面向認(rèn)知的新一代紡織智能制造體系

鮑勁松，江亞南，劉家雨

(東華大學(xué) 機(jī)械工程學(xué)院，上海 201620)

紡織業(yè)是重要的民生產(chǎn)業(yè)，提高紡織業(yè)的智能化程度是建設(shè)制造強(qiáng)國(guó)的關(guān)鍵。新一代人工智能(artificial intelligence，AI)技術(shù)的快速發(fā)展以及“工業(yè)4.0”“中國(guó)制造2025”等政策的提出為推進(jìn)紡織業(yè)智能化提供了契機(jī)[1-4]。

隨著AI技術(shù)的發(fā)展，紡織業(yè)制造系統(tǒng)不斷進(jìn)行體系革新與升級(jí)[5]。紡織制造體系可以歸納為層次化的自動(dòng)化集成、全連接的工業(yè)互聯(lián)網(wǎng)和智能化的認(rèn)知制造三類。當(dāng)前大部分紡織制造系統(tǒng)處于自動(dòng)化和網(wǎng)絡(luò)化階段[6]，此階段制造體系多是基于數(shù)據(jù)驅(qū)動(dòng)對(duì)數(shù)據(jù)進(jìn)行感知處理。隨著知識(shí)生成技術(shù)日益成熟，復(fù)雜多源的數(shù)據(jù)被轉(zhuǎn)換成簡(jiǎn)單易懂的知識(shí)，進(jìn)而基于知識(shí)進(jìn)行認(rèn)知處理與調(diào)控，最終形成認(rèn)知制造體系。認(rèn)知技術(shù)不僅可以得出數(shù)字問(wèn)題的答案，還可以理解80%的非結(jié)構(gòu)化數(shù)據(jù)，包括“閱讀”文本、“看到”圖像和“聽(tīng)到”語(yǔ)音[7-9]。因此，將紡織制造系統(tǒng)與認(rèn)知技術(shù)相結(jié)合能夠從全局角度分析并調(diào)控生產(chǎn)系統(tǒng)，這也是紡織制造系統(tǒng)智能化發(fā)展的重要導(dǎo)向。

目前針對(duì)知識(shí)驅(qū)動(dòng)的認(rèn)知制造體系的深層次研究還較少。本文在分析紡織制造系統(tǒng)演化進(jìn)程的基礎(chǔ)上，提出面向認(rèn)知的新一代紡織智能制造體系。該體系結(jié)構(gòu)以知識(shí)為驅(qū)動(dòng)，對(duì)系統(tǒng)中形成的知識(shí)圖譜進(jìn)行感知和認(rèn)知處理，從而實(shí)現(xiàn)紡織制造系統(tǒng)的自適應(yīng)、自組織和自決策。以棉紡生產(chǎn)系統(tǒng)為例，通過(guò)對(duì)棉紡生產(chǎn)設(shè)備工作狀態(tài)和紗線質(zhì)量的認(rèn)知分析，驗(yàn)證本文所提體系結(jié)構(gòu)的有效性。該研究對(duì)于紡織智能制造體系邁上智能化新高度有著重要指導(dǎo)意義。

1 紡織制造系統(tǒng)的演化

制造系統(tǒng)的演化進(jìn)程如圖1所示。隨著科技的變革，制造系統(tǒng)不斷演化，從自動(dòng)化集成到全連接工業(yè)互聯(lián)網(wǎng)，并向認(rèn)知制造方向不斷發(fā)展。面向紡織的制造系統(tǒng)包括離散型和混合型兩類。

圖1 制造系統(tǒng)的演化[10]Fig.1 Evolution of intelligent manufacturing system [10]

