今日頭條
官方微信
官方抖音
資訊頻道自上世紀中期以來, 工業技術(Industrial technology)和信息技術(Information technology)融合的過程就已經開始, 其進程由于網絡技術的發展而加速, 而工業控制系統的演化就是這一融合過程的范例。網絡化的工業控制主要經歷了以下幾個階段： 20世紀六七十年代的模擬儀表控制系統、八九十年代的集散控制系統、21世紀的現場總線系統。在這些階段, 技術發展聚焦于在工業現場本地的工業過程信息化與自動化。
2012年, 對應網絡信息技術的發展, 國際工業技術巨頭GE (General Electric)公司提出了工業互聯網的概念并發表工業互聯網白皮書[1]。在白皮書中, GE將工業互聯網的精髓闡述為：智能機器(Intelligent machines)、高級分析(Advanced analytics)、工作人員(People at work)三要素的深度融合?？v觀GE的工業互聯網, 是以工業系統為中心的基于互聯網的工業、信息、網絡、人機結合的融合技術。
隨著科技的飛速發展, 物聯網(Internet of things, IoT)概念和技術也得到了迅速的普及。物聯網理念的起源比較公認的說法是由Kevin Aston在1999年在Procter & Gamble (P & G)的一次演講中提出[2], 其工業應用的價值與意義顯而易見。對應于物聯網技術, 工業互聯網的概念逐步演變成為工業物聯網的概念, 但工業物聯網(Industrial internet of things, IIoT)的起源卻沒有公認的結論。2016和2017年, 王飛躍教授分別在IEEE TAB (Technical activity board meeting)未來方向IoT會議和IEEE射頻識別委員會(Council on RFID)上提出設立工業物聯網專業工作委員會。2017年底, IEEE計算機學會將工業物聯網列為2018年的十大技術發展趨勢之一。
對于從工業互聯網到工業物聯網的轉換過程, GE在其官網上一方面宣稱"工業物聯網即工業互聯網"("The industrial internet of things (IIoT), also known as the industrial internet")[3], 而在同一篇文檔里, GE也承認工業物聯網確是工業互聯網在客戶端的擴展："One perspective is to think of the Industrial Internet as connecting machines and devices in industries ?? On the other hand, the Internet of Things tend to include consumer-level devices ??"
在最近的發展中, 工業物聯網的概念正迅速取代工業互聯網的概念, 無論是在以GE為代表的美國工業界還是以西門子、ABB為代表的歐洲工業界, 工業物聯網已成為工業網聯系統的主流技術框架。 2017年8月, GE數字部門CEO, William Ruh在官網發表文章"為什么GE數字部門定位于工業物聯網領袖(Why GE digital is positioned to lead the industrial internet of things)"[4], 而在這篇文章里通篇再未見"工業互聯網"字樣。西門子工業也將其工業平臺MindSphere定義為"MindSphere是基于云技術的、開放物聯網操作系統(MindSphere is the cloud-based, open IoT operating system)"。
圖1描述了工業網聯技術在各個時期的不同發展階段。我們認為工業互聯網是其中的一個重要發展階段, 就是基于互聯網技術發展出的聯結業務、商務、供應鏈等信息的網絡系統和技術, 而工業物聯網是其向邊緣裝置的深入發展。當前的工業物聯網技術能在系統感知與控制層次上解決復雜工業系統的管控問題, 但是在更高的智能層次上, 在系統資源的使用效率、自適應性、自主性、自組織性和安全性上, 還缺乏有效的、融合系統工程技術的智能科技。由此, 工業智聯網應運而生, 其使命就是實現工業過程的知識自動化, 為新一代的工業智能產業提供智能科技。
