知識自動化才是主方向

化學工程作為一種典型的工程學科，其特點是半理論半實驗。由于一些現(xiàn)象過于復雜，涉及機械、材料、物理、化學、熱力學、動力學和傳遞，多種因素關(guān)聯(lián)偶合在一起，無法通過純理論邏輯推導得到某些現(xiàn)象的原因或結(jié)論，需要在實驗室環(huán)境下將各種因素分離獨立研究（徹底的研究方法），或者綜合在一起、只研究主要因素對結(jié)果的影響。也就是說，化學工程的大部分理論知識來自于實驗室研究。

舉一個簡單例子，例如一組新的二元體系，在沒有汽液平衡實驗數(shù)據(jù)的前提下，有哪種模型敢說它的預測精度在5%內(nèi)？雖然化工文獻和數(shù)據(jù)庫中已經(jīng)有了上百萬組的二元汽液平衡實驗數(shù)據(jù)，化工熱力學家研究了近50年的汽液平衡預測模型，但一旦遇到關(guān)鍵應用，還是得去實驗室做實驗得到實驗數(shù)據(jù)。

由于化工現(xiàn)象的復雜性，有些現(xiàn)象在工業(yè)裝置上表現(xiàn)出與實驗室實驗裝置上不同的特性甚至在實驗室無法觀察到的現(xiàn)象，即所謂的“放大效應”，其本質(zhì)還是對某些因素考察不清導致沒有正確預測。此時，我們可以從工業(yè)裝置得到反饋從而擴展化學工程的知識。另外，從工業(yè)裝置運行中，還可以得到大量的操作、維護、安全方面的、超出實驗室研究范圍的經(jīng)驗性知識。

雖然化工行業(yè)在中國不是什么好形象，在大學也不是什么好專業(yè)，但是其學科知識結(jié)構(gòu)、研究方法都比較復雜，在歐美化學工程在工程學科中是一個收入靠前的專業(yè)。

將經(jīng)驗轉(zhuǎn)化為數(shù)據(jù)，將數(shù)據(jù)轉(zhuǎn)化為知識，將知識融入到自動化系統(tǒng)中，這就是知識自動化，這才是智能制造的核心。

可見，一個化工裝置的工藝機理知識基本已經(jīng)融入到最初的設(shè)計中和運行的自動化控制中，已經(jīng)80%以上實現(xiàn)了知識的自動化；而裝置運營知識，主要涉及人員管理、資產(chǎn)設(shè)備管理、操作、維護、供應鏈的知識還是存在于各種SOP中，和作為經(jīng)驗存在于人腦中，這方面離知識自動化還有很在大的距離。

知識自動化才是今后化學工業(yè)搞信息化、智能化的重點方向。

到底能做什么

那么，化學工業(yè)的知識自動化和智能制造到底能做什么呢？

生產(chǎn)工藝是一個化工企業(yè)的核心，化工行業(yè)的生產(chǎn)過程數(shù)字化、自動化和智能化程度走在整個工業(yè)體系的前列，基本已經(jīng)實現(xiàn)車間無人化生產(chǎn)，但是中央控制室還是坐著人，通過電腦屏幕觀察和監(jiān)測著生產(chǎn)過程，隨時準備人工遠程干預甚至去現(xiàn)場干預。實際上，我們的最終的產(chǎn)品質(zhì)量并非一成不變非常穩(wěn)定，生產(chǎn)過程的原料利用率和能源利用率也并非達到最佳。一個化工裝置并非做到自動化、無人化就算實現(xiàn)了智能制造的目標，新目標已經(jīng)不是滿足系統(tǒng)穩(wěn)定在一個狀態(tài)，而是讓裝置系統(tǒng)自動運行在滿足裝置安全、產(chǎn)品質(zhì)量約束下，原料、能源、資產(chǎn)利用率最優(yōu)的狀態(tài)下。多產(chǎn)品的精細化工工廠還要實現(xiàn)敏捷、柔性以快速應對市場變化和訂單要求。

石油化工行業(yè)的“智能制造”的架構(gòu)早已確定，即在過程控制、生產(chǎn)管理、經(jīng)營管理這三個層次實現(xiàn)知識自動化和智能化，分別對應過程控制系統(tǒng)（PCS）、生產(chǎn)執(zhí)行系統(tǒng)（MES）、企業(yè)資源計劃（ERP）。