1.1 層次化的自動(dòng)化集成

ISA-95是企業(yè)系統(tǒng)與控制系統(tǒng)集成的國(guó)際標(biāo)準(zhǔn)，也是我國(guó)紡織行業(yè)自動(dòng)化生產(chǎn)的主要實(shí)施方法論。基于該標(biāo)準(zhǔn)的自動(dòng)化集成結(jié)構(gòu)呈金字塔型，從下至上共分為5個(gè)層次，層次0為物理生產(chǎn)過(guò)程，層次1為與自動(dòng)控制有關(guān)的活動(dòng)，層次2為監(jiān)視和控制物理生產(chǎn)過(guò)程的活動(dòng)，層次3負(fù)責(zé)產(chǎn)品生產(chǎn)執(zhí)行，層次4與業(yè)務(wù)和管理相關(guān)。自動(dòng)化階段的紡織系統(tǒng)具備自動(dòng)控制與分散控制系統(tǒng)[11]，以及一體化信息集成[12]等關(guān)鍵技術(shù)。此階段的基礎(chǔ)基建工作實(shí)現(xiàn)了紡織生產(chǎn)要素的全連接，以及數(shù)據(jù)的傳輸、信息的交互和車間統(tǒng)一管理，這是實(shí)現(xiàn)智能制造的基礎(chǔ)。目前我國(guó)大部分紡織生產(chǎn)企業(yè)在相當(dāng)長(zhǎng)時(shí)間內(nèi)仍要不斷地夯實(shí)紡織自動(dòng)化系統(tǒng)。

1.2 全連接的工業(yè)互聯(lián)網(wǎng)

隨著“中國(guó)制造2025”的提出，我國(guó)大力推進(jìn)互聯(lián)網(wǎng)與自動(dòng)化工業(yè)系統(tǒng)的結(jié)合，以實(shí)現(xiàn)計(jì)算、分析與傳感技術(shù)的融合。工業(yè)互聯(lián)網(wǎng)利用霧計(jì)算和云計(jì)算，在制造系統(tǒng)中實(shí)現(xiàn)大數(shù)據(jù)的集成與共享。工業(yè)互聯(lián)網(wǎng)與紡織車間的結(jié)合使得設(shè)備之間、設(shè)備與控制中心之間得以進(jìn)行數(shù)據(jù)傳輸和信息交互，從而實(shí)現(xiàn)設(shè)備狀態(tài)的在線監(jiān)控、數(shù)據(jù)網(wǎng)絡(luò)化管理和設(shè)備工藝參數(shù)優(yōu)化等功能[13]。

紡織工業(yè)互聯(lián)網(wǎng)的關(guān)鍵技術(shù)主要包括互聯(lián)互通[14-15]、生產(chǎn)監(jiān)控[15-17]、大數(shù)據(jù)集成[18]、基于云平臺(tái)的智能運(yùn)算[19]等。該網(wǎng)絡(luò)化階段的紡織生產(chǎn)系統(tǒng)雖然實(shí)現(xiàn)了數(shù)據(jù)的交互與信息的傳遞，但沒(méi)能對(duì)整個(gè)生產(chǎn)工廠進(jìn)行全面衡量，因此在大數(shù)據(jù)、物聯(lián)網(wǎng)和云邊協(xié)同等信息技術(shù)支持下，應(yīng)積極推進(jìn)紡織生產(chǎn)系統(tǒng)從網(wǎng)絡(luò)化向智能化的變革，從全局角度革新工廠生產(chǎn)過(guò)程。

1.3 無(wú)處不在的認(rèn)知制造

工業(yè)互聯(lián)網(wǎng)實(shí)現(xiàn)了工業(yè)數(shù)據(jù)的全面感知、動(dòng)態(tài)傳輸和實(shí)時(shí)分析，為認(rèn)知制造提供了基礎(chǔ)。研究者們通過(guò)構(gòu)建認(rèn)知制造體系，實(shí)現(xiàn)資源合理配置、流程優(yōu)化與生產(chǎn)實(shí)時(shí)監(jiān)控和管理等[20-22]。認(rèn)知制造使得紡織生產(chǎn)車間能夠理解當(dāng)前的生產(chǎn)狀態(tài)和面臨的問(wèn)題，并且能夠?qū)罄m(xù)生產(chǎn)規(guī)劃進(jìn)行分析與決策，形成自學(xué)習(xí)、自感知和自適應(yīng)的智能產(chǎn)線，智能車間和智能工廠[23]。目前針對(duì)紡織智能制造的關(guān)鍵技術(shù)的研究較為分散，主要有機(jī)器視覺(jué)在紡織面料領(lǐng)域的檢測(cè)、數(shù)據(jù)驅(qū)動(dòng)的生產(chǎn)過(guò)程分析[24]及紡織系統(tǒng)的虛實(shí)結(jié)合，涉及信息物理系統(tǒng)(cyber-physical systems,CPS)和數(shù)字孿生[25-26]技術(shù)等。

