毛片网站在线观看-毛片网站在线-毛片网站有哪些-毛片网站视频-女生脱衣服app-女色综合

上海交通大學(xué)張新凱

北京城建智控科技股份有限公司張輝，張利寬，于傳洋

上海交通大學(xué)戴文斌

1　引言

隨著人工智能在各行業(yè)的廣泛應(yīng)用[1]，傳統(tǒng)行業(yè)結(jié)構(gòu)與模式正在被重塑。在工業(yè)領(lǐng)域，生產(chǎn)模式正逐步從信息化邁向智能化，“人工智能+工業(yè)控制系統(tǒng)”這一趨勢(shì)展現(xiàn)出巨大的發(fā)展?jié)摿εc廣闊的應(yīng)用前景。當(dāng)前，智能化時(shí)代仍處于發(fā)展初期，迫切需要大量創(chuàng)新性探索來(lái)為工業(yè)智能化的發(fā)展指引方向，工業(yè)智能化的推進(jìn)將為制造業(yè)帶來(lái)全新的機(jī)遇與挑戰(zhàn)?；仡欉^(guò)去的信息化時(shí)代，工業(yè)控制系統(tǒng)成功實(shí)現(xiàn)了從傳統(tǒng)復(fù)雜的分層架構(gòu)[2]向簡(jiǎn)潔的邊云協(xié)同架構(gòu)[3]的轉(zhuǎn)變。在邊云協(xié)同架構(gòu)中，通過(guò)將系統(tǒng)業(yè)務(wù)邏輯層進(jìn)行云化處理，控制系統(tǒng)能夠依據(jù)業(yè)務(wù)邏輯精準(zhǔn)實(shí)現(xiàn)現(xiàn)場(chǎng)邏輯控制操作；同時(shí)，借助現(xiàn)場(chǎng)設(shè)備資源的虛擬化，有效降低了邊緣側(cè)控制系統(tǒng)的復(fù)雜性，提高了現(xiàn)場(chǎng)設(shè)備的容錯(cuò)能力，進(jìn)而顯著提升了生產(chǎn)制造效率。展望未來(lái)人工智能的發(fā)展需求，在工業(yè)生產(chǎn)制造領(lǐng)域，需求側(cè)直接由業(yè)務(wù)方提出需求，智能代理則依據(jù)這些需求與工廠的生產(chǎn)資源進(jìn)行精準(zhǔn)匹配，實(shí)現(xiàn)資源與需求的邏輯擬合，從而制定出最優(yōu)的生產(chǎn)部署方案，達(dá)成快速定制化生產(chǎn)。這一系列舉措為“人工智能+工業(yè)控制系統(tǒng)”的深入探索提供了可行路徑。本文聚焦于工業(yè)邊緣數(shù)字基座與智能代理協(xié)作技術(shù)的研究，旨在實(shí)現(xiàn)工業(yè)生產(chǎn)過(guò)程的動(dòng)態(tài)需求分析以及產(chǎn)品的定制化生產(chǎn)。為此，我們提出了柔性數(shù)字基座與智能代理的融合網(wǎng)絡(luò)架構(gòu)，并深入探討了數(shù)字基座和智能代理技術(shù)演變過(guò)程中面臨的問(wèn)題，為工業(yè)領(lǐng)域智能化發(fā)展探索了新的方向。