圖 1 工業網聯技術的演進過程
工業智聯網旨在實現海量工業實體的智能化協同, 改變工業生產形態的未來工業基礎設施, 需要運用新一代技術理念, 對不同種類工業實體乃至整個工業網絡進行建模和管控, 對工業和社會資源進行高效整合, 從而實現工業實體的智能化發展。
在工業智聯網的架構下, 會催生以下的智聯網架構, 包括：
1) 農業智聯網：農業智聯網將農業生產的各個物理、流程和知識環節通過智能技術有機地融合成一體, 使其能夠自動、自主、自適應、自優化運行。逐漸實現從以人的體力和智力為中心、農業裝備為輔助設施的生產模式, 向以人機協同智能體為中心的, 自動化、智能化、知識化農業生產轉變。
2) 交通智聯網：交通智聯網實現交通運輸系統中社會、人、交通裝備、基礎設施、貨物、環境等異構交通要素在智能與知識層面上的融合, 從而建立起一種可自適應、自優化、自運行的綜合交通運輸管控系統。
3) 能源智聯網：能源的產生、傳輸、分配、銷售是能源工業的核心業務。圍繞這些核心業務, 能源工業的其他業務也包括公司運營、投資管理、監管法規等。我們期望能源智聯網為以上的能源工業組件提供極大提升其工業效率的技術方法和系統平臺。
4) 企業智聯網：當代企業管理已經從信息管理向知識管理邁進。企業智聯網為企業提供知識化和智能化的管理能力, 并為管理者提供嶄新的管理工具與手段。
5) 社會智聯網：旨在基于智聯網技術和平臺, 實現社會和經濟的自主優化和管控, 基于物理空間和虛擬空間的融合而實現對社會、經濟問題的描述、預測、引導, 促使向新的智能社會形態的邁進。
因此, 工業智聯網是一門與工業互聯網、工業物聯網緊密結合, 深度融合的智能技術和知識工程技術, 其目標為建立包含人機物在內的智能實體之間知識層次的聯結、實現各智能體間知識的互聯互通, 是一種全新的、直接面向全社會智能的復雜協同數信、感控、知識自動化系統。工業智聯網的實施則能夠以極高的效率整合各種工業和社會資源, 極大地減少工業資源的浪費和消耗, 極大地解放工業生產力, 拓展即將出現的"軟件定義工業"、"類工業領域"、"廣義工業"、"社會制造"、"社會工業"等智能產業新形態[5]。
本文旨在闡述工業智聯網的基本概念、關鍵技術和核心應用, 并對其發展和應用進行展望。
1 工業智聯網的基本概念
工業智聯網屬于復雜系統的范疇, 因此本文對工業智聯網做一個多方位的定義：
1) 工業智聯網作為新興的科學技術門類：智聯網的目標是達成智能體群體的"協同知識自動化"和"協同認知智能", 即以某種協同的方式進行從原始經驗數據的主動采集、獲取知識、交換知識、關聯知識, 到知識功能, 如推理、策略、決策、規劃、管控等全自動化過程, 因此智聯網的實質是一種全新的、直接面向智能的復雜、協同知識自動化系統理論和工程技術。
2) 工業智聯網作為未來工業基礎設施：工業智聯網是由社會工程系統聯合感知與驅動以及多層次一體化通信計算系統支撐的工業系統智能技術系統和知識服務平臺。
3) 工業智聯網作為工業資源整合配置工具：工業智聯網深度融合互聯網、物聯網、人機交互、大數據、智能技術, 實現研發、生產、供應、銷售、服務等工業全鏈條要素的全面聯結、協同與智能化, 使海量工業智能實體完成社會化知識協同, 徹底地改變了工業生產形態, 極大地解放和提升社會生產力。
4) 工業智聯網作為智能產業經濟管控手段：工業智聯網的使命是重組各種產業, 對其進行建模、分析、管控, 使其以難以想象的高效率自主地運轉和發展; 所有工業實體運行在智能產業網絡的虛擬空間中, 使得監視和管控各個工業單元的運行狀況成為可能, 使得分析每一個產業的宏觀數據和微觀數據成為可能, 最終形成真正的數據化、知識化、智能化的智能產業。