根據(jù)認(rèn)知科學(xué)的理論，工業(yè)智能可分為感知與認(rèn)知兩個(gè)子系統(tǒng)。感知系統(tǒng)是一個(gè)直覺(jué)系統(tǒng)，用于簡(jiǎn)單直接的分析；認(rèn)知系統(tǒng)用于長(zhǎng)時(shí)間的學(xué)習(xí)與分析。紡織智能制造系統(tǒng)的發(fā)展與演變過(guò)程，并不是嚴(yán)格的串行過(guò)程，而是智能化、數(shù)字化、網(wǎng)絡(luò)化各自并行發(fā)展和相互促進(jìn)。紡織智能制造的“智能”應(yīng)該最終體現(xiàn)在認(rèn)知方面。

2 面向認(rèn)知的紡織智能制造體系

基于認(rèn)知技術(shù)構(gòu)建了新一代紡織智能制造體系，該體系與傳統(tǒng)智能制造體系不同的是通過(guò)認(rèn)知處理實(shí)現(xiàn)數(shù)據(jù)、知識(shí)和智慧的轉(zhuǎn)換。

2.1 面向紡織的認(rèn)知體系結(jié)構(gòu)

提出的紡織認(rèn)知體系主要基于數(shù)據(jù)流進(jìn)行認(rèn)知處理，其體系結(jié)構(gòu)如圖2所示，由工業(yè)互聯(lián)網(wǎng)、知識(shí)圖譜、認(rèn)知引擎和工業(yè)APP組成。

圖2 紡織認(rèn)知制造體系結(jié)構(gòu)Fig.2 Architecture of textile cognitive manufacturing system

工業(yè)互聯(lián)網(wǎng)可實(shí)現(xiàn)數(shù)據(jù)的傳輸與采集，最終獲取紡織系統(tǒng)中的工藝、設(shè)備和物流等數(shù)據(jù)。由于采集的數(shù)據(jù)規(guī)模大、多源異構(gòu)且維度多，因此常規(guī)的數(shù)據(jù)處理方法難以高效準(zhǔn)確地提取有價(jià)值的信息。知識(shí)圖譜可將數(shù)據(jù)轉(zhuǎn)變?yōu)橹R(shí)，其強(qiáng)大的語(yǔ)義處理與互聯(lián)能力可為紡織系統(tǒng)中的知識(shí)互聯(lián)奠定基礎(chǔ)[27]。認(rèn)知引擎由感知系統(tǒng)和認(rèn)知系統(tǒng)組成且二者互相反饋補(bǔ)充。感知系統(tǒng)刪除了子圖譜中冗余、歧義和無(wú)用的知識(shí)，并將各個(gè)子圖譜融合成系統(tǒng)性的知識(shí)圖譜。認(rèn)知系統(tǒng)基于知識(shí)總圖譜進(jìn)行重要節(jié)點(diǎn)分析與預(yù)測(cè)，最后根據(jù)分析結(jié)果調(diào)取相應(yīng)的認(rèn)知模型進(jìn)行調(diào)節(jié)。知識(shí)管理器中的知識(shí)被實(shí)時(shí)上傳到云平臺(tái)，便于后續(xù)的知識(shí)調(diào)取和全局認(rèn)知分析。最終紡織認(rèn)知體系實(shí)現(xiàn)了產(chǎn)品質(zhì)量、生產(chǎn)過(guò)程和設(shè)備運(yùn)行與維護(hù)的智能優(yōu)化。

2.2 紡織認(rèn)知體系的認(rèn)知過(guò)程

認(rèn)知過(guò)程是紡織體系中的核心內(nèi)容，本節(jié)將詳細(xì)介紹如何將數(shù)據(jù)轉(zhuǎn)化為知識(shí)并基于知識(shí)進(jìn)行認(rèn)知操作。

