知识工作自动化.docx

1、知识工作自动化现状在现代工业生产中 , 自动化技术和系统已经发展到一定水平 , 但是在复杂 分析、精确判断和创新决策等方面还是要依赖人的知识型工作 , 目前人的智能 型工作和自动控制系统只能依靠人机接口交互 , 还是一种非自动化的运行机制 . 知识自动化就是人的智能型工作向控制系统的自动化延伸 , 知识自动化系统是 用机器实现人的智能型工作的控制系统 , 知识自动化是工业生产中采用机器实 现基于知识自动处理的建模、控制、优化及调度决策的自动化系统理论、方法 和技术 . 知识自动化的基础是采用有效方法对知识进行合理提取及处理 , 目前 对知识的处理方法的研究集中在知识获取、表示、重组和关联推理上

2、 , 但是离 实现工业生产过程所需要的知识型工作自动化还有一定差距 .(1)知识获取 .知识获取是指从专家或其他专门知识来源汲取知识并向知识型系统转移的 过程或技术 . 20 世纪 60 年代以前 , 大部分人工智能程序所需知识是由专业程 序员手工编入程序的 . 知识获取首次提出于 20 世纪 80 年代 , 知识获取常用 的方法主要有关联规则挖掘 5 、统计方法 6 、人工神经网络 7 、决策树 8 、遗传算法 9 、基于事例的推理方法 10 等.尽管知识获取可以通过以上各种方法实现 , 但工业过程中隐性知识如何获取 依然是研究的难点 , 因为实际工业中数据样本的质量和数量难以保证 , 工业

3、过程 控制系统中建模、控制与优化决策相关知识规则的获取等仍是主要难题 , 工业大数据环境下获取知识的研究成果还较少 .(2)知识表示 .知识表示就是对知识的一种描述 , 或者说是对知识的一组约定 , 一种计算 机可以接受的用于描述知识的数据结构 . 常用的知识表示方法有一阶谓词逻辑表示法,产生式表示法,框架表示法、面向对象表示法、 Petri网表示法、语义网表示法等在工业生产过程中，知识型工作者对事物和信息的表达往往是不精确、不确定和模糊的，最终导致获得的知识具有不确定性，此类知识如何表示对于面向控制需求的知识自动化系统实现具有挑战性（3） 知识重组.知识重组是指对相关知识客体中的知识因子和知

4、识关联进行结构上的重新 组合,形成另一种形式的知识产品知识重组包括知识因子的重组和知识关联的 重组46.知识因子的重组是指将知识客体中的知识因子抽出 ，并对其进行形式上的归纳、选择、整理或排列，从而形成知识客体的检索指南系统的过程.知识 关联的重组是指在相关知识领域中提取大量知识因子，并对其进行分析与综合， 形成新的知识关联，从而生产出更高层次上综合知识产品的过程.知识重组包括知识增殖、知识分裂、知识变异、知识融合、知识约简以及知识衍生等方面.目前，对知识重组的研究还处在理论阶段 ，有关知识重组的应用研究相对还比较少.工业生产过程的控制决策问题复杂多变 ，受到多种不确定性因素（如市场、物流和矿

5、源等变化）的影响，根据单一属性的知识很难让工业 中的智能系统做出最优决策，因此需要将多种属性的知识进行重组，创造出有利 于精准决策的新知识，这也是知识自动化系统实现的重要技术手段.（4） 知识关联和推理.知识之间存在很多有用的关联，在知识网络化模型中，知识就是由众多的结 点（即知识因子）和结点之间联系（即知识关联）组成的。Ruiz等50通过 研究知识之间的关联规则进行知识的管理与产生新的知识 .Namioka等51将知识关联网络应用到系统设计中，知识库开发者可以避开冗长的描述、错误以及矛 盾，降低了计算复杂性.知识关联的研究工作主要集中在如何通过关联规则从数 据挖掘有效的信息，在图书馆管理、情

