一、引言

過程工業(yè)是原材料工業(yè)的一個分支，對國民經(jīng)濟(jì)具有重要意義。經(jīng)過數(shù)十年的發(fā)展，中國的過程工業(yè)取得了長足的進(jìn)步，中國成為世界上比較大的制造業(yè)國家之一。然而，與發(fā)達(dá)國家相比，中國的過程工業(yè)急需智能管理和營銷技術(shù)來提高原材料的利用率，同時建立更加實用的環(huán)境和安全管理體系。這一問題引起了學(xué)術(shù)界的廣泛關(guān)注，并在相關(guān)研究領(lǐng)域取得了很大進(jìn)展。

[[325355]]

近年來，新一代信息技術(shù)的迅猛發(fā)展，促使一些國家尋求新的產(chǎn)業(yè)革命戰(zhàn)略(圖1)。美國推出智能流程制造，旨在產(chǎn)業(yè)升級和轉(zhuǎn)型。德國提出了工業(yè)4.0的戰(zhàn)略構(gòu)想，重點是將信息技術(shù)融入制造業(yè)。英國、法國和日本分別宣布了英國工業(yè)2050戰(zhàn)略、法國新工業(yè)計劃和日本社會5.0戰(zhàn)略。在此背景下，中國政府為實現(xiàn)“新工業(yè)革命”，提出了《新一代人工智能發(fā)展規(guī)劃》。《新一代人工智能發(fā)展規(guī)劃》戰(zhàn)略以“創(chuàng)新、協(xié)調(diào)、綠色、開放、共享”為核心，推動智能制造發(fā)展。

圖1. 各國為應(yīng)對新工業(yè)革命提出的政府計劃

在國家應(yīng)對新工業(yè)革命的戰(zhàn)略背景下，智能制造是當(dāng)前過程工業(yè)的發(fā)展趨勢，綠色制造是其不可或缺的組成部分之一。綠色制造注重高效和安全，這反映了更嚴(yán)格的環(huán)境政策和更好的事故預(yù)防的需要。實現(xiàn)綠色制造需牢記三個主要目標(biāo)：降低能源消耗和減少污染物排放;生命周期過程安全監(jiān)測和風(fēng)險控制;以及環(huán)境足跡監(jiān)測和評估。到目前為止，還沒有很好理解的方法來實現(xiàn)這些目標(biāo)。

人工智能(AI)是一項綜合性前沿技術(shù)，因其在AlphaGo中的出色表現(xiàn)而受到全世界的廣泛關(guān)注。今天，人工智能被認(rèn)為是世界上最先進(jìn)的三大技術(shù)之一，并對計算機(jī)視覺、自然語言處理和機(jī)器人技術(shù)等多個領(lǐng)域產(chǎn)生了顯著的影響。此外，人們普遍認(rèn)為人工智能對智能制造至關(guān)重要。

本文詳細(xì)討論了綠色制造在過程工業(yè)中所面臨的挑戰(zhàn)。人工智能通過對材料和能源的智能利用，在改善過程安全管理和提高效率方面發(fā)揮著重要作用。本文的其余部分介紹了將人工智能融合到過程工業(yè)中現(xiàn)存的技術(shù)挑戰(zhàn)。

本文的主要貢獻(xiàn)如下：

(1)總結(jié)了中國石化行業(yè)過程安全的現(xiàn)狀，指出了過程工業(yè)實現(xiàn)綠色制造的主要問題;為綠色制造提供了重要的指導(dǎo)方針。

(2)針對中國石化行業(yè)的現(xiàn)狀和主要問題，提出了我們的觀點：人工智能是實現(xiàn)綠色制造的核心技術(shù)。為了實現(xiàn)綠色制造，有幾種技術(shù)可以解決這些主要問題，包括知識圖、貝葉斯網(wǎng)絡(luò)和深度學(xué)習(xí)。

(3)考慮到過程工業(yè)與過程工業(yè)特點之間復(fù)雜的安全關(guān)系，提出了將知識圖應(yīng)用到過程工業(yè)的若干技術(shù)挑戰(zhàn)。這些挑戰(zhàn)可能會引起未來研究人員的興趣。

本文的其余部分組織如下。第2部分闡述了過程工業(yè)綠色制造的現(xiàn)狀和問題;第3部分闡述了與綠色制造相關(guān)的潛在人工智能技術(shù);第4部分介紹了與綠色制造中的人工智能相關(guān)的幾個技術(shù)挑戰(zhàn);第5部分討論了最近的進(jìn)展與未來的前景，最后一部分是總結(jié)和展望。