2　工業(yè)控制系統(tǒng)演變

工業(yè)控制系統(tǒng)（Industrial Control Systems，ICS）的發(fā)展是一部技術(shù)不斷革新、生產(chǎn)效能持續(xù)提升的歷史。自從計(jì)算機(jī)技術(shù)嶄露頭角以來(lái)，工業(yè)控制領(lǐng)域發(fā)生了翻天覆地的變化，傳統(tǒng)的模擬控制器逐漸被數(shù)字控制系統(tǒng)所取代?？删幊踢壿嬁刂破鳎≒LC）Modicon的問(wèn)世，成為工業(yè)制造發(fā)展的重要里程碑，它的出現(xiàn)極大地提升了工業(yè)生產(chǎn)效率。以汽車制造工業(yè)為例，它們通過(guò)使用PLC設(shè)備構(gòu)建汽車自動(dòng)化生產(chǎn)流程，實(shí)現(xiàn)了生產(chǎn)過(guò)程的精準(zhǔn)控制與高效運(yùn)轉(zhuǎn)。二十世紀(jì)七十年代，霍尼韋爾公司推出分布式控制系統(tǒng)TDC—2000，這一舉措為工業(yè)控制系統(tǒng)帶來(lái)了新的突破。該系統(tǒng)在控制軟件中引入了PLC的順序控制與批量控制功能，使得分布式控制系統(tǒng)（DCS）不僅具備自身原有的優(yōu)勢(shì)，還融合了PLC強(qiáng)大編程能力，使其在性能和功能上得到了顯著的提升。此外，現(xiàn)場(chǎng)總線協(xié)議的不斷發(fā)展，為工業(yè)控制系統(tǒng)的信息傳輸與交互能力帶來(lái)了質(zhì)的飛躍。PROFIBUS、Modbus等協(xié)議的出現(xiàn)，實(shí)現(xiàn)了設(shè)備間的高速通信，使得現(xiàn)場(chǎng)設(shè)備的控制更加快速、便捷，大大提高了工業(yè)生產(chǎn)過(guò)程中設(shè)備之間的協(xié)同工作效率。與此同時(shí)，TCP/IP協(xié)議的普及，使得遠(yuǎn)程監(jiān)控與數(shù)據(jù)采集的SCADA系統(tǒng)得以廣泛部署。該系統(tǒng)實(shí)現(xiàn)了工業(yè)控制系統(tǒng)遠(yuǎn)程監(jiān)控與數(shù)據(jù)采集的一體化，如今已廣泛應(yīng)用于控制系統(tǒng)中，為行業(yè)穩(wěn)定運(yùn)行和高效管理提供了有力支持。

隨著網(wǎng)絡(luò)化進(jìn)程的不斷深入，工業(yè)物聯(lián)網(wǎng)（Industrial Internet of Things，IIoT）技術(shù)應(yīng)運(yùn)而生。它將傳感器、云計(jì)算和大數(shù)據(jù)等先進(jìn)技術(shù)有機(jī)結(jié)合，實(shí)現(xiàn)了設(shè)備的狀態(tài)檢測(cè)與預(yù)測(cè)性維護(hù)，進(jìn)一步推動(dòng)了工業(yè)互聯(lián)網(wǎng)從過(guò)去的基于ISA-95架構(gòu)向端-邊-云架構(gòu)[2]的轉(zhuǎn)變。在實(shí)際生產(chǎn)中，制造業(yè)大多采用ERP和MES作為傳統(tǒng)架構(gòu)下的生產(chǎn)計(jì)劃和調(diào)度決策實(shí)踐方案。其中生產(chǎn)工程師憑借自身的經(jīng)驗(yàn)和知識(shí)，將上層領(lǐng)導(dǎo)、業(yè)務(wù)經(jīng)理和客戶形成的生產(chǎn)需求報(bào)告轉(zhuǎn)化為生產(chǎn)制作的指標(biāo)、流程控制以及工藝參數(shù)等生產(chǎn)指令，以確保生產(chǎn)過(guò)程的順利進(jìn)行。

近年來(lái)，邊緣計(jì)算與人工智能技術(shù)迅猛發(fā)展，給工業(yè)控制系統(tǒng)帶來(lái)了革新。如圖1所示，制造業(yè)企業(yè)架構(gòu)從ERP／MES／PCS（DCS）多層次結(jié)構(gòu)轉(zhuǎn)變?yōu)榘藱C(jī)合作智能代理優(yōu)化決策系統(tǒng)和邊緣智能數(shù)字基座系統(tǒng)的兩層結(jié)構(gòu)。人工智能融入工業(yè)控制系統(tǒng)，實(shí)現(xiàn)決策系統(tǒng)人機(jī)合作智能化。云端人工智能代理技術(shù)可實(shí)時(shí)感知、解析用戶需求，結(jié)合現(xiàn)場(chǎng)設(shè)備資源與生產(chǎn)工藝，制定最優(yōu)生產(chǎn)目標(biāo)、調(diào)度計(jì)劃等指令。生產(chǎn)結(jié)果與客戶反饋形成閉環(huán)，實(shí)現(xiàn)人與智能代理決策系統(tǒng)協(xié)同進(jìn)化。系統(tǒng)具備自我學(xué)習(xí)與優(yōu)化決策能力，使人工智能在工業(yè)生產(chǎn)決策與控制環(huán)節(jié)發(fā)揮更大作用，不再局限于外觀檢測(cè)、能耗分析等簡(jiǎn)單任務(wù)。