6、报搜集、网络信息分析上运用较多，对于 工业生产过程的知识关联研究较少.知识推理有多种方法，可以按不同方式分成几类根据知识表示特点，可分为 图搜索方法以及逻辑论证方法，图搜索推理的方法是从图中初始状态的节点到目 标状态的终止节点的搜索过程，而逻辑论证推理方式是基于知识表示采用谓词逻 辑或者其他逻辑形式时，进行推理的过程；根据是否采用启发性知识 ，分为启发式推理和非启发式推理；根据所用知识因果关系的确定程度，分为精确推理和非 精确推理实际系统通常结合其他技术对问题进行推理求解主要有以下几种方法a） 基于Bayes网络的知识推理.该类方法主要是将因果关系知识或关联性通过 Bayes网络表示出来,并结

7、合Bayes统计的方法进行推理,得到目标解.b） 基于本体的知识推理.国内外研究学者对基于本体的知识推理的研究成果也较多 .c） 基于案例的知识推理.在基于案例推理系统中，所谓案例就是求解问题的状态及对其求解的策略 .一般地，一个案例包含问题的初始状态，问题求解的目标状态以及求解的方案.这 种推理方法模拟人类推理活动中“回忆”的认知能力 ，在问题求解时，可以使用以前求解类似问题的经验（即案例）来进行推理，并为修改或修正以前问题的解 法而不断学习.案例推理原理如图4所示,其中案例表示、案例检索和案例调整 是案例推理研究的核心问题.d） 基于模糊逻辑的知识推理.模糊逻辑推理技术能较好地描述与仿效人

8、的思维方式，总结和反映人的体会 与经验,对复杂事物和系统可进行模糊度量、模糊识别、模糊推理、模糊控制与 模糊决策.e）基于粗糙集的知识推理.粗糙集理论是一种处理模糊性和不精确性知识的数学工具.经过十几年的研 究和发展,粗糙集理论已经在信息系统分析、人工智能、决策支持系统、知识与 数据发现、模式识别与分类、故障检测等方面取得了较为成功的应用。f）基于模糊Petri网的知识推理.传统的基于关联规则、粗糙集理论以及各种逻辑的知识推理和计算方法虽 已在生产调度和设备控制等方面得到了部分应用 ，但针对复杂对象，特别是复杂生产过程不完备知识的推理和计算仍停留在理论探讨层面 ，研究成果极少.工业生产过程中的

9、知识不仅具有复杂性和不完备性 ，而且还具有强关联、强耦合、多 尺度、多维度、碎片化和动态性等特征，因此采用传统的知识推理方法难以满足 知识自动化系统的控制需求在国内，目前已逐步认识到知识在自动化技术的重要作用，并开展了一些研 究工作，以信息感知、决策、规划与控制等单方面的理论与方法研究为主 ，缺乏 对工业过程中各方面知识的关联分析、融合与演化方法研究，更缺乏系统的知识 自动化基础理论与方法.总之,知识自动化是未来具有颠覆性的重要技术 ，目前在知识的获取、表示、处理和知识工程系统方面已经有许多研究，但是与工业过程知识自动化需求 没有紧密联系起来国外各大公司已有的一些包含知识的系统、软件和模型仍然

10、 是局部、孤立和分散的，还不能提供知识自动化的整体技术框架，缺乏针对我国 工业生产的解决方案，无法围绕工业控制与决策需求实现生产知识、自动化系统 与工业生产过程的有机融合.工业生产对知识型工作的依赖知识型工作在工业企业运行中起核心作用，如工业生产中的决策、计划、调 度、管理和操作都是知识型工作 69,完成这些工作需要统筹考虑各种生产经 营和运行操作要素，关联多领域多层次知识。在流程工业的运行优化层 ，由于难以建立精确数学模型，操作参数选择设定以及流程优化控制都依赖工程师凭经验 给定控制指令工程师的知识型工作包括分析过程机理、判断工况状态、综合计算能效、完成操作决策等在计划调度层，需要统筹考虑人