二、綠色制造的現(xiàn)狀與問題

(一)綠色制造

人們普遍認(rèn)為，制造業(yè)已經(jīng)經(jīng)歷了三次工業(yè)革命，現(xiàn)在正在經(jīng)歷第四次工業(yè)革命(圖2)。前三次革命都極大地促進(jìn)了生產(chǎn)力和經(jīng)濟(jì)發(fā)展。因此，人們普遍認(rèn)為，被稱為“智能制造”的第四次革命也將做出這樣的貢獻(xiàn)。

圖2. 四次工業(yè)革命

石油和化學(xué)制品是過程工業(yè)的重要組成部分。根據(jù)中華人民共和國國家統(tǒng)計局的數(shù)據(jù)，石油化工業(yè)已成為中國國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)之一，2017年占工業(yè)總產(chǎn)出的12%。石油化工行業(yè)在為中國國民經(jīng)濟(jì)發(fā)展做出巨大貢獻(xiàn)的同時，由于長期的污染影響和頻發(fā)的事故，也給公眾健康和環(huán)境安全帶來了負(fù)面影響。在信息時代，工業(yè)事故通過各種新聞渠道和社交媒體被報道和傳播到世界各地，使公眾知情并關(guān)注。這促使政府制定更嚴(yán)格的行業(yè)標(biāo)準(zhǔn)和法規(guī)，從而增加了綠色制造的需求。最近的重大事故，如響水“3·21”化工廠爆炸事故、天津港“8·12”火災(zāi)和爆炸事故，和青島“11·2”原油泄漏和爆炸事故，不僅造成了嚴(yán)重的人員傷亡、巨大的經(jīng)濟(jì)損失、嚴(yán)重的環(huán)境影響，也對石油化工產(chǎn)業(yè)的發(fā)展產(chǎn)生了負(fù)面效應(yīng)。江蘇省政府計劃到2022年關(guān)閉一半以上的現(xiàn)有化工企業(yè)。

除了過程安全之外，石化行業(yè)的環(huán)境影響——包括短期影響和長期影響——也值得關(guān)注。與離散制造相比，中國的過程工業(yè)具有材料和能源效率低、污染嚴(yán)重的特點。鑒于中國的過程工業(yè)在國民經(jīng)濟(jì)中所占的規(guī)模，在環(huán)保要求日益嚴(yán)格的情況下，迫切需要降低能源消耗和過程排放。

綠色制造被認(rèn)為是實現(xiàn)過程安全、能源消耗和減排的解決方案。它旨在通過集成智能監(jiān)控、智能預(yù)警、智能決策和基于優(yōu)化的污染降低技術(shù)，在整個過程生命周期中跟蹤與安全相關(guān)的方面。綠色制造可以顯著提高過程工業(yè)的安全性和效率，并有可能成為高水平經(jīng)濟(jì)發(fā)展的必然要求。

(二)現(xiàn)狀和主要問題

中國石化行業(yè)的過程安全與環(huán)保能力現(xiàn)狀可以通過以下三個方面進(jìn)行闡述(圖3)。

圖3. 我國石化行業(yè)安全生產(chǎn)和環(huán)境保護(hù)能力現(xiàn)狀的三方面

(1)大規(guī)模生產(chǎn)。應(yīng)急管理部化學(xué)品登記中心發(fā)布的統(tǒng)計報告顯示，2017年，中國生產(chǎn)和消費(fèi)的普通化學(xué)品超過7×104種，其中危險化學(xué)品3962種。危險化學(xué)品是一種對人類或動物的健康、環(huán)境或財產(chǎn)有潛在危害的化學(xué)品。經(jīng)過幾十年的發(fā)展，中國已成為較大的化學(xué)品生產(chǎn)國和消費(fèi)國之一。國家安全生產(chǎn)監(jiān)督管理總局報告稱，我國危險化學(xué)品相關(guān)企業(yè)超過3×105家，從業(yè)人員超過1×107人。管道長度超過1.2×105km。這些化學(xué)品——尤其是危險化學(xué)品——的巨大經(jīng)濟(jì)價值不僅使國內(nèi)生產(chǎn)總值迅速發(fā)展，而且導(dǎo)致環(huán)境保護(hù)和公共安全相關(guān)問題日益嚴(yán)重。