2.2.1 認(rèn)知制造的知識(shí)生成

在進(jìn)行認(rèn)知分析前需要先將數(shù)據(jù)轉(zhuǎn)換為知識(shí)，紡織生產(chǎn)中上下文知識(shí)的表示與生成過(guò)程如圖3所示，該過(guò)程中主要涉及知識(shí)抽取、知識(shí)表示、知識(shí)融合等步驟。

圖3 紡織生產(chǎn)上下文知識(shí)表示與生成Fig.3 Representation and generation of textile production context knowledge

不同類型的數(shù)據(jù)采用不同的知識(shí)抽取方法。結(jié)構(gòu)化數(shù)據(jù)普遍采用資源描述框架進(jìn)行知識(shí)組織與抽取。非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)需提取出實(shí)體、關(guān)系、屬性等知識(shí)要素，其中：實(shí)體抽取采用基于規(guī)則與詞典、基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)以及面向開(kāi)放域的抽取方法[28]；關(guān)系抽取采用基于馬爾可夫邏輯網(wǎng)、基于本體推理的深層隱含關(guān)系抽取方法[29]；屬性抽取采用基于特征向量、核函數(shù)、神經(jīng)網(wǎng)絡(luò)等的方法[30]。

抽取出的知識(shí)需要表示成相應(yīng)的格式，通常采用分布式表示學(xué)習(xí)的方法，將信息轉(zhuǎn)化為稠密、低維的實(shí)值向量，再在低維空間中高效計(jì)算實(shí)體、關(guān)系及其之間的語(yǔ)義關(guān)聯(lián)，形成一個(gè)完整的知識(shí)庫(kù)。由于存在知識(shí)質(zhì)量良莠不齊、關(guān)聯(lián)不夠明確等問(wèn)題，因此需要通過(guò)知識(shí)融合構(gòu)建高質(zhì)量的知識(shí)庫(kù)。知識(shí)融合主要包括異構(gòu)數(shù)據(jù)整合、消歧、加工和更新等步驟[31]。

2.2.2 認(rèn)知制造的控制決策

紡織認(rèn)知體系的控制系統(tǒng)由感知、認(rèn)知、決策、企業(yè)資源計(jì)劃(enterprise resource planning,ERP)和生產(chǎn)執(zhí)行系統(tǒng)(manufacturing execution system,MES)組成，其控制流程如圖4所示?？刂茮Q策由數(shù)據(jù)流、任務(wù)流和控制流協(xié)作完成，其各自走向分別用紫色、黑色和藍(lán)色箭頭表示。

圖4 紡織認(rèn)知體系的認(rèn)知過(guò)程Fig.4 The cognitive process of the textile cognitive system

首先，ERP系統(tǒng)基于任務(wù)流處理任務(wù)，通過(guò)任務(wù)生成器接收來(lái)自ERP的訂單，生成相應(yīng)的任務(wù)序列并發(fā)送至MES和認(rèn)知處理器。其次，感知和認(rèn)知模塊基于數(shù)據(jù)流開(kāi)展工作，其中：感知模塊基于邊緣處理對(duì)初始知識(shí)圖譜進(jìn)行集成與挖掘，得到系統(tǒng)的知識(shí)圖譜并將其上傳至云平臺(tái)；認(rèn)知模塊通過(guò)認(rèn)知管理器獲取的任務(wù)指令，調(diào)取相應(yīng)的認(rèn)知代理進(jìn)行知識(shí)庫(kù)在線學(xué)習(xí),從而制定決策方案，并通過(guò)迭代優(yōu)化對(duì)知識(shí)庫(kù)進(jìn)行更新。然后，決策模塊基于控制流，根據(jù)計(jì)劃和認(rèn)知模塊制定的決策方案制定相應(yīng)的控制序列指令。最后，決策模塊通過(guò)對(duì)比認(rèn)知模塊與MES處理的結(jié)果進(jìn)行決策。結(jié)果與預(yù)期目標(biāo)匹配，則向MES發(fā)送消息，報(bào)告正常狀態(tài)，繼續(xù)運(yùn)行；反之，認(rèn)知代理將最優(yōu)方案?jìng)鬟f給決策模塊，由其對(duì)系統(tǒng)進(jìn)行控制。通過(guò)數(shù)據(jù)流、任務(wù)流和控制流的協(xié)作最終實(shí)現(xiàn)系統(tǒng)的在線、在位自治。