11、、机、物、能源各种 生产要素及其时间空间分布和关联等，调度员通过人工调度流程协调各层级部门 之间的生产计划，完成能源资源配置、生产进度、仓储物流、工作排班、设备管 理等知识型工作.在管理决策层，决策过程涉及企业内部的生产状况，外部市场环 境以及相关法规政策标准，管理决策者根据一系列经营管理知识进行决策 现代工业中机器已经基本取代体力劳动，工业生产管理、运行和控制的核心是知识型 工作,离不开具有高水平的知识型工作者进行分析、判断和决策 ，目前在各个层面都要依靠知识型工作者来完成工业的生产以生产调度决策过程为例，工业调度过程复杂，涉及的知识非常多，包括 能源管理、资源配置、工艺指标、运行安全、设备

12、状况、产品性能质量等方方 面面首先由企业级计划部门制定生产计划，主要是根据产品规格、工艺技 术、资源分配、政策法规、设备管理等经营管理知识以及生产执行的反馈信息 来制定生产计划下达到设备、能源、采购等各个部门 ，生产总调度根据各部门信息进行综合决策，提出生产调度方案，下达到各个生产职能部门，经反复 协调和完善后交付生产部门执行生产调度实质上是生产总调度长把产品产量、 质量、能耗等生产目标与各部门相关知识进行关联、融合、重组、求解的过程 ，是一个知识深度融合和交互的过程先进企业中往往拥有一批高水平知识型工作者，他们充分利用现有信息化 系统，使企业的部分经济技术指标领先或达到国际先进水平 比如，镇

13、海炼化是我国最大的原油加工基地，居世界炼厂第15位，具有中石化顶级的计划排 产专家，注重经验知识在计划优化中的应用，竞争能力居亚太地区一流；山东 魏桥拥有世界上最大,工艺技术最先进的600 KA电解铝系列，该系列自2014 年12月启动以来，电解槽操作员根据电解生产知识，经过精细化操作，目前 系列电流效率稳定在 94%,吨铝直流电耗12808 k Wh （同比国外AP600实验 槽吨铝直流电耗13300 k Wh）;鞍钢矿业是我国掌控铁矿石资源最多，产量规 模最大的冶金矿山龙头企业，选矿技术及产品质量达到世界领先水平 ，形成了 低成本的运行模式，铁精矿完全成本保持在 530元/吨左右，远低于进

14、口矿价 格.这些先进企业成功的一个重要因素是具有一批经验丰富的知识型工作者 ，并将这些知识型工作者的经验知识功能最大化，从而使得这些企业能够在行业占领领先地位.各工业企业间知识型工作者存在的经验和知识水平差异最终成为生产运行水平参差不齐的重要原因工业生产中的知识型工作面临新挑战工业企业现在需要面对市场需求、资源供应、环保排放等诸多因素的综合 挑战，工况变化更加复杂，加上现代工业具有生产规模增加和产能集中的显著 趋势，对复杂分析、精确判断、创新决策等知识型工作的要求也越来越严苛 同时，目前已经进入工业化和信息化深度融合的时代 ，随着云平台、移动计算、物联网、大数据的出现使得工业环境中数据种类和规

15、模迅速增加 ，以往依赖于经验和少量关键指标进行决策分析的知识型工作者面对海量信息已经感到 力不从心.而且，过去的人工决策方式严重依赖个别高水平知识型工作者 ，操作决策具有主观性和不一致性，应对变化的反应不够敏捷，知识经验的学习、 积累和传承也比较困难因此工业生产过程中的知识型工作正面临新的挑战 ，只依赖知识型工作者是无法实现工业跨越式发展的 摆脱对知识型工作者的传统依赖，实现具有智能的知识自动化系统是解决工业生产高效化、绿色化发展 的核心.工业生产中的知识型工作包含两层含义 ，一是人为的决策流程，一是依赖 经验的决策行为.工业生产过程迫切需要解决知识型工作流程的优化与自动化 ，并在各个决策点实

16、现知识驱动的自动化决策 在生产工艺和设备层面建立基于 知识的模型，实现工艺参数智能选择和流程智能优化 ，自动给定控制指令；在 生产计划和调度层面实现知识自动获取和自动分析 ，关联与推理，能够摆脱调度与生产协调对调度员的依赖 ；在生产经营和决策层面实现自动化感知、处 理、分析内外部大数据，实现关联决策和协调优化，能够自动化分析判断决策 流程企业通过这类具有复杂分析、精确判断和创新决策能力的高度智能化的系 统将能够自动执行一部分之前只有人才可以完成的各层次知识型工作 ，这一类系统就是面向工业应用的知识自动化系统 知识自动化系统可以在一定程度上代 替知识型工作者，进而构建信息与知识深度融合的控制、调