(2)化工行業(yè)分布不均。鑒于中國東西方向上的人口分布和經(jīng)濟(jì)差異，石油和化工相關(guān)企業(yè)大多位于東部沿海地區(qū)(圖4)。然而，對于特定的化學(xué)品，其生產(chǎn)過程生命周期、存儲、運(yùn)輸、使用和損耗通常發(fā)生在不同的工廠、縣、市、甚至省。因此，過程安全與環(huán)境保護(hù)應(yīng)在更大的時空尺度上加以考慮;然而，由于不同階段的復(fù)雜性(如材料處理和信息流)，這并不是一項容易的任務(wù)。為了解決這些問題，需要在信息集成和數(shù)據(jù)分析方面付出更多的努力，而這可以通過人工智能和云計算來實現(xiàn)。

圖4. 化工企業(yè)在中國的分布

(3)更高的安全性和環(huán)境要求。經(jīng)濟(jì)發(fā)展提高了中國的總體生活水平，而環(huán)境惡化使追求更高生活質(zhì)量的居民難以接受。環(huán)境問題越來越受到政府和社會的關(guān)注。公眾意識的轉(zhuǎn)變促使政府放棄粗放的經(jīng)濟(jì)發(fā)展模式，追求可持續(xù)發(fā)展。此外，“十三五”規(guī)劃要求到2020年重大事故數(shù)量減少20%，相關(guān)死亡人數(shù)減少20%，從而增加了石化行業(yè)對智能過程監(jiān)控和風(fēng)險管理系統(tǒng)的需求。

除了石化工業(yè)以外，過程工業(yè)的現(xiàn)狀與上面所討論的也很相似。這里列出了阻礙過程工業(yè)綠色制造的主要問題。

(1)多領(lǐng)域間的信息隔離。在過程工業(yè)中，生產(chǎn)、儲存、運(yùn)輸、使用和消耗各個階段是相互關(guān)聯(lián)的。但是，每個階段都側(cè)重于其特定的領(lǐng)域，并且有自己的信息和數(shù)據(jù)庫系統(tǒng)。在現(xiàn)實中，生命周期中的過程是物理連接的;然而，從信息處理的角度來看，它們通常是孤立的。不同流程之間不恰當(dāng)?shù)男畔⒔粨Q阻礙了過程生命周期數(shù)據(jù)的全面分析。例如，如果在動態(tài)風(fēng)險評估過程中能夠考慮有關(guān)材料的信息和危險化學(xué)品運(yùn)輸?shù)膶崟r位置，那么就可以通過動態(tài)例程和應(yīng)急準(zhǔn)備來評估潛在事故的可能性并更好地管理風(fēng)險。事故的可能性可以降低到一個可接受的水平，重大事故能夠得以避免。因此，整合豐富的信息，建立知識基礎(chǔ)，是過程工業(yè)實施綠色制造首先要解決的挑戰(zhàn)性任務(wù)。

(2)信息類型多樣，數(shù)據(jù)類型不同。從生命周期的角度來看，不同的階段，如制造、儲存和道路運(yùn)輸，都有各自的特性和專門的知識。這些差異在空間和時間維度上都存在。例如，溫度、壓力、水準(zhǔn)等值很重要，因為它們包含了有關(guān)異常情況和其他質(zhì)量相關(guān)問題的信息。在交通方面，路線、企業(yè)、實時位置、車輛狀態(tài)、駕駛員狀態(tài)是交通安全的關(guān)鍵。但是，這些信息屬于不同的系統(tǒng)，很難進(jìn)行通信或集成，更不用說數(shù)據(jù)采樣率、數(shù)據(jù)格式和數(shù)據(jù)收集方法上的差異。這些問題對將與安全相關(guān)的信息集成到過程生命周期中造成了困難。此外，在不同的生命周期過程中收集的數(shù)據(jù)背后有不同的規(guī)程，將事實數(shù)據(jù)和知識集成到一致的系統(tǒng)中是另一個具有挑戰(zhàn)性的任務(wù)。

(3)缺乏以過程安全為導(dǎo)向的決策體系。對于過程工業(yè)中的大規(guī)模生產(chǎn)——特別是石化工業(yè)——幾何放大是降低成本和獲得規(guī)模效益的優(yōu)秀途徑。大規(guī)模生產(chǎn)會導(dǎo)致復(fù)雜的供應(yīng)鏈和標(biāo)識系統(tǒng)。產(chǎn)業(yè)從一個城市、一個省向外延伸，最終在全國形成一個巨大的網(wǎng)絡(luò)。在產(chǎn)業(yè)鏈中，不同時空區(qū)域的生產(chǎn)和需求需要國家運(yùn)輸和倉儲網(wǎng)絡(luò)，覆蓋人口密集地區(qū)和各種自然環(huán)境。危險化學(xué)品的大量儲存可能對當(dāng)?shù)厣鐓^(qū)構(gòu)成重大風(fēng)險。擴(kuò)大生產(chǎn)的過程需要功能齊全的控制系統(tǒng)、正確的人工操作及高水平的機(jī)械完整性。如果不及時正確處理，任何微小的錯誤或故障都可能引發(fā)嚴(yán)重的事故。換句話說，關(guān)于風(fēng)險，太多的因素是相互關(guān)聯(lián)的，它們之間的相互作用通常不是直觀的。