2.2.3 認(rèn)知制造的雙系統(tǒng)交互

控制系統(tǒng)中感知系統(tǒng)與認(rèn)知系統(tǒng)的交互原理如圖5所示。

圖5 感知-認(rèn)知雙系統(tǒng)的交互原理Fig.5 Interaction principle of perception-cognition dual system

感知系統(tǒng)對(duì)知識(shí)子圖譜存在的異構(gòu)性、缺乏更新、冗余等問(wèn)題進(jìn)行篩選與融合處理。由于圖神經(jīng)網(wǎng)絡(luò)常用于處理圖結(jié)構(gòu)的數(shù)據(jù)，本文采用基于圖神經(jīng)網(wǎng)絡(luò)的一系列算法進(jìn)行知識(shí)篩選，利用基于上下文的圖卷積神經(jīng)網(wǎng)絡(luò)(contextualized graph convolutional network,C-GCN)、基于注意力的圖卷積網(wǎng)絡(luò)(attention guided graph convolutional network,AGGCN)、圖神經(jīng)實(shí)體消歧(graph neural entity disambiguation,GNED)、多通道圖神經(jīng)網(wǎng)絡(luò)(multi-channel graph neural network,MuGNN)等方法剔除冗余信息。

預(yù)處理后采用基于張量分解的方法和嵌入的方法將各個(gè)子知識(shí)圖譜融合成紡織系統(tǒng)總的知識(shí)圖譜?；趶埩糠纸獾姆椒ㄓ须S機(jī)語(yǔ)義張量聚合(random semantic tensor ensemble,RSTE)和基于鏈路預(yù)測(cè)的簡(jiǎn)單嵌入(simple embedding,SimplE)?；谇度氲姆椒ㄖ饕谐矫嫔系钠揭魄度?translating on hyperplanes,TransH)和全息嵌入(holographic embeddings,HolE)等。

認(rèn)知系統(tǒng)基于知識(shí)圖譜利用深度神經(jīng)網(wǎng)絡(luò)生成決策方案，通過(guò)不斷試錯(cuò)學(xué)習(xí)達(dá)到強(qiáng)化學(xué)習(xí)的目的，并將工作效率最高的方案作為該階段的最優(yōu)調(diào)節(jié)方案并生成相應(yīng)的動(dòng)作，實(shí)現(xiàn)生產(chǎn)過(guò)程中任務(wù)的實(shí)時(shí)調(diào)度與資源配置。

3 面向棉紡的認(rèn)知制造應(yīng)用趨勢(shì)

傳統(tǒng)棉紡生產(chǎn)過(guò)程產(chǎn)生的數(shù)據(jù)種類多、數(shù)量大，且呈高動(dòng)態(tài)變化，因此難以高效準(zhǔn)確地利用生產(chǎn)數(shù)據(jù)。對(duì)此本文將紡織認(rèn)知體系應(yīng)用到棉紡生產(chǎn)系統(tǒng)，該系統(tǒng)的體系結(jié)構(gòu)如圖6所示。

圖6 棉紡認(rèn)知制造體系Fig.6 Cognitive manufacturing system of cotton spinning

首先，分別采集各工位的重要數(shù)據(jù)并生成相應(yīng)的知識(shí)子圖譜；其次，通過(guò)感知層形成總知識(shí)圖譜；最后，基于總知識(shí)圖譜進(jìn)行可視化監(jiān)控，并根據(jù)監(jiān)控結(jié)果進(jìn)行調(diào)控。調(diào)控的對(duì)象主要是生產(chǎn)設(shè)備與棉紡質(zhì)量，其中，生產(chǎn)設(shè)備是系統(tǒng)工作的基礎(chǔ)，獲得高質(zhì)量的棉紡產(chǎn)品是系統(tǒng)工作的目標(biāo)。因此本節(jié)將對(duì)棉紡生產(chǎn)設(shè)備的工作狀態(tài)和紗線質(zhì)量進(jìn)行認(rèn)知分析。