17、度与决策优化支撑 环境，形成面向工业生产实体过程的智能化知识服务体系 若干问题工业生产过程知识自动化系统是将人工智能技术、计算机技术、自动化系 统技术融合来实现知识表示、获取、关联、处理和应用 ，应用于工业生产实体，实现工业环境下自动感知、处理、计算、决策的智能系统 工业生产中的知识主要是指数据知识、机理知识和经验知识，具有不同的表现形式.其中,机理知 识反映工业生产过程的本质，特别是流程工业过程中生产连续、机理复杂、物 质转换过程难以数值化，使得机理知识成为流程工业最重要、最核心的知识 .而经验知识是经过长期操作从机理知识中总结获得而来的 ，反映了操作与过程之间的内在关联最终，经验知识和工艺

18、机理知识操作后的结果体现在生产数 据上，对数据分析处理形成的知识可以形成对知识库的补充和完善 ，在现代工 业的信息化环境下尤为重要 一类知识驱动的流程自主控制系统框架如图 7所示，其中来自人、机、物的数据知识、经验知识和机理知识通过知识获取、表 示、生成、演化等单元构成知识库，对应不同生产条件根据工况状态选择适用 知识，经解释后形成控制策略，通过控制器形成相应的给定或指令.这里蕴含 着知识驱动机制与现有控制系统有机融合的新理论、新方法与新系统从系统运行的角度看，人工经验的知识（数据知识亦然）显然不是一开始 就完全可靠和正确的，需要在运行过程中经过实际生产结果检验 ，通过知识校正更新机制来保证其

19、正确性，知识验证、更新和校正是知识自动化的重要组成 部分.在工业生产过程中，知识自动化在系统运行的层面上是一种动态过程 ，包括了知识从碎片化、不完备、不确定状态不断向更加结构化、完备和成熟的 状态发展演化的过程，这一过程需要依赖工业生产过程的反馈结果对知识自动 化系统不断进行校正.何谓知识自动化？为何知识自动化？知识自动化最直接、最直观、最简单的定义就是：知识工作的自动化1. 其实，这只是把知识自动化的定义问题转化为知识工作的界定问题，而且 不能反映出知识自动化全部与本质性的内涵.然而,2013年麦肯锡全球研究所 发布颠覆技术：即将变革生活、商业和全球经济的进展的报告 2,预测了 12项可能在

20、2025年之前决定未来经济的颠覆性技术，其中代表 知识工作的自动化之智能软件系统位居第二，列于 移动互联网之后 物联网和云计算之前；这一分析预测使得 知识自动化就是知识工作的自动化的认识一时风 行于整个世界，引起业内外的一片热议，客观上推动并普及了知识自动化的理 念和认识.麦肯锡的报告对什么是知识工作也从三个方面作了简短的界定， 按照文献3的总结，可以概括为 所谓知识工作，泛指那些需要专门知识、复杂分析、细致判断及创造性解决问题技巧才能完成的任务.显然，这差不多 还是定义的转移再加文学上的描述，但也确实反映了知识自动化领域目前的现 状.为什么需要知识自动化？简洁的回答就是：工业时代需要工业自动

21、化，知 识时代必须知识自动化工业时代的发展在许多方面对人类的体力提出了 非分的要求，迫使人们必须依靠工业自动化的手段来 补偿其体能上的不足，才能够去实施、运营、维护各类大型或精密的系统和过程 ；同理，面临物联网、大数据、云计算、智能技术等，正在迅速兴起的知识时代也对人类的智力提出了 更高、更加 非分的要求，人们更需要借助知识自动化的方法来 弥补其智能上的不足，进而才能去完成各种层出不穷的不定、多样、复杂任务 4.一项知识工作一般包含许多活动，具有很强的不确定性、多样性、复杂性 (UDC: Un certai nty, diversity, complexity), 故与工业或制造自动化不同 ,