圖1 傳統(tǒng)ISA-95多層架構(gòu)向邊-云協(xié)同架構(gòu)進(jìn)化

工業(yè)控制系統(tǒng)發(fā)展歷經(jīng)機(jī)械控制、電氣化、數(shù)字化、網(wǎng)絡(luò)化階段，正邁向智能化與高度集成新時(shí)代。其發(fā)展圍繞提升生產(chǎn)效率、靈活性與安全性，同時(shí)應(yīng)對(duì)網(wǎng)絡(luò)安全等新技術(shù)挑戰(zhàn)。隨著通信、人工智能和邊緣計(jì)算應(yīng)用深化，ICS將推動(dòng)工業(yè)自動(dòng)化向自主化演進(jìn)，形成高度智能化的工業(yè)邊緣控制系統(tǒng)，為工業(yè)生產(chǎn)未來(lái)發(fā)展筑牢基礎(chǔ)。

3　基于邊緣計(jì)算的工業(yè)數(shù)字基座

近年來(lái)，云計(jì)算與邊緣計(jì)算在工業(yè)領(lǐng)域得到快速應(yīng)用，有力推動(dòng)了物聯(lián)網(wǎng)設(shè)備的智能化與自治化發(fā)展。云計(jì)算作為中心化大數(shù)據(jù)處理平臺(tái)，面對(duì)復(fù)雜多樣的工業(yè)場(chǎng)景，其對(duì)低時(shí)延和高可靠性的需求日益凸顯。邊緣計(jì)算則充分利用物聯(lián)網(wǎng)設(shè)備的嵌入式計(jì)算能力，在終端實(shí)現(xiàn)更智能的數(shù)據(jù)處理與決策，有效降低了數(shù)據(jù)傳輸時(shí)延。然而，邊緣計(jì)算也存在資源受限、管理復(fù)雜等問(wèn)題?；谶吘売?jì)算的工業(yè)數(shù)字基座的提出，旨在解決邊緣計(jì)算中設(shè)備種類繁多、網(wǎng)絡(luò)通信協(xié)議多樣、業(yè)務(wù)流程固化的難題，實(shí)現(xiàn)對(duì)邊緣側(cè)設(shè)備資源的柔性化統(tǒng)一管理。

3.1　資源虛擬化能力

邊緣數(shù)字基座技術(shù)的起源可追溯至無(wú)服務(wù)計(jì)算領(lǐng)域的云端虛擬運(yùn)行時(shí)系統(tǒng)。以Google的gVisor無(wú)服務(wù)計(jì)算運(yùn)行時(shí)系統(tǒng)和AWS的Firecracker運(yùn)行時(shí)系統(tǒng)[4]為例，這些均為云廠商廣泛應(yīng)用且已開(kāi)源的經(jīng)典實(shí)例。它們具備強(qiáng)大的應(yīng)用隔離與資源虛擬化能力，通過(guò)將云服務(wù)拆解為細(xì)粒度的應(yīng)用函數(shù)，依據(jù)函數(shù)調(diào)用接口對(duì)計(jì)算資源進(jìn)行精準(zhǔn)切分，不僅實(shí)現(xiàn)了資源分類的精細(xì)化，還顯著提高了計(jì)算資源的單位時(shí)間利用率。柔性工業(yè)數(shù)字基座在一定程度上借鑒了無(wú)服務(wù)計(jì)算運(yùn)行時(shí)系統(tǒng)的核心技術(shù)—應(yīng)用隔離和資源虛擬化技術(shù)。該技術(shù)旨在為運(yùn)行于數(shù)字基座之上的控制函數(shù)構(gòu)建隔離的虛擬化環(huán)境，進(jìn)而提升單位資源密度的使用效率。不過(guò)，工業(yè)邊緣運(yùn)行環(huán)境與云服務(wù)廠商所面臨的環(huán)境存在顯著差異。工業(yè)邊緣環(huán)境中，硬件資源性能普遍較低，單個(gè)生產(chǎn)車間或工廠內(nèi)的可用資源數(shù)量也相對(duì)有限，同時(shí)工業(yè)系統(tǒng)對(duì)實(shí)時(shí)性與可靠性要求極高，所以借助嵌入式虛擬化技術(shù)為工業(yè)邊緣現(xiàn)場(chǎng)提供控制資源函數(shù)計(jì)算服務(wù)。未來(lái)，隨著數(shù)字基座系統(tǒng)設(shè)計(jì)的持續(xù)優(yōu)化和完善，其有望在工業(yè)現(xiàn)場(chǎng)逐步取代傳統(tǒng)的嵌入式Linux系統(tǒng)和實(shí)時(shí)操作系統(tǒng)（RTOS），為工業(yè)控制領(lǐng)域帶來(lái)新的變革和發(fā)展機(jī)遇。