在現(xiàn)代石化工廠的設(shè)計中，通過整合多種實用的危險識別和管理技術(shù)，將風(fēng)險管理納入考慮范圍，如危害和可操作性分析(HAZOP)、防護(hù)層分析(LOPA)和系統(tǒng)完整性等級(SIL)。然而，這些分析有些靜態(tài)，相關(guān)的文檔超出了現(xiàn)場操作人員的能力，他們需要充分了解情況及其行動的潛在后果。操作員的行為高度依賴于培訓(xùn)和管理。近日，德國巴斯夫化工公司發(fā)生事故，造成了人員傷亡和經(jīng)濟(jì)損失。事故的原因與工作人員的操作失誤密切相關(guān)。該案例反映了建立決策系統(tǒng)的必要性，這對安全操作具有重要意義。因此，需要一種能夠利用現(xiàn)有文檔(如HAZOP、LOPA和SIL)中嵌入的靜態(tài)知識來動態(tài)地分析情況并提供安全相關(guān)建議的智能系統(tǒng)。這樣的系統(tǒng)可以在緊急情況下，比一名工人考慮更多的安全相關(guān)因素，從而改善安全管理。

安全實踐的另一個關(guān)鍵方面是本質(zhì)上更安全的設(shè)計，其概念是永久減少或消除過程中與材料和操作相關(guān)的危險，該概念在過程設(shè)計的早期階段、正常操作和變更中得到廣泛應(yīng)用，直到設(shè)施的使用壽命結(jié)束。從安全的角度來看，化學(xué)過程具有結(jié)構(gòu)相似性。在某一化學(xué)過程設(shè)施中應(yīng)用本質(zhì)上更安全的設(shè)計將為其他設(shè)施樹立一個先例。為了在更廣闊的視野中支持安全導(dǎo)向的決策，必須提取和集成本質(zhì)上更安全的設(shè)計的基本規(guī)則和概念，以及從幾個成功案例中獲得的經(jīng)驗。最后，建立過程安全決策系統(tǒng)的一般挑戰(zhàn)在于，用自然語言編寫的人類經(jīng)驗和知識如何被機(jī)器理解和使用。

(4)缺乏預(yù)警和風(fēng)險跟蹤系統(tǒng)。在過程工業(yè)中，大多數(shù)事故惡化都是由于缺乏有效的警報機(jī)制。通常，石化過程以多種配置運(yùn)行，每種配置都有自己的操作窗口和(或)限制。由于過程是由自動化系統(tǒng)控制的，過程參數(shù)的微小波動會擴(kuò)散到下游過程并影響臨界機(jī)組。由于過程參數(shù)之間存在復(fù)雜的內(nèi)在關(guān)聯(lián)，操作人員通常無法明顯識別臨界機(jī)組的這些變化和波動。目前，過程監(jiān)控員和操作人員依靠他們的經(jīng)驗來解決這個問題。正確的流程運(yùn)作需要一種基于復(fù)雜的過程監(jiān)控系統(tǒng)識別異常情況的能力，以識別實際的流程配置和趨勢。診斷功能應(yīng)實時工作，以評估當(dāng)前的風(fēng)險和正常的操作配置向異常情況的潛在轉(zhuǎn)移。需要一個輔助決策系統(tǒng)，它可以為當(dāng)前的情況提供可能的原因，并描述如果不采取行動可能產(chǎn)生的后果。令人遺憾的是，目前還沒有這樣的智能系統(tǒng)。

三、綠色制造中的人工智能

人工智能，通常被稱為機(jī)器智能，已經(jīng)成為計算機(jī)科學(xué)和自動化的一個重要分支。人工智能結(jié)合了計算機(jī)科學(xué)、自動化、信息工程、數(shù)學(xué)、心理學(xué)、語言學(xué)和哲學(xué)的領(lǐng)域知識。AI所面臨的問題根據(jù)具體的特征或功能被劃分為幾個子問題，如圖5所示。

圖5. 人工智能的幾個子問題

根據(jù)綠色制造的四個主要問題的特點，可以將其分為三類：信息集成、動態(tài)風(fēng)險評估和輔助決策、預(yù)警。有幾種技術(shù)可以解決這些問題并實現(xiàn)綠色制造，包括知識圖、貝葉斯網(wǎng)絡(luò)和深度學(xué)習(xí)，下面將詳細(xì)介紹。