具體而言, 工業智聯網的內涵包括：1)知識工程與知識自動化：知識自動化[6-7], 在廣義上暫無精確的定義, 粗略上可以理解為是一種以自動化的方式變革性地改變知識產生、獲取、分析、影響、實施的有效途徑。狹義上, 知識自動化可認為是廣義知識自動化的應用。知識自動化的關鍵, 在于如何將信息、情報等與任務和決策無縫、準確、及時、在線地整合起來, 從而實現自動完成各種知識功能與知識服務。這種由知識自動化技術構成的系統, 即為知識自動化系統。知識自動化系統不斷與真實世界進行行為互動、知識交互, 不間斷獲取海量的不同領域、異構、高度并發的數據。知識自動化系統是一個動態且時變的系統, 通過經驗知識的獲取和積累, 不斷改變系統內部內容、形態、方法和結構, 它用自身的復雜性、時變性來理解真實世界的復雜性和時變性。2)虛實糾纏的新興工業形態：針對傳統的工業系統, 在信息化、數字化的基礎上, 通過計算與實驗的方法構建出虛擬工業系統。通過傳統工業系統與虛擬工業系統的交互, 實現建立智能化虛實交互、糾纏的新工業系統, 完成對實際工業系統的管理與控制、分析與優化[8]。3)人在環、社會在環的社會工程系統：社會系統由三部分系統構成, 即"物理空間"對應的物理工程系統, "賽博空間"對應的人工工程系統以及"社會空間"對應的社會工程系統。根據實際物理工程系統, 構建出相應的人工工程系統。人工工程系統基于大數據技術和AI技術完成對物理系統的實時控制, 兩者同時完成對社會系統的引導[9]。社會系統同時對物理系統和人工系統完成實時反饋, 最終實現物理空間、賽博空間、社會空間的互聯互通, 共同融合。 4)工業資源異構網絡及其新型管控模式：實際的工業資源, 存在著時空尺度異構、實體異構、關系異構等, 借助社會傳感或物理傳感、驅動、通信、計算等技術, 構建形成工業資源異構網絡。通過智能技術、復雜系統工程技術、區塊鏈智能技術等相關技術手段進行優化、運營、管控。工業資源異構網絡功能通過數據中心/計算架構處理, 轉化成知識, 并最終形成知識服務。
2 工業智聯網架構與核心技術
工業智聯網的技術架構主要由數據接入層、通信計算層、虛擬操作系統層、知識解析綜合層、以及知識服務層組成, 其結構如圖 2所示。圖 3中所示是在該體系結構下, 新出現的核心技術。本文將工業智聯網新出現的架構與核心技術歸納如下：
圖 2 工業智聯網的技術平臺架構
圖 3 工業智聯網概念架構與核心技術
2.1 數字虛擬工業技術
數字虛擬工業技術基于實際工業設備運行數據, 通過學習和優化, 建立對應于實際工業系統的虛擬工業系統。借助軟硬件接口, 兩個系統在運行過程中進行信息的交互, 協同發展, 基于學習過程中累積的知識, 逐步完善的虛擬工業系統結合實際運行數據, 對工業實體狀態進行評估, 并設計場景進行演化計算實驗對未來態勢進行預測, 幫助實現對復雜實際工業系統的管理控制, 而對實際工業系統實施管控措施后的實時信息將反饋給虛擬工業系統做后續的評判推演, 兩個系統隨時間不斷進行類似的交互反饋[10]。數字虛擬工業技術的原理及流程如圖 4所示。
圖 4 數字虛擬工業技術
利用數字虛擬工業技術, 能夠建立虛實糾纏的工業系統, 從而可挖掘分析實際運行數據, 構建工業設備數字化壽命模型, 預判運行狀態發展趨勢, 智能輔助運行人員決策, 實現對工業實體的精確描述、實時預測和智能引導[11]。虛實交互系統的具體設計和交互架構如圖 5所示。
圖 5 虛實交互系統
2.2 新一代知識工程技術
新一代知識工程技術包括單智能體自主獲取知識的知識自動化技術和多智能體的知識協同技術。知識自動化, 在廣義上可以定義為是一種以自動化的方式變革性地改變知識產生、獲取、分析、影響、實施的有效途徑, 其關鍵在于對原始信息、目標任務與最終決策的自然、準確、在線結合[12]。知識自動化通過對多尺度時空信息的組織和特征化, 揭示數據的低層次內在特征, 而后進行知識對象及知識對象屬性的提取, 獲取有知識價值的對象及其屬性, 構建知識空間, 最終實現知識的表示和知識功能的實現。知識的協同技術主要包括知識的協同表征與傳遞, 以及知識的聯結與協同運行, 它通過建立智能實體之間知識層次的互聯互通, 在聯合知識空間中完成知識功能[13]。如圖 6所示, 人們的社會、經濟、技術活動通過"翻譯"的方式實現了自然語言與人工語言的智能交互, 最終通過智聯網的多種協同結構實現了支撐知識服務、完成知識功能、實現知識消費等多種功能。