3.2　柔性資源配置

柔性資源配置主要體現(xiàn)在兩個(gè)關(guān)鍵維度。在業(yè)務(wù)需求導(dǎo)向的生產(chǎn)資源配置方面，依托資源虛擬化技術(shù)，突破了單個(gè)設(shè)備資源利用的局限，實(shí)現(xiàn)了多設(shè)備資源的池化整合。這一轉(zhuǎn)變使得多設(shè)備乃至多工廠的資源能夠進(jìn)行柔性調(diào)度與配置，從而根據(jù)不同的工業(yè)生產(chǎn)需求，靈活調(diào)整底層資源。系統(tǒng)會(huì)深入解析生產(chǎn)需求，并據(jù)此對(duì)生產(chǎn)資源實(shí)施精準(zhǔn)的柔性調(diào)度。柔性數(shù)字基座技術(shù)在此過(guò)程中發(fā)揮著核心作用，它促進(jìn)了多設(shè)備之間的資源高效協(xié)作。如圖2所示，函數(shù)級(jí)別的控制邏輯不僅能夠高效處理本地任務(wù)，還具備對(duì)外服務(wù)能力，可接收定制化任務(wù)配置，并支持本地資源的遠(yuǎn)程調(diào)用。考慮到工業(yè)生產(chǎn)業(yè)務(wù)多以本地執(zhí)行為主，不同生產(chǎn)車間之間，甚至異地生產(chǎn)車間之間的資源配置、協(xié)調(diào)與協(xié)作，對(duì)于完成同一業(yè)務(wù)的不同階段至關(guān)重要。

圖2 云端多工廠資源配置與協(xié)作

在單個(gè)邊緣數(shù)字基座系統(tǒng)的設(shè)備動(dòng)態(tài)配置方面，系統(tǒng)內(nèi)置了執(zhí)行系統(tǒng)備份功能，這是保障系統(tǒng)穩(wěn)定運(yùn)行的重要機(jī)制。當(dāng)控制邏輯執(zhí)行出現(xiàn)故障或設(shè)備發(fā)生宕機(jī)時(shí)，系統(tǒng)能夠迅速進(jìn)行熱切換，無(wú)縫過(guò)渡到備份資源繼續(xù)運(yùn)行。當(dāng)有新的搭載數(shù)字基座系統(tǒng)的硬件設(shè)備接入時(shí)，系統(tǒng)會(huì)立即進(jìn)行資源的快速備份與切換，充分利用新增硬件資源進(jìn)行冗余備份。通過(guò)在多個(gè)硬件設(shè)備上備份控制函數(shù)，系統(tǒng)實(shí)現(xiàn)了算力和控制資源的有效擴(kuò)充。在大規(guī)模計(jì)算或多業(yè)務(wù)協(xié)同生產(chǎn)場(chǎng)景下，該系統(tǒng)能夠在確保生產(chǎn)環(huán)境安全穩(wěn)定的基礎(chǔ)上，實(shí)現(xiàn)多設(shè)備的協(xié)同工作與精準(zhǔn)調(diào)度。綜上，基于柔性數(shù)字基座的系統(tǒng)借助硬件資源虛擬化技術(shù)，達(dá)成了兩個(gè)層面的重要功能：在云服務(wù)層面，實(shí)現(xiàn)了工業(yè)生產(chǎn)車間以及異地工廠生產(chǎn)業(yè)務(wù)的資源優(yōu)化配置與高效協(xié)同調(diào)度；在工業(yè)生產(chǎn)現(xiàn)場(chǎng)層面，實(shí)現(xiàn)了運(yùn)行函數(shù)的熱備份以及計(jì)算控制資源的協(xié)同配置，為工業(yè)生產(chǎn)的智能化和高效化提供了有力支撐。