圖1：石油化工行業(yè)的“智能制造”的架構(gòu)

過程控制系統(tǒng)（PCS)：將表征生產(chǎn)過程的參量為被控制量使之接近給定值或保持在給定范圍內(nèi)的自動控制系統(tǒng)，以DCS和PLC為代表，包括先進過程控制APC。

企業(yè)資源計劃（ERP)：是對企業(yè)資源進行有效綜合的計劃與管理，功能包括產(chǎn)品定貨、原材料采購、配送、銷售、會計等一系列業(yè)務流，以SAP為代表。

生產(chǎn)過程執(zhí)行管理系統(tǒng)（MES）：作為DCS和MES之間的接口，實現(xiàn)生產(chǎn)績效管理和運行數(shù)據(jù)的集成，功能模塊包括短期生產(chǎn)計劃、作業(yè)排產(chǎn)和調(diào)度(APS)、維護管理、技術(shù)信息管理、在線實時優(yōu)化RTO、產(chǎn)品質(zhì)量管理LIMS。

不管在哪個層級，要讓計算機來解決問題，都需要將問題數(shù)字化并抽象為數(shù)學模型，所以智能化的核心是五個化：“數(shù)字化、可視化、模型化、自動化、集成化”。只有將經(jīng)驗、信息通過檢測技術(shù)來數(shù)字化，通過數(shù)據(jù)可視化分析找到規(guī)律，然后將規(guī)律轉(zhuǎn)化為數(shù)學模型，再通過計算機對數(shù)學模型自動求解、自動決策，將決策或結(jié)論自動傳輸給上一層或者下一層，從而達到集成化。這個完整的過程就是知識自動化，知識自動化將人從重復性工作中解脫出來，專注于創(chuàng)新和高附加值的活動，顯然它對人才的要求變得更高。

很長的路要走

動設(shè)備的監(jiān)測、預維護是大數(shù)據(jù)技術(shù)在化工領(lǐng)域少許的幾個可行應用之一。其需要發(fā)展的技術(shù)：一是新型傳感技術(shù)：將振動、聲音、圖像、電流等信號融入監(jiān)測模型中，一個關(guān)鍵特征信號可以代替幾十個關(guān)聯(lián)較弱的信號。而基于大數(shù)據(jù)的人工智能技術(shù)最大的成就就是聲音、圖像的處理識別，工業(yè)上基于這兩類信號的應用還比較少，是時候應用它們了。二是信號處理方法和算法：如何將信號現(xiàn)象同故障類型關(guān)聯(lián)起來，需要使用高級模式識別技術(shù)。

但即使如此，類似行業(yè)復制仍然存在很大的難度，不能簡單移植。

一是因為上各種智能制造系統(tǒng)的投入和產(chǎn)出比。智能制造的一項主要投入就是各個層次的軟件，軟件投資的一個特點就是它與裝置規(guī)模幾乎無關(guān)，一套軟件的價格不會隨著裝置規(guī)模大小發(fā)生變化，但產(chǎn)生的效益基本同裝置規(guī)模成正比，如此看來，軟件系統(tǒng)的投資收益也存在幾乎是線性的規(guī)模效應。中小企業(yè)必須用適合中小企業(yè)的低成本的軟件系統(tǒng)。二是因為三個層次的優(yōu)化除了PCS直接純粹和設(shè)備通訊外，但是ERP和MES有更多的與人的接口，并涉及到企業(yè)的管理文化，系統(tǒng)的投用涉及到管理、文化的變化，或者系統(tǒng)根據(jù)企業(yè)的管理文化來定制化。涉及到人的東西，就不能簡單的復制了。

后記：靠譜的路在腳下不在天上

雖然人工智能的概念現(xiàn)在非常熱，講了無數(shù)故事，吸引了無數(shù)投資，但是對化學工業(yè)（甚至可以擴大到流程工業(yè)）的影響基本可以認為忽略不計?；瘜W工業(yè)談智能制造，絕不是依靠基于大數(shù)據(jù)的人工智能，而是依靠知識、經(jīng)驗的數(shù)字化、自動化。石油化工行業(yè)的“智能制造”的框架早已確定，就是在過程控制、生產(chǎn)管理、經(jīng)營管理這三個層次分別通過PCS、MES和ERP來實現(xiàn)知識自動化和智能化，這是一條靠譜的路。