圖 6 新一代知識工程技術
將新一代知識工程技術運用于工業智聯網中, 不僅能夠基于單個工業實體的實際運行數據, 完成在生產過程中的知識發現和表示, 進行情景預測和輔助決策, 實現單個工業實體的安全運行和工藝調整; 更重要的是, 能夠建立不同工業實體之間的知識聯結網絡, 達到工業知識的協同運行, 在整個工業體系中完成對全鏈條工業實體的綜合分析和統一決策, 實現工業結構整體優化和生產力全面提高。
2.3 工業資源異構復雜網絡的建模、分析及管控技術
工業資源異構復雜網絡的建模、分析及管控(圖 7)借助圖處理、深度學習等智能技術, 對不同類型的工業資源網絡進行數字化建模, 基于不同工業資源網絡之間的數據映射關系、邏輯關聯性等特征進行融合性分析, 形成異構工業資源網絡, 從而對異構工業資源網絡產生的各類數據信息進行一體化的挖掘。同時, 利用區塊鏈網絡智能合約不可篡改特征和通證屬性對建立的工業資源異構復雜網絡進行管理和控制。
圖 7 工業資源異構復雜網絡的建模、分析及管控
利用異構網絡建模、分析和管控技術, 可對海量的不同種類工業資源進行深度整合、統一管理和信息挖掘, 實現高效、安全、準確的分析與控制。
2.4 區塊鏈智能
區塊鏈智能技術是一種廣泛應用于社會經濟領域的一種新型技術, 它包括應用于底層的區塊鏈技術和運作于區塊鏈之上的通證經濟體系。如圖 8所示, 區塊鏈具有去中心化、自治化、透明不可篡改、可追溯性等特性[14-15], 其應用使傳統上難以流通和商品化的"注意力"與"信用度"成為可以批量化生產的流通商品, 革命性地提升經濟活動范圍與社會效率, 區塊鏈技術具有成為智能經濟的基石的潛質.通證經濟是支撐區塊鏈實現權益快速流動與安全交換的一種機制[16], 構建改變生產力和生產關系的智能經濟模式離不開通證經濟體系。利用區塊鏈的特性和通證經濟的行為激勵作用, 社會智能經濟體系中良性經濟行為的參與者會逐步增多, 最終會引領社會經濟導向, 使得整個社會參與者的收益增多。同時, 通證經濟的激勵作用還會優化社會的資源匹配, 通過社會認知學習和溝通交流來提高社會效率。
圖 8 區塊鏈智能技術
區塊鏈智能技術是智能世界中大數據和人工智能體可靠、可信、安全、高效的聯結途徑, 它利用多代理技術、智能合約和不可篡改的特性實現對工業資源的安全可信管控, 利用區塊鏈通證屬性對資源進行評估、管理、激勵和引導, 引導工業生態的健康成長和運行[17]?；趨^塊鏈智能技術架構的工業資源管控系統可以實現對混合異構工業資源網絡的一體化建模、調控、優化和管控, 最終構建一個完整的智能工業生態系統。
區塊鏈技術可以實現高可信度、無法篡改的分布式數據庫需求, 而運作在其系統上的通證經濟體系又可以通過激勵作用對工業資源進行調控、優化和管控, 因此可以建立起區塊鏈管控系統對工業資源進行安全可信管控。首先, 在工業資源平臺服務器上搭建區塊鏈平臺, 設置準入機制, 配置不同的組織關系, 并為各個組織配置相應的通道, 完成底層基礎網絡的搭建; 其次, 針對不同工業資源的特性以及個性化的定制需求, 在區塊鏈系統中安裝共識機制互異的智能合約, 并設置排序節點中的最大區塊數量和最大數據量, 智能合約的自動執行形成了新型的高效智能工業鏈形式[18-19]; 最后, 采用一定的選擇機制讓某一組織節點對交易進行打包形成區塊, 并對該節點配給一定的通證獎勵, 同時利用大數據分析平臺對工業資產進行評估, 對評估良好的工業資源配給一定數量的通證獎勵, 在后續的交易中通證可以作為手續費附加在智能合約中被優先打包成區塊, 由此對工業生態的健康成長和運行進行一定程度的引導。區塊鏈上的每個組織都會有記賬節點來進行分布式記賬, 并維護全網的一個公共的賬本; 同時, 對于工業資產數據的讀寫操作均會被記錄到區塊鏈中, 以實現全方位的安全可信管控。
