近日，由鸿绎智库和中国自动化学会联合主办的“工业 4.0 X 智能制造 X 工业互联网”科创专家交流会上，鸿绎智库与中国自动化学会正式建立了战略合作关系，结合人才、技术、产业资源共同为科技创新向前突围贡献力量。

工业互联网发展到了什么阶段？与会专家的一段讲话令人十分振奋：

“五年前，如果我们跳出来说要给别人做建筑节能，人家不太相信。一年电费才2000多，大不了不要了。但现在已经不一样了，因为大家看到我们不仅仅可以省钱，更重要的是看到信息管理带来的附加值。所以，现在我们跟别人说我要做建筑里的信息维护，别人会很欢迎。这是一个非常自下而上，有着很深刻群众根基的诉求。要发挥数据带来的价值，人工智能会是非常重要的一环，现在才刚刚开始。”

以下是交流会精华摘要：

通过抓取用能数据、发电数据并贯通使用，是当前工厂、楼宇及其它用能大户正在寻求的节能提效解决方案之一。然而要做到这一点非常困难，由于风电、太阳能等可再生能源的发电量存在不稳定性，不同用户在同一个系统中的需求也在不同时间有各种各样的变化。本质上，这是需要在不同时间、不同空间的尺度上建立一个满足各种需求的模型。

“人工智能解决信息物理融合的能源系统问题有三个重要支柱：物联网、大数据、云计算。物联网所获取的数据放到大数据的平台上，让不同的用户根据各自的需求利用无处不在的计算平台，最关键的是如何在最后做出决策。”清华大学全球创新学院副院长、清华大学智能与网络化系统研究中心副主任贾庆山教授提出了通过以“事件”作为决策条件的解决思路。

“从数学上说，‘事件’就是一堆状态转移的集合，本质是部分客观的马氏决策功能，是一类可连续进行观察的随机动态系统的最优化决策方法。”贾教授强调用人工智能的方法解决在工业 4.0 里遇到的决策分析难题，其中深度学习和强化学习的结合是通过分析总结历史数据、随机动态做出决策的高效工具，此外，更重要的是发掘需求对象的结构，根据多维度的需求定义一个迫切性指标，从而获得最优决策顺序。

此外，当一个系统中需要综合使用不同人员、不同业务带来的模型时，这又将面临一个模型网络的问题。“我们的想法是要找到最大公约数，确定共同的时空单元，基于此把刚才的模型重写，之后再从上往下用策略投影、从下往上通过聚集（状态聚集、行为聚集），最终把经验和特征提取出来，通过上下两层的迭代，最后来提升和发挥每一个模型的作用，实现全局的优化。”

这种方法适合大规模、分布式的问题，比如利用风电、太阳能这样的新能源，通过储能再结合无人 AGV、电动汽车、建筑和设备这些柔性负荷，将三方协调在一起，将有很大的节能和降低成本的潜力。目前，“虚拟电厂”的概念可以协助电网调峰调频，这也是工业互联网能够开展新产业的增长点。

做出决策的前提是可以实时掌握大量的和足够准确的数据，传感器是工业互联网的重要基础之一。在国家传感器技术重点实验室从事了近 20 年研究工作的蔡浩原博士，在现场分享了关于智能传感器技术的研究成果。“所谓的智能传感器，不仅仅是把信息给采集出来，然后传输出去，而是在传感器中集成算法，也就是首先对信息进行采集、过滤、然后把有价值的信息上传到云端，再由人工智能或其它大数据的算法进行处理。”蔡博士将这种技术路线总结为：以微纳传感器为核、以异质异构封装为壳，以软件算法为质。

蔡博士展示了一款正在开发的振动智能传感器的框架结构图，最底层相当于三轴的加速路器，同时包括温度传感器，通过信号的调理电路，把加速度的信息采集出来，然后会在上面运行一些基本的处理算法。比如包括时域的积分方法、频域的计算方法，去计算加速度信号、以及速度信号、位移信号，同时还能够做为一些简单的分析。总而言之，就是针对具体的使用情况，会增加相应的智能判断算法。

以与某公司合作的数控机床刀具磨损检测传感器为例。公司康一直致力于做到真正无人工厂的状态，数控机床是非常重要的加工设备，刀具大概可能只持续运行将近两个小时左右就需要进行更换，但是更换时间不能仅仅通过加工时长来定义，加工的工序、材料都会影响刀的磨损程度。因此，蔡博士团队做了一个在刀把上集成的无线振动传感器，通过检测刀具在材料加工时的振动状态，把振动信号无线传输出来，再加上工业大数据的算法决定刀的更换频率。这种传感器的制作难度在于需要一个异型的安装方式，且要避免金属刀把在无限信号传输过程造成的影响。

中科院自动化所副研究员、中国 3D 科技创新产业联盟副理事长的吴怀宇博士分享了一个典型的工业 4.0 应用的服务模式—— 3D 人体智能测量的大数据应用服务，用于在线个性化定制，针对 C2M 做解决方案。即通过物联网传感器，包括3D 精确的扫描仪、智能硬件、手机APP，全方位、多途径地采集用户的大数据；然后把大数据导入云端数据库中，再通过机器学习算法来对数据进行智能化的分析，构建智能服务。

3D 技术方面精度是非常关键的质量指标，包含两种维度：数据上的精度，和用户主观感受上的精度，也是所谓的“舒适度”。目前吴博士团队通过自主研发 3D 硬件、3D 软件、大数据、人工智能、3D CAT 系统、智能工厂改造产品和解决方案，将 3D 技术应用在各个行业。比如，通过3D扫描技术获得人体三维个性化数据，再通过 3D 智能建模可以形成个性化人体相关的产品定制，如服装行业、医美及医疗行业等；另外，通过 3D 扫描仪判断 3D 姿态，利用机器人自动抓取、摆正、分解和配装，实现工厂全部流程自动化。

智能制造中制造效率固然重要，但产品物流的效率同样影响其成本和价值，自动驾驶落地物流仓储运输也是工业自动化重要的一环。车辆速度能独立于运动轨迹进行决策、规划和调控，对自动驾驶车辆的安全至关重要。“我们的想法是让速度变化独立于转向变化，也就是无论速度怎么变，实际上转弯过程中的轨迹是不变的，这是我们想实现的控制效果。”来自北京航空航天大学的李明星博士分享了利用鲁棒与解耦联合控制解决该问题的一些想法和成果。