以CPS（網絡-實體系統）為核心的智能化大資料創值體系

美國早在2006年就提出了cyber-physical system（cps）, 也就是“網絡-實體系統”（又譯為“虛拟-實體系統”或“資訊-實體系統”或“智能技術系統”等）的概念，并将此項技術體系作為新一代技術革命的突破點。同時，德國也提出工業4.0的核心技術是cyber-physical production system (網絡-實體生産系統)，也就是cps 技術在生産系統的應用。

cps的概念雖然看似很抽象，卻可以用日常生活常見事物來解釋。比如國内使用的滴滴打車，就是在網絡端将乘客和計程車的地理位置聯系在一起，将乘客的請求推送給距離較近的計程車，滿足的是乘客對于出行的“按需服務”. 又比如，當我們開車經過一個路段時，gps 自動提醒我們前方路段道路颠簸請減速，使用的是許多其他車輛的經驗和曆史資料，是自身的傳感所不能夠探測到的。是以在虛拟（cyber）世界中我們每個人都有一個數字化鏡像（digital twin），是我們現實生活的記錄和反映，這些數字化鏡像可以形成一個虛拟的社群，彼此共享資訊和協同活動，進而對我們現實的生活進行對稱性的指導和輔助。

同樣地，任何産品也可以存在于虛拟和實體兩個世界，如何在虛拟世界中将實體的狀态以及實體之間的關系透明化，正是cps技術誕生的目的和意義。基于cps技術的應用，使裝置具備了自省性（對自身狀态變化的意識，self-aware）、自我預測（self-predict）、自我比較（self-compare）、和自我配置（self-configure）的能力。未來産品例如機床、汽車、飛機、船舶等都應該會有實體與虛拟的價值結合，虛拟世界中的代表實體狀态和互相關系的模型和運算結果能夠更加精确地指導實體的行動，使實體的活動互相協同和優化，實作價值更加高效、準确、和優化的傳達。以cps在船舶上的應用為例，在實體世界中，船舶、海洋、環境、裝置、和船員構成了航行活動的主要要素，而在cyber端可以建立這些要素的關聯模型。當海洋的環境改變時，我們可以在cyber端分析洋流變化對船舶能耗的影響，再動态優化出目前最佳的轉速航和航行姿态，使船舶時刻保持最經濟的狀态航行。

從技術概念上講，cps是什麼？

cps不是一個簡單的技術，而是一個具有清晰架構和使用流程的技術體系，能夠實作對資料進行收集、彙總、解析、排序、分析、預測、決策、分發的整個處理流程，能夠對工業資料進行流水線式的實時分析能力，并在分析過程中充分考慮機理邏輯、流程關系、活動目标、商業活動等特征和要求，是以是工業大資料分析中的智能化體系的核心。

這裡給出以下幾個概念：

cps的定義

cyber-physical system，在衆多翻譯中，我們認為較為合理的是“網絡-實體系統”，即：從實體空間對象、環境、活動大資料的采集、存儲、模組化、分析、挖掘、評估、預測、優化、協同，并與對象的設計、測試和運作性能表征相結合，産生與實體空間深度融合、實時互動、互相耦合、互相更新的網絡空間（包括機理空間、環境空間與群體空間的結合）；進而，通過自感覺、自記憶、自認知、自決策、自重構和智能支援促進工業資産的全面智能化。

cps的内涵

cps實質上是一種多元度的智能技術體系，以大資料、網絡與海量計算為依托，通過核心的智能感覺、分析、挖掘、評估、預測、優化、協同等技術手段，将計算、通信、控制（computing、communication、control，3c）有機融合與深度協作，做到涉及對象機理、環境、群體的網絡空間與實體空間的深度融合。

“實體空間”vs. “網絡空間”