2.5 社會計算
大數據、物聯網、云計算等信息技術的蓬勃發展深刻改變了人與人、人與物、物與物之間的交互方式, 社會計算理論[20-26]作為社會科學和計算科學的交叉融合, 側重于信息技術在社會活動中的應用以及社會知識在信息技術中的嵌入和使用, 可有效應對社會及工業問題中的各種復雜動態[27]。
圖 9所示為社會計算的整體框架, 包含基于開閉源信息能源情報的廣泛采集、深度分析、個性化影響、協同產生等多個關鍵步驟。傳統的物理系統通過各類傳感器獲得系統的物理信號, 工程控制論在物理過程的自動化中發揮了極其重要的作用。社會傳感器, 就是力圖將物理系統中傳感網絡獲取物理信號的概念和手段推廣到網站、博客、論壇等各類網絡空間, 用于社會信號的采集, 獲取所關注的社會信號并從中提取出感興趣的信息.任何企業運營、社會事務、生產過程等方面的管理, 都可以將問題的求解過程擴展到由物理信號和社會信號共同構成的高維解空間中。其中, 融合了物理和社會信號的數據具有海量、形式多樣、高度分散等特點, 采用分布式文件系統實現對大規模社會數據的存儲和管理, 通過機器學習、數據挖掘、模式識別、自然語言理解等技術對海量信息進行準確抽取、分析、并以用戶可理解的方式展現出來, 最終實現信息自動抓取、數據規整、數據量化、自動分類聚類、主題檢測等功能, 從而為各行各業的決策提供堅實有力的量化支持。
圖 9 社會計算框架
社會計算系統主要包含四個子系統, 分別是：大數據存儲與計算平臺、全方位社會傳感系統、智能檢索系統、深度挖掘與分析決策系統。互聯網數據結構的多樣性使得數據的處理復雜化, 數據規模的海量性使得計算的巨量化, 數據不確定性和動態性使得信息處理工作繁瑣化。針對社會信號大規模存儲與計算的需求, 需要采用計算機集群進行分布式存儲, 支持各種結構的數據的存儲問題, 采用并行計算機制可提高海量數據的處理效率, 使平臺達到功能完善、性能穩定、海量存儲能力、高可靠性和高安全性的目標, 從整體上保證社會計算平臺的工作效率。通過分布廣泛的社會傳感器, 對各種社會信號和社會數據進行不間斷的采集和監控。在網絡空間中, 可采用網絡爬蟲的手段抓取項目所需的開源信息, 對多種Web資源的信息內容進行有序抽取和整理, 提高數據源的智能選擇及情報精確率。在實際的生產管理系統中, 建立從數據源到數據庫間的信息通道, 實現信息的高速無差傳輸。對于海量數據綜合運用查詢擴展、知識圖譜等技術, 構建跨媒體的工業數據智能檢索平臺, 提高數據處理的并行度, 實現智能檢索。通過機器學習、數據挖掘、模式識別、自然語言理解等技術對海量的社會信息進行準確抽取、分析、并以用戶可理解的方式進行展現, 為工業數據的分析決策提供量化支持。
2.6 邊緣計算
邊緣計算作為一種新型計算模式, 是實現工業智聯網的支撐技術之一[28]。相較于云計算, 其可以實現對工業邊緣設備大數據的實時處理, 減少了因數據傳輸給云計算中心帶來的網絡帶寬問題和實時性需求, 且邊緣計算能夠考慮到邊緣數據的隱私問題及數據上傳時邊緣設備電能損耗問題[29]。邊緣計算通過整合工業網絡邊緣上的計算、存儲、網絡等形成合一的平臺為工業用戶提供服務, 使得數據在源頭側就能得到有效及時的處理, 或者將邊緣數據部分處理后將數據傳到云計算中心處理, 減少點云計算中心的壓力[30]。
邊緣計算主要是對工業智聯網中邊緣設備產生的海量數據進行存儲和處理, 邊緣計算的下行數據代表著云服務, 上行數據表代表著工業智聯服務[31]。工業網絡邊緣設備既從云計算服務中心請求內容及服務, 也進行數據存儲、處理、緩存及隱私保護等任務。傳統的MapReduce及Spark等數據處理方法處理不了工業邊緣設備產生的海量邊緣異構數據, 構建適合于工業智聯網的邊緣計算平臺至關重要。根據邊緣計算產業聯盟(ECC)的邊緣計算參考架構1.0, 邊緣計算包括四個功能域, 分別是應用域、數據域、網絡域及設備域[32]。應用域支持行業應用本地化入駐, 支撐行業的全生命周期活動、邊緣業務的高效運營與可視化管理; 數據域對海量邊緣數據進行數據分析與呈現, 數據聚合與互操作, 同時保護數據安全及數據隱私; 網絡域提供數據的聚合及系統的互聯; 設備域通過車床、發動機等工業設備來實現工業現場設備的實時智能互聯及相關的智能應用。