(一)通過知識圖進(jìn)行信息集成

在人工智能領(lǐng)域，知識圖是一種廣為人知且很有前景的關(guān)聯(lián)數(shù)據(jù)組織技術(shù)。它是描述概念及其關(guān)系的結(jié)構(gòu)化語義網(wǎng)絡(luò)。此外，知識圖可以提供基于規(guī)則或深度學(xué)習(xí)策略的推理和推斷能力，這些能力增強(qiáng)了預(yù)定義類中“實體”之間關(guān)系的含義。知識圖廣泛應(yīng)用于基于互聯(lián)網(wǎng)的應(yīng)用，如百科全書、社交網(wǎng)絡(luò)、在線金融系統(tǒng)和社會保障系統(tǒng)等。

與互聯(lián)網(wǎng)相關(guān)應(yīng)用程序中使用的一般知識不同，過程工業(yè)需要在化學(xué)工程、過程安全、過程控制、自動化和機(jī)械方面更加專業(yè)化。在這樣一個專業(yè)化的行業(yè)中，知識圖的實現(xiàn)不僅需要真實信息，還需要該領(lǐng)域的具體知識。知識建模通常是困難的，因此對特定領(lǐng)域的深刻理解至關(guān)重要。根據(jù)構(gòu)建任意領(lǐng)域知識圖的一般步驟(圖6)，過程安全知識圖的構(gòu)建大致可以分為三個階段：收集與過程安全相關(guān)的信息、知識融合和知識處理，如圖6所示。

圖6. 典型知識圖的技術(shù)架構(gòu)

(1)過程安全信息提取。知識圖的構(gòu)建從收集有關(guān)過程安全的信息開始，包括化學(xué)品、反應(yīng)、過程相關(guān)文檔、控制系統(tǒng)、機(jī)械信息和風(fēng)險相關(guān)信息。這些信息和數(shù)據(jù)的范圍應(yīng)該是廣泛和多樣化的，不僅包括結(jié)構(gòu)數(shù)據(jù)，而且包括用自然語言編寫的圖形、表格和文本。因為知識圖的主要目的是生成關(guān)聯(lián)數(shù)據(jù)，所以主要的挑戰(zhàn)是識別來自不同數(shù)據(jù)源的個體“實體”及其關(guān)系。這些過程通常被稱為實體提取、關(guān)系提取和屬性提取。

實體提取：實體提取是指從文本數(shù)據(jù)集中自動識別命名實體。它是信息抽取的最基本部分。它依賴于定義良好的本體模式來提取過程工業(yè)中特定的風(fēng)險相關(guān)因素。數(shù)據(jù)源通常包括操作手冊和維護(hù)表，以及管道和儀表圖(P&ID)、過程流程圖(PFD)。

關(guān)系提?。涸谝烟崛嶓w的前提下，第二步是確定實體之間的關(guān)系。這種關(guān)系通常采用語義信息或其他圖表的形式。在石化行業(yè)，有關(guān)因果安全方面的信息通常包含在過程危害分析文件中(如HAZOP、LOPA和SIL驗證文件)。確定這些因果關(guān)系通常需要對風(fēng)險有深刻的理解，或者至少知道產(chǎn)生危險的因素。

屬性提取：與過程相關(guān)的實體，如減壓閥，在不同的方面有不同的定義，包括材料和減壓設(shè)計。這些屬性也應(yīng)該提取，因為它們包含一些可以用來比較或建模的量化信息。

(2)過程安全知識融合。通過安全信息提取，可以對風(fēng)險因素及其相互關(guān)系進(jìn)行完整的描述。然而，這些結(jié)果可能包含許多冗余和錯誤。此外，數(shù)據(jù)之間的關(guān)系是平面的，缺乏層次結(jié)構(gòu)和邏輯。通過知識融合，可以自動或人工識別和消除概念的模糊性，消除冗余和錯誤。

(3)過程安全知識處理。知識融合后，可以消除實體的模糊性。接著，可以表達(dá)一系列基本事實。在過程安全實踐中，安全相關(guān)因素的分析是非常重要的。潛在的危險和事件的可能性應(yīng)該被識別和估計。為了實現(xiàn)過程危害的自動識別，應(yīng)應(yīng)用過程安全相關(guān)知識來描述每個特定化學(xué)過程的細(xì)節(jié)，包括過程、設(shè)備、可操作性和機(jī)制。應(yīng)將某些過程參數(shù)的偏差定為初始事件，并使用預(yù)定義規(guī)則和嵌入式知識來診斷觸發(fā)事件與下游過程之間的因果關(guān)系。知識處理應(yīng)該為自動安全分析提供這樣的能力。