3.1 棉紡生產(chǎn)設(shè)備工作狀態(tài)的認(rèn)知分析

傳統(tǒng)的棉紡生產(chǎn)設(shè)備工作狀態(tài)主要依靠人工進(jìn)行檢測(cè)與運(yùn)行和維護(hù)，工作效率低且穩(wěn)定性差。本文采用感知-認(rèn)知雙系統(tǒng)進(jìn)行設(shè)備狀態(tài)的認(rèn)知分析以實(shí)現(xiàn)設(shè)備自動(dòng)運(yùn)行和維護(hù)。感知系統(tǒng)將設(shè)備的重要性能指標(biāo)組建成系統(tǒng)的總知識(shí)圖譜，而認(rèn)知系統(tǒng)基于知識(shí)圖譜對(duì)生產(chǎn)系統(tǒng)進(jìn)行全局的運(yùn)行狀況分析和可視化處理。同時(shí)，系統(tǒng)的知識(shí)庫(kù)在不斷迭代更新，決策方案也隨之調(diào)整，以獲得當(dāng)前狀態(tài)下最適宜的設(shè)備工藝參數(shù)，從而優(yōu)化設(shè)備參數(shù)。

獲取生產(chǎn)設(shè)備的工作狀態(tài)信息后需對(duì)設(shè)備進(jìn)行運(yùn)行和維護(hù)，圖7為細(xì)紗機(jī)的故障預(yù)測(cè)與健康管理(prognostics health management,PHM)過(guò)程。通過(guò)認(rèn)知系統(tǒng)確定系統(tǒng)中出現(xiàn)故障的工位設(shè)備，再調(diào)取知識(shí)庫(kù)中的模型進(jìn)行故障預(yù)測(cè)和初步維修。若出現(xiàn)嚴(yán)重故障問(wèn)題則上報(bào)控制中心，由其下發(fā)維修任務(wù)進(jìn)行人工維修。

圖7 棉紡細(xì)紗機(jī)的PHM維護(hù)Fig.7 PHM maintenance of cotton spinning frame

3.2 紗線質(zhì)量認(rèn)知分析

棉紡生產(chǎn)過(guò)程中，纖維狀態(tài)多變，質(zhì)量屬性多樣，導(dǎo)致紗線質(zhì)量的精準(zhǔn)控制一直是個(gè)難題。傳統(tǒng)紗線質(zhì)量檢測(cè)依賴人工檢測(cè)，其成本高、效率低。因此本文在棉紡生產(chǎn)線的各工序階段實(shí)時(shí)控制紗線質(zhì)量。由于 Actor-Critic 學(xué)習(xí)在任務(wù)控制方面的出色表現(xiàn)[32-33]，本文基于Actor-Critic形成紗線質(zhì)量控制模型，其原理如圖8所示。首先，采集各工序的重要質(zhì)量參數(shù)組成知識(shí)圖譜；其次，基于知識(shí)圖譜獲取認(rèn)知代理的Critic網(wǎng)絡(luò)參數(shù)；然后，計(jì)算Critic網(wǎng)絡(luò)參數(shù)的權(quán)重，以評(píng)估參數(shù)實(shí)際值與目標(biāo)值之間的偏差；最后，修正每個(gè)Critic網(wǎng)絡(luò)參數(shù)的偏差并對(duì)其進(jìn)行補(bǔ)償與更新，輸出獲得最大獎(jiǎng)勵(lì)值的動(dòng)作序列，并對(duì)該動(dòng)作序列進(jìn)行評(píng)估與修正。

圖8 面向認(rèn)知技術(shù)的紗線控制模型Fig.8 Yarn control model based on cognitive technology

4 結(jié) 語(yǔ)

基于感知-認(rèn)知雙系統(tǒng)構(gòu)建新一代紡織智能制造體系，著重介紹了該體系中的認(rèn)知過(guò)程，并以棉紡生產(chǎn)系統(tǒng)為例，詳細(xì)闡述了設(shè)備工作狀態(tài)和紗線質(zhì)量的認(rèn)知分析過(guò)程。在未來(lái)的研究工作中，可以考慮將認(rèn)知體系與紡織行業(yè)的多個(gè)領(lǐng)域融合，對(duì)認(rèn)知制造系統(tǒng)的機(jī)理模型展開(kāi)深入研究，從而全面厘清紡織業(yè)智能制造系統(tǒng)的結(jié)構(gòu)。