3 應用模式舉例
3.1 工業智聯網催生智能工業新模式示例
工業智聯網的高速發展催生了種類繁多的智能工業新模式。圖 10展示了社會化大規模商品定制模式的基本流程, 各工業單位通過采用工業智聯網的技術, 將串行的工業生產流水線拆分成了單一的生產單元, 結合區塊鏈智能合約技術, 每個生產單元通過智能合約將自己的產品連接進不同的產業鏈中。消費者可通過在智能終端輸入需求數據, 制定自己需要的專屬商品, 需求確立后, 將觸發整個生產鏈的智能合約, 生產鏈中與商品相關的生產單元將通過智能合約實時定義組成多條生產線, 完成相應的生產指令。生產完成的產品通過智能合約進行運輸, 直接送到消費者手中, 從而實現商品的社會化大規模定制。同時, 消費者還可通過工業智聯網技術對商品的原材料、零件生產、拼裝運輸等流程進行回溯, 保證生產過程的透明化, 保證商品的高質量和高可信度。
圖 10 社會化大規模定制流程圖
工業資源的管控新模式則是通過工業智聯網技術, 對傳感、控制、信息、計算等不同結構的工業資源網絡, 進行一體化建模分析、決策和自主運行, 實現異構網絡的互聯互通, 并提供準入接口, 提高異構網絡成為智能工業生態系統的可能性。同時采用分布式管理、智能合約技術以及不可篡改的方法實現對工業資源的安全可信的管理。
3.2 工業智聯網催生工業系統價值挖掘新模式
在工業智聯網環境下, 對工業系統的價值挖掘工作包括對內生價值的挖掘以及對外在資源的挖掘。圖 11闡釋了內生價值挖掘過程中采用的相關技術、解決的實際問題以及最終的實現效果。對于工業系統的內生價值挖掘, 具體是通過諸如數字虛擬工業技術、知識工程技術、異構復雜網絡建模分析技術以及區塊鏈技術等工業智聯網新興技術, 并建立虛擬的工業系統模型, 模擬分析實體工業運行情況, 保證系統運行穩定; 通過發現生產架構知識, 優化生產結構, 降低產品生產成本; 通過探索資源消耗關系, 合理調整資源配置, 提高資源的有效利用; 通過構建部門參與機制, 建立高效的信號激勵制度, 增強企業內部的活力。圖 12闡釋了在外在資源挖掘過程中使用的工業智聯網相關技術及可達到的實現效果, 對于外在資源的挖掘, 可結合社會計算、物聯網數據采集以及知識工程等技術, 通過描繪用戶消費特征, 以用戶消費特征為生產導向, 實現商品的針對性生產; 通過建立通證經濟體系, 制定相應的消費激勵措施, 提高商品交易的活力; 通過分析市場數據的變化趨勢, 提前制定市場開發計劃, 增加企業經營的利潤。
圖 11 工業智聯網內生價值挖掘
圖 12 工業智聯網外在資源挖掘
通過智能技術將工業系統的內生價值和外在資源相融合, 在保證工業系統數據資源安全可靠的基礎上, 實現內在優化價值支撐外在產品推廣, 外在資源導引內在價值發展的良性循環。
4 結論
本文詳細地闡述了工業智聯網產生的技術和時代背景、定義與內涵、平臺架構與關鍵技術, 以及其應用模式的兩個示例。
對于當前的工業系統與技術而言, 單個和孤立的智能技術已經取得了一定的成績, 然而, 工業系統中即將涌現海量的具有一定智能的實體, 而這些實體在智能與知識層面上的如何協同和合作卻還是一個開放的問題。如果這個目標能夠實現, 其對社會生產力的提升和對社會形態的影響, 將是難以想象的。因此, 工業智聯網的大規模研究與開發勢在必行, 而我們也期望工業智聯網將為社會化智能大工業提供一條切實可行而又富有成效的技術路徑與頂層設計。
參考文獻
1 P. C. Evans, M. Annunziata. Industrial Internet: Pushing the Boundaries of Minds and Machines[Online], available: https://www.ge.com/docs/chapters/IndustrialInternet.pdf, June 15, 2017.