知識處理主要包括三個方面：安全本體重構(gòu)、推斷和質(zhì)量評估。

安全本體重構(gòu)：本體是指對客觀世界中的概念進(jìn)行建模和描述的標(biāo)準(zhǔn)。本體以一種正式的方式明確地定義了某些領(lǐng)域的知識概念及其聯(lián)系。過程安全本體可以通過現(xiàn)有知識的頭腦風(fēng)暴初步構(gòu)建。一旦收集到足夠的關(guān)聯(lián)數(shù)據(jù)，就可以利用機(jī)器學(xué)習(xí)方法從數(shù)據(jù)共同特征中重構(gòu)出相應(yīng)的本體。

風(fēng)險關(guān)系推斷：推斷是指根據(jù)預(yù)定義規(guī)則或數(shù)據(jù)中已有的特征，發(fā)現(xiàn)現(xiàn)有實體之間的潛在關(guān)系。通過知識推理，可以從現(xiàn)有的實體網(wǎng)絡(luò)中發(fā)現(xiàn)或估計新的過程安全知識。現(xiàn)有的危害識別和分析方法已經(jīng)提供了各種偏差之間關(guān)于風(fēng)險度量和因果關(guān)系的信息。從理論上講，使用過程安全知識圖進(jìn)行推斷可補(bǔ)充識別未被識別的風(fēng)險相關(guān)因素，從而提高操作安全性或功能安全性。推理方法可分為兩類：基于邏輯的推理和基于圖形的推理。

質(zhì)量評估：這對于構(gòu)建流程安全知識圖也很重要。使用最先進(jìn)的知識提取技術(shù)，從數(shù)據(jù)中獲得的事實和知識可能仍然存在錯誤和干擾。自動知識提取和推理不能保證安全相關(guān)知識的質(zhì)量。在將新提取的數(shù)據(jù)與領(lǐng)域知識圖譜合并之前，需要進(jìn)行質(zhì)量評估，以評估新獲取數(shù)據(jù)的精度、查全率和F1分?jǐn)?shù)(精度和查全率的加權(quán)平均值)標(biāo)準(zhǔn)。

總之，知識圖提供了一種有效的方法來集成過程工業(yè)的相關(guān)信息。隱含在數(shù)據(jù)中的信息溝、數(shù)據(jù)發(fā)散、復(fù)雜關(guān)系表達(dá)等現(xiàn)有問題都可以通過知識圖來解決。

(二)使用貝葉斯網(wǎng)絡(luò)進(jìn)行風(fēng)險評估和決策

貝葉斯網(wǎng)絡(luò)是一種概率圖形模型，它使用有向無環(huán)圖來捕獲變量之間的概率關(guān)系，并捕獲變量的條件依賴關(guān)系。在過程工業(yè)中，風(fēng)險因素可以用概率關(guān)系與不同類型的異常和反常相關(guān)聯(lián)。

例如，假設(shè)焦?fàn)t(一個延遲焦化反應(yīng)器)內(nèi)存在反應(yīng)失控的可能性，考慮到反應(yīng)的危險性，需要分析5個主要的過程參數(shù)。這些參數(shù)是：①和②熱料的溫度和流量，③和④被加熱材料的溫度和流量，以及⑤爐管中的結(jié)焦度。所有這些參數(shù)都有不同的偏差概率。貝葉斯網(wǎng)絡(luò)能夠描述上述5個因素與失控反應(yīng)之間的復(fù)雜概率關(guān)系。該方法也可應(yīng)用于其他潛在事故及相關(guān)危險因素上?？紤]到準(zhǔn)確性，貝葉斯網(wǎng)絡(luò)中的參數(shù)應(yīng)該仔細(xì)調(diào)整以獲得良好的性能。因此，可以根據(jù)最大熵原理對基于現(xiàn)有先驗知識得到的參數(shù)進(jìn)行優(yōu)化，并使用極大似然法進(jìn)行估計。然后，貝葉斯網(wǎng)絡(luò)可以準(zhǔn)確地追蹤風(fēng)險因素。

如前所述，通過綜合分析數(shù)據(jù)，貝葉斯網(wǎng)絡(luò)能夠找到一個異常源來估計焦化爐是否會發(fā)生失控反應(yīng)。此外，利用過程安全知識圖提供的關(guān)聯(lián)數(shù)據(jù)，貝葉斯網(wǎng)絡(luò)可以針對不同的異常情況提供應(yīng)急解決方案。