3.3工業(yè)邊緣計(jì)算的實(shí)時(shí)性與可靠性分析

工業(yè)邊緣數(shù)字基座系統(tǒng)作為工業(yè)領(lǐng)域?qū)Ｓ玫倪吘壙刂葡到y(tǒng)軟件，其核心使命在于確保系統(tǒng)運(yùn)行的實(shí)時(shí)性與控制任務(wù)的可靠性，從根源上杜絕因系統(tǒng)設(shè)計(jì)瑕疵引發(fā)的人為損失。為實(shí)現(xiàn)高度的實(shí)時(shí)性，系統(tǒng)采用裸機(jī)虛擬化架構(gòu)設(shè)計(jì)。在這種架構(gòu)下，運(yùn)行于系統(tǒng)內(nèi)的軟件具備嚴(yán)格限定的內(nèi)存讀寫(xiě)權(quán)限，能夠直接與外接設(shè)備進(jìn)行高效的數(shù)據(jù)交互與控制操作。此設(shè)計(jì)摒棄了傳統(tǒng)基于Linux內(nèi)核裁剪的定制化實(shí)時(shí)操作系統(tǒng)中冗余的架構(gòu)，大幅減少了已知系統(tǒng)漏洞。與非定制實(shí)時(shí)控制系統(tǒng)相比，工業(yè)邊緣數(shù)字基座系統(tǒng)在實(shí)時(shí)性方面展現(xiàn)出無(wú)可比擬的絕對(duì)優(yōu)勢(shì)，能夠?yàn)楣I(yè)生產(chǎn)過(guò)程提供精確到毫秒級(jí)別的控制，確保了工業(yè)運(yùn)行的高度可靠性。數(shù)據(jù)安全備份機(jī)制，系統(tǒng)內(nèi)置了先進(jìn)的冗余備份機(jī)制，該機(jī)制可對(duì)系統(tǒng)運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)控，一旦檢測(cè)到潛在風(fēng)險(xiǎn)或運(yùn)行錯(cuò)誤，會(huì)自動(dòng)且迅速地對(duì)正在運(yùn)行的系統(tǒng)進(jìn)行備份。這種自動(dòng)化的備份策略有效避免了因意外情況導(dǎo)致的控制數(shù)據(jù)丟失，為工業(yè)生產(chǎn)數(shù)據(jù)的完整性和連續(xù)性提供了堅(jiān)實(shí)保障。

圖3 工業(yè)邊緣數(shù)字基座系統(tǒng)架構(gòu)示意圖

如圖3所示，在新型工業(yè)邊緣系統(tǒng)設(shè)計(jì)之初，我們便引入了基于安全語(yǔ)言和內(nèi)存規(guī)則的設(shè)計(jì)理念。通過(guò)遵循嚴(yán)格的編程規(guī)范和內(nèi)存管理策略，從系統(tǒng)規(guī)劃的源頭避免了常見(jiàn)的軟件開(kāi)發(fā)漏洞，確保系統(tǒng)在運(yùn)行過(guò)程中的可靠性。此外，系統(tǒng)在網(wǎng)絡(luò)接口設(shè)計(jì)上采取了極簡(jiǎn)主義原則，僅保留與上層云計(jì)算平臺(tái)進(jìn)行智能信息載體傳輸所必需的接口。這種設(shè)計(jì)方式顯著降低了因接口暴露而遭受不可預(yù)知網(wǎng)絡(luò)攻擊和外界非法控制的風(fēng)險(xiǎn)，為工業(yè)控制系統(tǒng)構(gòu)建了一道堅(jiān)固的安全防線。綜上，工業(yè)邊緣數(shù)字基座系統(tǒng)架構(gòu)憑借其在實(shí)時(shí)性、數(shù)據(jù)備份和安全性設(shè)計(jì)方面的卓越特性，為工業(yè)領(lǐng)域的自動(dòng)化生產(chǎn)和智能化控制提供了可靠且高效的解決方案，有望成為推動(dòng)工業(yè)互聯(lián)網(wǎng)時(shí)代發(fā)展的關(guān)鍵技術(shù)支撐。