實體空間是構成真實世界的各類要素和活動個體，包括環境、裝置、系統、叢集、社群、人員活動等。而網絡空間是上述要素和個體的精确同步和模組化，通過模型模拟個體之間和與環境之間的關系，記錄實體空間随時間的變化，并可以對實體空間的活動進行模拟和預測。網絡空間的成長需要依靠實體空間活動所産生的大量資料，在cps的自成長體系下，網絡空間的價值和能力将不斷得到提升。是以，實體空間和網絡空間的關系是互相指導和互相映射的關系。

cps的特征

以cps為核心的智能化體系，正是根據工業大資料環境中的分析和決策要求所設計的，其特征主要展現在以下幾個方面：

智能的感覺：從資訊來源、采集方式、和管理方式上保證了資料的品質和全面性，建立支援cps上層建築的資料環境基礎。

資料到資訊的轉化：可以對資料進行特征提取、篩選、分類、和優先級排列，保證了資料的可解讀性。

網絡的融合：将機理、環境與群體有機結合，建構能夠指導實體空間的網絡環境，包括精确同步、關聯模組化、變化記錄、分析預測等。

自我的認知：将機理模型和資料驅動模型相結合，保證資料的解讀符合客觀的實體規律，并從機理上反映對象的狀态變化。同時結合資料可視化工具和決策優化算法工具為使用者提供面向其活動目标的決策支援。

自由的配置：根據活動目标進行優化，進而通過執行優化後的決策實作價值的應用。

從技術上如何實作：cps的5c構架

根據cps為達成智能化所應該具有的特征，我們在這裡給出一個在工業4.0環境下的cps技術體系架構，包括了5個層次的構模組化式：

智能感覺層（connection）

資訊挖掘層（conversion）

網絡層（cyber）

認知層（cognition）

和配置執行層（configuration）

智能感覺層（smart connection level ）

從機器或部件級，第一件事是如何以高效和可靠的方式采集資料。它可能包括一個本地代理（用于資料記錄、緩存和精簡），并用來發送來自本地計算機系統資料到遠端中央伺服器的通信協定。基于衆所周知的束縛、自由通訊方式，包括zigbee的藍牙、wifi、uwb等，以前的研究已經調查并設計堅固的工廠網絡方案來使機器系統更智能，是以，資料的透明性絕對是第一步。

資料到資訊轉換層，也即是資訊挖掘層（data-to-information conversion level ）

在工業環境中，資料可能來自不同的資源，包括控制器、傳感器、制造系統（erp，mes，scm和crm系統），維修記錄，等等。這些資料或信号代表所監視機器的系統的狀況，但是，該資料必須被轉換成用于一個實際的應用程式的有意義的資訊，包括健康評估和故障診斷。

網絡層，也即是網絡化的内容管理（cyber level ）

一旦我們能夠從機械系統收獲資訊，如何利用它是下一個挑戰。從被監控的系統中提取的資訊可表示在該時間點的系統條件。如果它能夠與其他類似的機器或在不同的時間曆程的機器進行比較，使用者能夠更深入了解系統的變化和預測任務狀态。這就是所謂的網絡層，通過網絡化的内容管理，建設對每一台機器系統的一流的知識基礎。

認知層，也即是識别與決策層（cognition level ）

通過實施cps的網絡層，它可以提供解決方案，以機器信号轉換為健康資訊，并且還與其他執行個體進行比較。在認知層面上，機器本身應該采取這種線上監測系統的優勢，以提前确診潛在的故障，并意識到其潛在的降解。根據曆史健康評估的适應性學習，系統可以利用一些特定的預測算法來預測潛在的故障，并估計到達故障的一定程度的時間。

配置層，也既是執行層（configuration level ）

由于本機可以在網上追蹤其健康狀況，cps可以提供早期故障檢測和發送健康監測資訊。此保養資訊可以回報給業務管理系統，使操作員和工廠管理人員可以基于維護資訊做出正确的決定。同時，機器本身可以減少機器故障的損失，并最終實作以彈性系統調整其工作負荷或制造時間表。

在這個架構中，cps從最底層的實體連接配接到資料至資訊的轉化層，并通過增加先進的分析和彈性功能，最終實作所管理的系統自身的自我配置、自我調整、自我優化的能力。

從cps技術體系來看，核心在于以資料分析的能力創造新的價值，是以，這也決定了cps技術的高可移植性、高通用性，應用範圍可以涉及工廠工廠中的房間、運輸系統、能源等各個行業。在這裡我們提出以cps為核心的資料創值體系的“二維”應用戰略：

三個橫向的應用基礎：一是平台基礎，即智能資料收集與平台運用；二是分析手段，即智能化的資料分析、管理、優化工具與軟體應用；三是商業模式核心，即智能管理及服務體系的設計與應用。