22、很难通过自动化完全取代人在其中的作用 除了像打字、电话接线、银行柜台、机票登记等简单的任务可以通过计算机和软件代替人外 ，多数情况下自动化工具只是减轻了人的工作量，但仍需要人的合作才能完成整个的知识工作 因此，不论狭义的知识工作的自动化还是广义的知识自动化 ，往往都不能完全把人替掉，但却对人的技能和知识水平提出了新的要求 目前，实现知识自动化之主要方法和技术包括智能控制、人工智能、机器学习、人机接口、基于大 数据的智慧管理等，但从物理过程的自动化到虚拟空间里的自动化是培育和发 展知识自动化的关键.根据麦肯锡的报告，目前各领域已有2.3亿余知识工作者，占全球雇员的9 %，但雇用成本却是相应全球成

23、本的27 %该报告预计到2025年，知识工作 的自动化每年可直接产生5.2?6.7万亿美元的经济价值，不计自动化所带来的 效率间接提高，相当于额外1.1?1.4亿个全职雇员的产出.然而，在此报告所 预测的12项颠覆技术之中，知识工作的自动化受到媒体关注的程度差不多是最 低的，与其在人人所关心的许多方面可能担当的主导角色十分不符，如未来工作 性质的改变、组织结构的改变、经济增长的驱动方式、提高生产力的途径等 实际上，就是在自动化专业人士之中，由于过去主要关注的是物理过程的自动 化，较少有人重视甚至意识到知识工作的自动化之重要性；特别是很多人认为 这属于人工智能或计算机领域,没有从建模、分析、控制

24、、管理等过程自动化 的角度系统性地将方法与应用有机地结合起来，认清其知识自动化的本质3. 显然，这一状态需要尽快改变，中国学者可以在这方面发挥重要和引导性的作 用.如何科学、准确地界定知识自动化的内容，目前时机不成熟也没有必要. 文献3曾认为，知识自动化绝对不是知识本身的自动产生，但可以诱发知识 的传播、获取、分析、影响、产生等方面的重要变革 .慕课(MOOCs)就是一个活生生的例子，知识自动化必将在其今后的发展中起关键之作用.实际上，随着 科技，特别是智能技术的深入发展，人们对知识本身的认知也会进化，知识自 动化虽然不是知识本身的自动产生，但也会在知识的自动产生中发挥重要作用. 本文认为，很

25、大程度上，知识自动化可以狭义地理解成为基于知识的服务 (Knowledge-basedservices, KBS), 与基于位置的服务(Location-basedservices, LBS) 类似.包括基于信息的服务(Information-based services) 、基于情报的服务(Intelligence-based services), 以及基于任务的服务(Taskbased services) 、基于决策的服务 (Decision-based services). 这里的关键是如何把信息、情报等与任务、决策无缝、准确、及时、在线地结合起来 ，在时间和空间上，实现所要即所需，所得

26、即所用.显然，在电子商务中获得成功应 用的各种推荐系统，可以在此发挥重要而有效的作用.知识自动化的广义理解很 难描述，可以粗略地认为是一种以自动化的方式变革性地改变知识产生、获 取、分析、影响、实施的有效途径知识自动化的历史可以追溯到古希腊亚里多士德的描述性知识和原始的形 式逻辑以及工业革命之初英国布尔对其革命性的拓展 20.半个世纪前人工智能的正式提出，以及随后而来的知识表示、专家系统、知识工程、智能系统等 ，构成了知识自动化完整的进度发展历史.知识自动化与人工智能中的知识表示 和知识工程的关系是显而易见的，但其与专家系统的更加内在且深刻的关系， 随着专家系统近乎彻底的消失而被一些现代学者所

27、忽略 .有趣的是，根据目前可以查到的文献，无论是中文还是英文 知识自动化作为一个学术的术语第一次出现在中国，而且源于一次对人工智能英文术语 的错误翻译.1987年，首都医学院学报以 知识自动化：从文件服务员到 知识服务员为题目，发表了由秦笃烈摘译的国际上专家系统主要创始人和开 拓者、美国著名的人工智能专家Edward于1986年在第五届世界医学信息科学大 会(MEDINFO -86)所作的主题演说：AutoKnowledge: From FileServers toKnowledge Servers21. 这是知识自动化一词第一次在中英文中首次出现. 尽管意指专家系统中的自主知识 AutoKn