4　工業(yè)邊緣系統(tǒng)智能化

4.1　智聯(lián)網(wǎng)

智聯(lián)網(wǎng)絡(luò)（Internet of Intelligence，IOI），是一種面向未來(lái)的網(wǎng)絡(luò)范式，它將傳統(tǒng)的網(wǎng)絡(luò)設(shè)備拓展到具有智能模型的網(wǎng)絡(luò)設(shè)備（簡(jiǎn)稱智能體），智能體傳輸?shù)闹悄苄畔⑹翘砑幼匀徽Z(yǔ)言后的結(jié)構(gòu)化文本信息。智能信息可以在接收到信息后根據(jù)本地的模型進(jìn)行智能化解析，根據(jù)本地模型的功能解析出符合本地模型功能的信息內(nèi)容，實(shí)現(xiàn)智能信息在不同的智能載體之間的傳遞、編譯和解析。智聯(lián)網(wǎng)在生產(chǎn)消費(fèi)中的定位如圖4所示。

圖4 基于智聯(lián)網(wǎng)的消費(fèi)者定制化需求與智能生產(chǎn)

4.2　智能代理

隨著人工智能技術(shù)不斷演進(jìn)，基于CNN網(wǎng)絡(luò)[5]和LSTM網(wǎng)絡(luò)[6]的模型持續(xù)突破人類視覺(jué)與自然語(yǔ)言理解的邊界。2022年底，Transformer架構(gòu)[7]、大模型與超大規(guī)模GPU集群在自然語(yǔ)言處理領(lǐng)域深度融合，ChatGPT[8]的出現(xiàn)標(biāo)志著人工智能技術(shù)邁入新的發(fā)展奇點(diǎn)。近年來(lái)，盡管人工智能技術(shù)未實(shí)現(xiàn)更高層次的技術(shù)突破，但在應(yīng)用創(chuàng)新方面成果豐碩。人工智能模型廣泛應(yīng)用于多個(gè)領(lǐng)域：在金融領(lǐng)域，量化交易逐步取代傳統(tǒng)人工交易；在醫(yī)療領(lǐng)域，24小時(shí)問(wèn)診服務(wù)使醫(yī)生從繁瑣工作中解脫；在城市服務(wù)領(lǐng)域，智能化客服的增加緩解了人力資源緊張。

圖5 汽車定制化生產(chǎn)需求在智聯(lián)網(wǎng)絡(luò)中的信息傳遞過(guò)程

在自動(dòng)駕駛與機(jī)器人領(lǐng)域，推動(dòng)領(lǐng)域?qū)Ｓ媚Ｐ驮诳刂谱詣?dòng)化方面的探索實(shí)踐；在工業(yè)生產(chǎn)制造領(lǐng)域，助力解析復(fù)雜生產(chǎn)需求，實(shí)現(xiàn)定制化生產(chǎn)服務(wù)。汽車定制化生產(chǎn)需求在智聯(lián)網(wǎng)絡(luò)中的信息傳遞過(guò)程如圖5所示，不同階段智能代理Agent模型具備不同的技能，不同的技能提供不同的服務(wù)。每一階段代理根據(jù)當(dāng)前技能，為上一階段的客戶需求提供智能化服務(wù)，Agent3和Agent4將會(huì)與智能工廠鏈接，實(shí)現(xiàn)需求的工業(yè)生產(chǎn)制造流程化落地。Agent交付作為定制化需求生產(chǎn)的售后代理與客戶進(jìn)行產(chǎn)品交付和客戶反饋收集，用于完成需求-生產(chǎn)交付-反饋的業(yè)務(wù)結(jié)構(gòu)。多Agent協(xié)作完成一個(gè)最終的需求定制化服務(wù)。

4.3　工業(yè)智能

工業(yè)智能是智聯(lián)網(wǎng)在制造領(lǐng)域的應(yīng)用，它通過(guò)整合人工智能、網(wǎng)絡(luò)通信、邊緣數(shù)字基座等先進(jìn)技術(shù)，提升制造過(guò)程的智能化水平與連接性。智聯(lián)網(wǎng)可連接工廠車間信息與流程至工業(yè)云數(shù)據(jù)中心，輔助決策者精準(zhǔn)認(rèn)知制造過(guò)程，增強(qiáng)決策能力，還能推動(dòng)新型智能技術(shù)開(kāi)發(fā)，提升了工業(yè)機(jī)器性能并節(jié)約了成本，在提升效率、質(zhì)量控制與可持續(xù)性上潛力巨大。