(三)基于深度學(xué)習(xí)的事件預(yù)警

深度學(xué)習(xí)，也稱為深度結(jié)構(gòu)化學(xué)習(xí)，是機(jī)器學(xué)習(xí)的一個子類。它模仿人腦的功能，利用多層神經(jīng)網(wǎng)絡(luò)來解釋數(shù)據(jù)。在過程工業(yè)中，潛在事故的可能性通常隱含在流程監(jiān)控數(shù)據(jù)的波動中。

例如，向放熱反應(yīng)進(jìn)料的成分變化可能導(dǎo)致反應(yīng)器內(nèi)產(chǎn)生更大的熱量，從而縮小適用的操作窗口。因此，過程參數(shù)的波動可能超過安全限度，導(dǎo)致溫度迅速升高、反應(yīng)失控。如果上游機(jī)組的溫度/壓力升高與下游機(jī)組潛在的爆炸后果之間的關(guān)系在爆炸發(fā)生之前就已經(jīng)確定，則可以設(shè)計一個特定的預(yù)警功能。不幸的是，在現(xiàn)實中，流程監(jiān)控參數(shù)的數(shù)量太多，而參數(shù)變化與潛在風(fēng)險之間的隱含關(guān)系又太復(fù)雜，人類難以掌握。在這種情況下，深度學(xué)習(xí)可以用來識別潛在事故的模式和相關(guān)的參數(shù)變化。此外，如果可以獲得貼標(biāo)過程監(jiān)控數(shù)據(jù)、過程設(shè)備和人工操作的詳細(xì)信息，就可以從測量數(shù)據(jù)估計潛在事故的概率。帶標(biāo)簽的大數(shù)據(jù)是風(fēng)險識別、評估的深度學(xué)習(xí)及其相關(guān)技術(shù)的基礎(chǔ)。但是在實際情況中，從流程中收集到的大數(shù)據(jù)往往存在缺失數(shù)據(jù)和異常值，缺少經(jīng)過驗證的標(biāo)簽。因此，獲得的數(shù)據(jù)往往不夠充分，目前工業(yè)應(yīng)用中的事故預(yù)警主要依賴于專家經(jīng)驗和報警系統(tǒng)。

四、技術(shù)挑戰(zhàn)

雖然知識圖已經(jīng)在一些特定的行業(yè)中得到了應(yīng)用，但它在制造業(yè)中仍然是一種新的技術(shù)?？紤]到過程工業(yè)中復(fù)雜的安全關(guān)系，知識圖在過程工業(yè)中的實現(xiàn)仍然面臨幾個技術(shù)挑戰(zhàn)，如下所述。

(1)過程安全稀缺標(biāo)簽的知識獲取。稀疏采樣環(huán)境下的知識獲取是建立知識圖的常用步驟。當(dāng)將其應(yīng)用于過程工業(yè)時，由于化學(xué)過程的復(fù)雜性，可能會遇到一些困難。過程安全應(yīng)用是一個生命周期過程，它要求流程設(shè)計、設(shè)備、自動化和人工操作具有完美的功能。如果任何一個發(fā)生故障，事故就有可能發(fā)生。然后，為了構(gòu)建描述過程安全相關(guān)信息的知識圖，需要提供豐富的相關(guān)數(shù)據(jù)。但是，對于化學(xué)過程的生命周期來說，這些相關(guān)的數(shù)據(jù)往往在不同的領(lǐng)域，獲取這些跨學(xué)科的數(shù)據(jù)是很困難的。此外，在過程安全分析中，最有價值的數(shù)據(jù)是在異常情況和故障情況下，帶有標(biāo)簽的過程監(jiān)控的實時變化。然而，這些標(biāo)簽在過程安全分析的應(yīng)用中通常是不可獲得的。

(2)基于知識的過程安全推理。由于過程工業(yè)迫切需要降低風(fēng)險和安全操作，因此過程監(jiān)控、異常情況跟蹤和后果評估應(yīng)及時、可靠。知識推理可以揭示一些對人類來說不明顯的因果關(guān)系，從而為過程安全分析提供補(bǔ)充信息。目前，最好的知識圖推理方法已達(dá)到80%左右的準(zhǔn)確率;然而，這一水平對于過程安全分析的實際應(yīng)用是不夠的。應(yīng)改進(jìn)現(xiàn)有的知識推理技術(shù)或提出新技術(shù)，以滿足過程工業(yè)的安全要求。

