中国工程院院士唐立新：数据解析与优化技术相结合是解决工业“黑盒”之道

【猎云网北京】12月10日报道

12月10日，2019年度CEO峰会暨猎云网创投颁奖盛典在北京望京凯悦酒店隆重举行，近百位知名资本大咖，独角兽创始人、创业风云人物及近千位投资人与创业者共聚“新势力·2019年度CEO峰会暨猎云网创投颁奖盛典”。

峰会上，中国工程院院士、东北大学党委常委副院长唐立新以《智能工业数据解析与优化》为主题分享了自己的观点。其围绕着工业中要开展智能化的研究的原因、智能化研究的主要内涵与逻辑，以及数据解析和优化两者间的关系三个问题进行了具体分析。

唐立新认为智能化是工业中提升核心竞争力的重要手段，可以达成四个目标。第一，品种的融合；第二，产品质量的提升；第三，降低生产过程中成本；第四，生产过程节能环保。其次，在工业中，智能化的主要逻辑包括感知客观世界、发现问题、决策、执行四个方面。

对于工业中智能化涉及到的两个核心技术，即数据解析技术与优化技术的关系。唐立新表示，大数据解析是如何认识客观世界，分析总结规律，包括如何对患者进行化验，再就是诊断。优化是如何改变客观世界，排列组合找出最优解。包括如何治疗，如何出配方。两者结合就是道，完成道就可以最终解决工业中智能化问题。

为了帮助创业者和投资人重新蓄力，2019年，猎云网携全新品牌“新势力（New Force Summit）”亮相。本次峰会由猎云网主办，锐视角、猎云资本、猎云财经、企业管家协办。

此次盛典上，猎云网将通过以下六个版块分享创业者和投资人在智能制造、文娱、零售、医疗、教育、汽车等领域的启发性的观点和行业前瞻：政府引导基金如何更好助力产业升级、5G——开创产业变革新纪元、新常态下的创投发展新趋势、AI融合IoT——引领万物智能新时代、中美双向投资差异和机遇、新常态下，市场化LP的投资新趋势多个维度，分享科技和产业前沿观点，探讨创新潮流趋势、把握未来新方向。

以下为唐立新演讲实录，猎云网整理删改：

今天我的主题是智能工业数据解析与优化，介绍一下过去研究与应用当中的体会。我主要谈三个问题：第一，为什么在工业当中要开展智能化的研究；第二，智能化研究的主要内涵与逻辑；第三，该领域中最关键、最重要的两个因素，数据解析和优化之间的关系。

首先讨论分享第一个问题为什么在工业当中开展智能化的研究。我国是世界工业强国，如何让工业中的材料、工艺还有装备，在新时代发挥更大的作用，智能化是其中很重要的一个手段。而智能化应用，可以应对决定了制造业核心竞争力的四个挑战。第一，品种融合；第二，产品质量；第三，生产过程中的成本；第四，生产过程是否节能环保。

学术界主要是通过智能化与传统工艺相结合，来解决工业中面临的这四个挑战的。所以智能化是手段，而不是目的，如何更好进行智能化应用？我们以钢铁为例，我们钢产量已达到9.28亿吨，意味着中国占世界总刚产量的51.3%，也在工艺、设备、品种等方面拥有很强的优势。

第二个问题：在工业中，智能化的主要逻辑包括哪些方面？其类似于人体。第一，如何感知客观世界，第二，如何发现问题。第三，如何决策？第四，如何执行。

首先从感知讲起，智能化的感知类似人的眼睛、耳朵如何感知客观世界。感知过程中应用了一些新技术，如图像、自然语言理解、可视化等技术来扩展人的感知能力。在工业过程中同样如此，在连接过程中通过更先进的数字感知，来理解工业过程。

钢铁企业已经存在多年，但是生产过程仍是黑盒，如何通过智能化将黑盒变成灰盒、白盒，至今仍是钢铁企业面临的问题。那么就可以采用数字感知技术，包括图像、自然语言理解、等，将工业过程可视化。因此，感知当中最重要的第一个就是理解。理解的目的是为了更好进行控制与优化。

第二方面，如何感知基础上发现。首先是发现产品的质量，实现质量在线预测。其次，在发现中最关键的、最重要的是如何进行识别与诊断。在今天，这两点通过人工智能技术都有可能解决，因为在工业过程中积累大量数据，能够分析数据需求。

第三个方面，智能化应用过程中如何进行决策。企业如何进行决策包括两个层面，一个是计划，一个是调度。计划主要是关心企业生产过程中，应该生产什么，生产多少，每个时间段的生产量。这关系到企业资源配置、设备利用率，也就与库存与客户满意度直接相关。

继而是调度的问题，即如何安排企业的生产，在工序当中如何组织生产，其中应用核心技术解决的就是将客户多样性的客户需求，转化为大批量生产的生产模式的问题。工业4.0中，这是极具挑战性的矛盾，就需要靠批调度解决，批调度就是解决市场的需求，满足多元化的需求。其中企业竞争力的核心，一方面满足客户多样性的需求，另一方面要满足生产大规模需求，这是永恒的矛盾。这个矛盾在今天的时代通过人工智能，通过优化技术得以解决。

第四方面是执行环节，主要就是解决生产过程当中如何确定每个工序、每个产品，如何设定生产过程的流量、压力、速度，使得产品质量达到期望的要求。最后通过最优控制来执行。

第三个问题，是两个核心技术的关系。第一个是数据解析技术，第二个是优化技术。数据解析技术是一个方法论，其想解决什么问题？主要是从数据当中发现规律、特征，用于生产当中产品的质量与工况的预报。

我们对规律的认识，就是从大数据解析开始的。我们举例说明，比如在物理学当中起到非常重要作用的开普勒发现三大定律。开普勒的导师，经过20年研究了100万条的数据，当时的科学条件非常有限，是通过象限仪，通过不断的观察、记录，记录了100万条的数据，天体横行运动的记录，他的学生开普勒在此基础上建立数学模型得出规律，得到三大定律。

哲学上来看有两个层面，一个是演绎推理，是以概念、数学模型为基础进行演绎推理。另外就是以实证数据的经验主义。而人工智能很大程度上是一种经验主义，人工智能恰恰属于经验主义。

优化则是人工智能的核心理论基础，也就是所谓的数学基础。优化在人工智能之前自身是独立存在的，其解决的问题是如何把事情做到最好。优化就是使得企业排产更好、效率更高。

而数据解析与优化的结合，也就是我们实验室正在研究的问题。大数据解析是如何认识客观世界，包括如何对患者进行化验，再就是诊断。优化是如何改变客观世界，如何治疗，如何出配方。两者结合就是道，也就是最终解决工业“黑盒”的核心。