智聯(lián)網(wǎng)在智能工業(yè)多案例展現(xiàn)應(yīng)用價(jià)值。在工業(yè)互聯(lián)網(wǎng)中，其分布式智能系統(tǒng)獲智聯(lián)網(wǎng)支持，如基于物聯(lián)網(wǎng)協(xié)同學(xué)習(xí)模型的入侵檢測(cè)系統(tǒng)可提高檢測(cè)準(zhǔn)確率，區(qū)塊鏈與聯(lián)邦學(xué)習(xí)結(jié)合能保障智能學(xué)習(xí)安全并提升計(jì)算效率[9]；在機(jī)器人技術(shù)方面，智聯(lián)網(wǎng)可解決其實(shí)時(shí)數(shù)據(jù)處理與隱私問(wèn)題，通過(guò)本地訓(xùn)練和上傳梯度參數(shù)構(gòu)建共享模型，減少傳輸延遲[10]；在智能制造領(lǐng)域，智聯(lián)網(wǎng)借助分布式AI等技術(shù)應(yīng)對(duì)集中式網(wǎng)絡(luò)挑戰(zhàn)，如知識(shí)圖譜數(shù)字孿生模型和ManuChain模型可優(yōu)化制造過(guò)程[11]；在定制化生產(chǎn)上，智聯(lián)網(wǎng)實(shí)現(xiàn)工業(yè)設(shè)計(jì)、生產(chǎn)與流通的網(wǎng)絡(luò)化、智能化和定制化，整合各方資源，滿足用戶個(gè)性化需求。

以汽車工業(yè)柔性定制化生產(chǎn)為例，如圖6所示，黃色虛線框是智聯(lián)網(wǎng)絡(luò)示意圖、藍(lán)色虛線框是數(shù)字基座架構(gòu)示意圖。消費(fèi)者通過(guò)智能代理實(shí)現(xiàn)個(gè)人需求的表達(dá)，智能代理之間形成密集的智聯(lián)網(wǎng)絡(luò)實(shí)現(xiàn)定制化需求的傳遞。智能代理同樣會(huì)及時(shí)反饋來(lái)自當(dāng)前的狀態(tài)，與消費(fèi)者形成積極的閉環(huán)反饋系統(tǒng)。數(shù)字基座實(shí)現(xiàn)了柔性化生產(chǎn)資源配置，突破資源和地理空間對(duì)于生產(chǎn)制造業(yè)遠(yuǎn)程協(xié)作的限制。

圖6 面向消費(fèi)者的未來(lái)智能工廠新模式

5　未來(lái)展望

本文深入剖析了面向未來(lái)的邊緣系統(tǒng)架構(gòu)—柔性邊緣數(shù)字基座的現(xiàn)狀與關(guān)鍵技術(shù)，以及面向智能化時(shí)代的未來(lái)網(wǎng)絡(luò)范式—智聯(lián)網(wǎng)絡(luò)架構(gòu)。本文通過(guò)分析工業(yè)邊緣系統(tǒng)的發(fā)展歷程、挑戰(zhàn)與趨勢(shì)，明確了柔性數(shù)字基座技術(shù)對(duì)工業(yè)控制系統(tǒng)升級(jí)的重要意義。結(jié)合智聯(lián)網(wǎng)這一未來(lái)網(wǎng)絡(luò)新范式，本研究聚焦于實(shí)現(xiàn)滿足定制化需求的工業(yè)自動(dòng)化生產(chǎn)制造流程。借助工業(yè)邊緣數(shù)字基座與智能代理的協(xié)作，依據(jù)客戶需求開(kāi)展定制化工業(yè)生產(chǎn)加工。將數(shù)字基座的柔性資源配置與遠(yuǎn)程協(xié)作生產(chǎn)特點(diǎn)，與工業(yè)智能代理模型相結(jié)合，實(shí)現(xiàn)需求解析并生成控制邏輯閉環(huán)，進(jìn)而達(dá)成定制化生產(chǎn)。在關(guān)鍵技術(shù)層面，本文探討了系統(tǒng)資源柔性配置、需求文本動(dòng)態(tài)分析和智聯(lián)網(wǎng)絡(luò)信息架構(gòu)等核心技術(shù)，為完善工業(yè)邊緣計(jì)算智能數(shù)字基座技術(shù)提供了有價(jià)值的參考。展望未來(lái)，隨著智能代理模型技術(shù)的不斷豐富，智聯(lián)網(wǎng)絡(luò)將更為完善并廣泛滲透到生活各領(lǐng)域。在工業(yè)生產(chǎn)制造領(lǐng)域，柔性數(shù)字基座技術(shù)與智能代理技術(shù)的深度融合，有望構(gòu)建面向消費(fèi)者需求的智能工廠，實(shí)現(xiàn)從消費(fèi)者需求到定制化產(chǎn)品反饋的閉環(huán)網(wǎng)絡(luò)。