2 Wikipedia. Kevin Ashton[Online], available: https://en.wikipedia.org/wiki/KevinAshton, September 20, 2017.
3 GE Digital. Everything You Need to Know About the Industrial Internet of Things[Online], available: https://www.ge.com/digital/blog/everything-you-need-knowabout-industrial-internet-things, December 8, 2017.
4 W. Ruh. Why GE Digital Is Positioned To Lead The Industrial Internet Of Things[Online], available: https://www.ge.com/reports/ge-digital-positionedlead-industrial-internet-things-2/, December 19, 2017.
5 Wang Fei-Yue, Zhang Jun. Internet of minds:the concept, issues and platforms. Acta Automatica Sinica, 2017, 43(12): 2061-2070.
( 王飛躍, 張俊. 智聯網:概念、問題和平臺. 自動化學報, 2017, 43(12): 2061-2070.)
6 Wang Fei-Yue. The destiny:towards knowledge automation-preface of the special issue for the 50th anniversary of Acta Automatica Sinica. Acta Automatica Sinica, 2013, 39(11): 1741-1743.
( 王飛躍. 天命唯新:邁向知識自動化-《自動化學報》創刊50周年專刊序. 自動化學報, 2013, 39(11): 1741-1743.)
7 Wang Fei-Yue. On future development of robotics:from industrial automation to knowledge automation. Science & Technology Review, 2015, 33(21): 39-44.
( 王飛躍. 機器人的未來發展:從工業自動化到知識自動化. 科技導報, 2015, 33(21): 39-44.)
8 Li L, Lin Y L, Zheng N N, Wang F Y. Parallel learning:a perspective and a framework. IEEE/CAA Journal of Automatica Sinica, 2017, 4(3): 389-395. DOI:10.1109/JAS.2017.7510493
9 Wang F Y, Zhang J J, Wang X. Parallel intelligence:toward lifelong and eternal developmental AI and learning in cyber-physical-social spaces. Frontiers of Computer Science, 2018, 12(3): 401-405. DOI:10.1007/s11704-018-7903-5
10 Giacobini M, Brabazon A, Cagnoni S, Di Caro G A, Drechsler R, Ekart A, et al. Applications of Evolutionary Computing. Berlin Heidelberg: Springer-Verlag, 2001. 1-698.
11 Dong M X, Ranjan R, Zomaya A Y, Lin M. Guest editorial on advances in tools and techniques for enabling cyberphysical-social systems-Part Ⅰ. IEEE Transactions on Computational Social Systems, 2015, 2(3): 38-40. DOI:10.1109/TCSS.2016.2527158
12 Wang Fei-Yue. Software-defined systems and knowledge automation:a parallel paradigm shift from Newton to Merton. Acta Automatica Sinica, 2015, 41(1): 1-8.
( 王飛躍. 軟件定義的系統與知識自動化:從牛頓到默頓的平行升華. 自動化學報, 2015, 41(1): 1-8. DOI:10.3969/j.issn.1003-8930.2015.01.001)
13 Wang Fei-Yue, Sun Qi, Jiang Guo-Jin, Tan Ke, Zhang Jun, Hou Jia-Chen, et al. Nuclear energy 5.0:new formation and system architecture of nuclear power industry in the new IT era. Acta Automatica Sinica, 2018, 44(5): 922-934.
( 王飛躍, 孫奇, 江國進, 譚珂, 張俊, 侯家琛, 等. 核能5.0:智能時代的核電工業新形態與體系架構. 自動化學報, 2018, 44(5): 922-934.)
14 Zhang Jun, Gao Wen-Zhong, Zhang Ying-Chen, Zheng XinHu, Yang Liu-Qing, Hao Jun, et al. Blockchain based intelligent distributed electrical energy systems:needs, concepts, approaches and vision. Acta Automatica Sinica, 2017, 43(9): 1544-1554.
( 張俊, 高文忠, 張應晨, 鄭心湖, 楊柳青, 郝君, 等. 運行于區塊鏈上的智能分布式電力能源系統:需求、概念、方法以及展望. 自動化學報, 2017, 43(9): 1544-1554.)
15 Ping Jian, Chen Si-Jie, Zhang Ning, Yan Zheng, Yao LiangZhong. Decentralized transactive mechanism in distribution network based on smart contract. Proceedings of the CSEE, 2017, 37(13): 3682-3690.