(3)多源異構(gòu)數(shù)據(jù)的精確融合。在過程工業(yè)中，與過程安全相關(guān)的數(shù)據(jù)有兩種形式：靜態(tài)形式和動態(tài)形式。靜態(tài)數(shù)據(jù)包括不經(jīng)常變化的過程信息和相關(guān)的危害分析文檔，而動態(tài)數(shù)據(jù)主要描述時刻變化的過程狀態(tài)。然而，在實際應(yīng)用中，獲取的數(shù)據(jù)往往存在歧義，增加了獲取知識的難度。有兩種可能的解決方案，前者側(cè)重于數(shù)據(jù)預(yù)處理，后者強(qiáng)調(diào)基于領(lǐng)域的知識獲取，并對獲取的數(shù)據(jù)進(jìn)行知識融合。

(4)動態(tài)風(fēng)險評估和輔助決策的有效學(xué)習(xí)策略。知識圖提供了一種有效的方法來整合靜態(tài)知識和與石化過程安全相關(guān)的事實。在理想的情況下，化學(xué)過程中的因果關(guān)系應(yīng)該保留在不同實體之間的關(guān)系以及相應(yīng)的規(guī)則或公理中。雖然知識圖能夠從特定的偏差中進(jìn)行因果分析，但是適當(dāng)?shù)钠畋旧硗ǔ：茈y識別。過程監(jiān)控系統(tǒng)的實時數(shù)據(jù)是識別可能偏離正常狀態(tài)的必要條件。利用知識圖，需要合適的機(jī)器學(xué)習(xí)方法對異常情況進(jìn)行分類。然后，使用一個推理引擎，可以評估某個偏離初始狀態(tài)的動態(tài)傳播，并且可以為不同的結(jié)果識別多個事件鏈。最后，對每個事件鏈進(jìn)行動態(tài)風(fēng)險評估，做出最終決策。為了達(dá)到這一目的，需要在過程可靠性、設(shè)備故障模式和相應(yīng)的影響、操作程序等領(lǐng)域提供豐富的信息。令人遺憾的是，在實踐中，高質(zhì)量的數(shù)據(jù)遠(yuǎn)遠(yuǎn)不足以確保算法學(xué)習(xí)。挑戰(zhàn)在于處理小樣本數(shù)據(jù)。

五、目前及未來的工作

為了通過人工智能實現(xiàn)綠色制造，我們已經(jīng)開始了延遲焦化反應(yīng)過程安全知識集成的研究。目前的結(jié)果如圖7所示。圖中提出了一個集成的本體，包括延遲焦化過程中的設(shè)備、化學(xué)過程和化學(xué)物質(zhì)。在知識圖中，考慮了與過程安全相關(guān)的每個元素，包括過程參數(shù)的上下界、上下游關(guān)系、過程參數(shù)偏差的構(gòu)成。我們還專注于可視化與問答，并取得了相應(yīng)的結(jié)果，如圖7所示。實現(xiàn)可視化和問答的目的是提高人機(jī)交互能力，這是實現(xiàn)智能制造的重要組成部分。

圖7. 當(dāng)前和未來工作的框架

今后，我們將重點研究任意偏差及其對下游過程參數(shù)的影響之間的因果關(guān)系。初始偏差向下游傳播，形成事件樹，隨后對其進(jìn)行分析，以支持決策。其目標(biāo)是通過使用適當(dāng)?shù)倪^程監(jiān)控技術(shù)來識別異常情況，并通過自動跟蹤普通故障樹和事件樹來實現(xiàn)快速邏輯分析。此外，隨著知識圖中的集成數(shù)據(jù)的深度和廣度增加，在我們未來的工作中，將通過深度學(xué)習(xí)和貝葉斯網(wǎng)絡(luò)來實現(xiàn)事件預(yù)警、風(fēng)險跟蹤和輔助決策。

六、結(jié)論

本文詳細(xì)論述了綠色制造在過程工業(yè)中的重要性、現(xiàn)狀及面臨的主要問題。我們回顧了人工智能領(lǐng)域的幾個有吸引力的技術(shù)，包括知識圖、貝葉斯網(wǎng)絡(luò)和深度學(xué)習(xí)。這些技術(shù)為解決綠色制造中的主要問題提供了方法。在充分分析和討論的基礎(chǔ)上，論述了工藝安全面臨的具體技術(shù)挑戰(zhàn)。這些挑戰(zhàn)包括對稀缺錯誤數(shù)據(jù)的知識獲取和推理、異構(gòu)數(shù)據(jù)的精確融合以及早期預(yù)警和輔助決策。提出了應(yīng)對這些挑戰(zhàn)的可能途徑，并討論了相關(guān)成果。