28、owledge不能等于知识自动化Knowledge automation,我们还是应当庆幸这一 正确的错误翻译，毕竟它把知识自动化 的历史虚虚实实地提前了 26年.知识自动化的历史，保证了其丰富、多样、坚实的技术基础.从大的学科 人工智能、智能控制，计算智能到具体的自然语言处理、数据挖掘、机器学习 方法等，形形色色各种各样的智能算法和智能技术都为实现知识自动化提供了 依据和方法，而物联网、大数据、云计算保障了实施知识自动化的环境设施的 平台.特别是近来兴起的智能手机和层出不穷的智能移动可穿戴装置 ，更为落实知识自动化提供了有效手段.显然，研究知识自动化的主要动机是面向复杂系统，解决复杂问题，其

29、最 迫切的任务是如何将复杂系统的UDC特征，转化为智能系统的 灵捷、聚焦、收 敛(Agile, focus, convergenee, AFC) 特性.为此，我们需要将知识自动化嵌入到基于ACP的平行控制与管理的框架和流程之中，使复杂变为简单，使UDC 化为 AFC24.所谓ACP是指通过人工社会或组织(Articialsocieties/organizations) 、计算实验(Compu-tational experiments) 和平行执行(Parallel execu-tion) 之有机组合,将虚拟的Cyberspace变成我们解决 复杂问题的新的、另一半空间，同自然的物理空间一起构成

30、求解复杂问题之完 整的 复杂空间,从而突破传统理念、方法及资源的约束这样做就像在数学 里引入虚数的概念，虚数成为数新的一半，进而与实数共同组成复数，形成新 的数之空间 复数空间,结果使许多过去无解的方程有解一样.ACP由三步曲组成：第一步，利用人工社会或人工系统对复杂问题进行建模；一定意义 下，可以把人工社会看成是软件定义的社会或一种 科学化游戏,就是用类似计算机游戏的技术来建模；第二步，利用计算实验对复杂现象进行分析和评 估；一旦有了针对性的人工社会，我们就可以把人的行为、社会的行为放到计 算机里面，把计算机变成一个复杂系统实验室，进行计算实验,通过实验 来分析复杂系统的行为，评估其可能的后

31、果；第三步，将实际系统与人工系统 并举，通过实际与人工之间的虚实互动，以平行执行的方式对复杂系统的运行 进行有效地控制和管理人工社会或人工系统可以看成是传统的数学或解析建模之扩展，是广义的 知识模型，更是落实各种各样的 灵捷性(Agility) 的基础.计算实验是仿真 模拟的升华，是分析、预测和选择复杂决策的途径，也是确保复杂情况下能够正 确 聚焦(Focus)的手段.平行执行是自适应控制和许多管理思想与方法的进 一步推广，是一种通过虚实互动而构成的新型反馈控制机制，由此可以指导行 动、锁定目标，保证过程的 收敛(Convergenee).没有人工系统、计算实验、 平行执行，灵捷、聚焦、收敛就

32、没有基础，只能是空中阁楼24.平行系统就 是ACP方法中由实际系统和人工系统共同构成的系统：实际与人工系统基于ACP 组合互动之后，将整合虚实子系统的资源和能力，形成一个新的、整体功能和 性能更加优越的新系统，进而对实际系统进行有效的管理与控制，使其具有 灵 捷、聚焦、收敛的AFC特性，从而可以在各种复杂情况下完成既定的目标 在平行系统的运行和操作中，必然涉及许多需要专门知识、复杂分析、细 致判断及创造性解决问题技巧才能完成的任务，这正是目前知识自动化的核心 内容因此，知识自动化将是构建平行系统的技术关键实际上，基于ACP的 平行系统框架，也为进行决策与管理的知识自动化提供了有效途径显然，对 于复杂问题，我们需要不同情景下各种各样的人工系统，以便形成充分完整的 知识模