( 平健, 陳思捷, 張寧, 嚴正, 姚良忠. 基于智能合約的配電網去中心化交易機制. 中國電機工程學報, 2017, 37(13): 3682-3690.)
16 Zhang J, Wang F Y, Chen S Y. Token economics in energy systems: concept, functionality and applications. eprint arXiv: 1808.01261, 2018. http://econpapers.repec.org/RePEc:arx:papers:1808.01261
17 Klitgaard T, Reddy R. Lowering electricity prices through deregulation. Current Issues in Economics and Finance, 2000, 6(14): 1-6.
18 Hu Kai, Bai Xiao-Min, Gao Ling-Chao, Dong Ai-Qiang. Formal verification method of smart contract. Journal of Information Securyity Research, 2016, 2(12): 1080-1089.
( 胡凱, 白曉敏, 高靈超, 董愛強. 智能合約的形式化驗證方法. 信息安全研究, 2016, 2(12): 1080-1089.)
19 Yuan Yong, Wang Fei-Yue. Blockchain:the state of the art and future trends. Acta Automatica Sinica, 2016, 42(4): 481-494.
( 袁勇, 王飛躍. 區塊鏈技術發展現狀與展望. 自動化學報, 2016, 42(4): 481-494.)
20 Wang F Y. Social computing:concepts, contents, and methods. International Journal of Intelligent Control and Systems, 2004, 9(2): 91-96.
21 Wang Fei-Yue. The significance of social computing and its prospects. Communications of CCF, 2006, 2(2): 8-17.
( 王飛躍. 社會計算的意義及其展望. 中國計算機學會通訊, 2006, 2(2): 8-17.)
22 Wang Fei-Yue. Artificial societies, computational experiments, and systems:a discussion on computational theory of complex social-economic systems. Complex Systems and Complexity Science, 2004, 1(4): 25-35.
( 王飛躍. 人工社會、計算實驗、平行系統一關于復雜社會經濟系統計算研究的討論. 復雜系統與復雜性科學, 2004, 1(4): 25-35. DOI:10.3969/j.issn.1672-3813.2004.04.002)
23 Wang F Y. Toward a paradigm shift in social computing:the ACP approach. IEEE Intelligent Systems, 2007, 22(5): 65-67. DOI:10.1109/MIS.2007.4338496
24 Lazer D, Pentland A, Adamic L, Aral S, Barabasi A-L, Brewer D, et al. Social science:computational social science. Science, 2009, 323(5915): 721-723. DOI:10.1126/science.1167742
25 Schuler D. Social computing. Communications of the ACM, 1994, 37(1): 28-29. DOI:10.1145/175222.175223
26 Yang Q, Zhou Z H, Mao W J, Li W, Liu N N. Social learning. IEEE Intelligent Systems, 2010, 25(4): 9-11. DOI:10.1109/MIS.2010.103
27 Leskovec J, Huttenlocher D, Kleinberg J. Predicting positive and negative links in online social networks. In: Proceedings of the 19th International Conferences on World Wide Web. Raleigh, North Carolina: ACM, 2010. 641-650 http://www.mendeley.com/catalog/predicting-positive-negative-links-online-social-networks/
28 Satyanarayanan M. The emergence of edge computing. Computer, 2017, 50(1): 30-39. DOI:10.1109/MC.2017.9
29 Shi W S, Cao J, Zhang Q, Li Y Z, Xu L Y. Edge computing:vision and challenges. IEEE Internet of Things Journal, 2016, 3(5): 637-646. DOI:10.1109/JIOT.2016.2579198
30 Shi W S, Dustdar S. The promise of edge computing. Computer, 2016, 49(5): 78-81. DOI:10.1109/MC.2016.145
31 Shi Wei-Song, Sun Hui, Cao Jie, Zhang Quan, Liu Wei. Edge computing-an emerging computing model for the internet of everything era. Journal of Computer Research and Development, 2017, 54(5): 907-924.
( 施巍松, 孫輝, 曹杰, 張權, 劉偉. 邊緣計算:萬物互聯時代新型計算模型. 計算機研究與發展, 2017, 54(5): 907-924.)
32 Edge Computing Consortium. White Paper of Edge Computing Consortium[Online], available: http://www.ecconsortium.net/Uploads/file/20161208/1481181867831374.pdf, June 15, 2017.
來源：自動化學報
北京市公安局海淀分局備案號：11010802023656號