作者簡(jiǎn)介：

張新凱（1996-），男，博士研究生，現(xiàn)就讀于上海交通大學(xué)自動(dòng)化與感知學(xué)院，主要研究方向?yàn)檫吘売?jì)算、工業(yè)互聯(lián)網(wǎng)。

張　輝（1975-），男，博士，現(xiàn)就職于北京城建智控科技股份有限公司，主要研究方向?yàn)橹腔鄢鞘泻椭悄芙煌I(lǐng)域。

張利寬（1981-），男，碩士，現(xiàn)就職于北京城建智控科技股份有限公司，主要研究方向?yàn)楣I(yè)邊緣計(jì)算和實(shí)時(shí)控制系統(tǒng)。

于傳洋（1988-），男，碩士，現(xiàn)就職于北京城建智控科技股份有限公司，主要研究方向?yàn)橹腔鄢鞘屑拔锫?lián)網(wǎng)。

戴文斌（1984-），男，博士，現(xiàn)就職于上海交通大學(xué)自動(dòng)化與感知學(xué)院教授，主要研究方向?yàn)楣I(yè)控制軟件、工業(yè)邊緣計(jì)算、工業(yè)信息化與智能化。

參考文獻(xiàn)：

[1] 用好 "人工智能+" 賦能產(chǎn)業(yè)升級(jí)[EB/OL].

[2] C Johnsson. ISA 95-how and where can it be applied[J]. Technical Papers of ISA, 2004, 454 : 399 – 408.

[3] 戴文斌, 孔令波, 徐前鋒, 等. 面向工業(yè)互聯(lián)網(wǎng)邊緣計(jì)算的工業(yè)數(shù)字底座[J]. 自動(dòng)化博覽, 2022, 39 (2) : 16 - 19.

[4] Anjali, Caraza-Harter T, Swift M M. Blending containers and virtual machines: a study of firecracker and gVisor[C]. Proceedings of the 16th ACM SIGPLAN/SIGOPS International Conference on Virtual Execution Environments. 2020: 101 - 113.

[5] Alzubaidi L, Zhang J, Humaidi A J, et al. Review of deep learning: concepts, CNN architectures, challenges, applications, future directions[J]. Journal of big Data, 2021, 8 : 1 - 74.

[6] Yu Y, Si X, Hu C, et al. A review of recurrent neural networks: LSTM cells and network architectures[J]. Neural computation, 2019, 31 (7) : 1235 - 1270.

[7] Han K, Xiao A, Wu E, et al. Transformer in transformer[J]. Advances in neural information processing systems, 2021, 34 : 15908 - 15919.

[8] OpenAI. ChatGPT overview [EB/OL].

[9] T. V. Khoa et al., "Collaborative learning model for cyberattack detection systems in IoT Industry 4.0." in Proc. IEEE Wireless Commun.

[10] J. Wan et al., "Reconfigurable smart factory for drug packing in healthcare industry 4.0." IEEE Trans. Ind. Informat., vol. 15, no. 1, pp. 507–516, Jan. 2019.

[11] J. Leng et al., "ManuChain: Combining permissioned blockchain with a holistic optimization model as bi-level intelligence for smart manufacturing." IEEE Trans. Syst., Man, Cybern., Syst., vol. 50, no. 1, pp. 182–192, Jan. 2020.

摘自《自動(dòng)化博覽》2025年2月刊