三個縱向的應用擴充：一是基礎的部件級應用，二是系統的裝備級應用，三是成體系的應用鍊設計。

而上述二維應用戰略可以用樹木與樹根在可見與不可見的關系示意：

cps在制造業的應用

分析cps如何在制造系統中産生價值，我們首先要分析的是physical 和 cyber在制造業中分别代表什麼，我認為，6m+6c的模式可以比較明确地闡述制造系統中physical和cyber的元素。

傳統的制造系統在前三次工業革命中主要在physical的領域中進行改善和競争，它包含了：

material——材料，包括特性和功能等

machine——機器，包括精度、自動化、和生産能力等

methods——方法，包括工藝、效率、和産能等

measurement——測量，包括六西格瑪、傳感器監測等

maintenance——維護，包括使用率、故障率、和運維成本等

傳統的制造業向智能化轉型的過程中，第六個m起到了至關重要的作用：

modeling——資料和知識模組化，包括監測、預測、優化和防範等。這也是打通physical 和 cyber的最重要連接配接。

未來的制造業産品一定是包含6m的，也就是，如何利用智能傳感與分析技術将5m過程中産生的工業資料連接配接并建立分析模型，即：企業即使不做材料也不做裝置，依然可以通過使用資料、維護資料等的分析實作價值創造。資料能夠反映出來問題，比如功能特性、生産工藝等等5m會涉及的各方面問題，假如有一整套模組化系統，能夠對每個裝置過去、目前及未來性能進行完整的分析，那麼這就能夠滲透全壽命周期的決策鍊與價值鍊，其能量可想而知。

随着智能傳感器技術，如rfid技術的發展，收集資料已經變得很簡單，但是仍然存在的問題是，這些器件及資料是否在正确時間、為正确的目的、提供給正确的人正确的資訊？除非資料被處理後可為需要者提供内容和意義，否則這些資料也是無用的。單純将傳感器連接配接到裝置上或者将一台裝置與另一台進行連接配接，是不會給使用者提供足以做出更好決策所需的資訊的。

為了使傳感器、裝置、群體乃至社群網絡等之間的聯接更有意義，到底該如何擷取并從資料分析中萃取洞察力和價值呢？這就離不開cyber系統中的“6c”元素，即：

connection —— 連接配接，涉及傳感器和網絡、物聯網等；

cloud —— 雲，即在任何時間按需擷取的存儲和計算能力；

cyber —— 虛拟網絡，包括模型與記憶等；

content/context —— 資料來源背景與内容，包括相關性、含義、決策等；

community —— 社群，包括互動、分享、協同等；

customization —— 客制化，即個性化的服務與價值。

這些正是可以對工業4.0環境下的智能制造與智能使用系統模式開展進一步的強化說明。也就是說，現有的制造系統需要對制造裝置本身的以及制造過程中産生的資料進行更深入的分析，将資料轉化成為能夠指導生産活動的資訊，再利用資訊産生優化的決策和個性化的服務來創造價值。

如果用煎蛋模型來審視cps與制造業的關系，那麼以6m為核心要素的“physical”部分就是蛋黃，是整個制造系統價值的基礎和載體。而以6c為核心要素的“cyber”部分就是蛋白，是整個制造系統價值的創造和分發。利用cps從生産活動的大資料中挖掘新的知識，實作無憂的透明化生産環境，是制造業未來的核心競争力。

總而言之，整個cps的5c體系所要傳遞的概念就是如何從工業大資料中創造面向客戶的價值過程。

首先，先進的傳感器技術、通信技術、物聯網技術等等可以使得大量原始資料的擷取并非難事，然而，有了資料并不代表一定就能産生價值。一種是資料的利用程度，比如，很多營運型企業會存儲大量的裝置使用資料，裝置出現問題時才會檢視當時的資料是否出現了異常、并且隻用于處理當下的問題，這樣，大量的使用資料被浪費，實際上如果能通過一個統一的平台分析、預測資料的關聯，就可能避免不必要的問題或浪費；另一種是資料的可用程度，即有可能我們采集到的資料90%以上都是無用的資料，而技術人員需要花費大量時間進行資料處理，是以，這實際上對于感覺資料的采集與存儲提出了新的要求。

第二，就算有了可利用的資料，也必須能夠轉化為有用的資訊。這種資訊的轉化，類似于人的記憶過程，即人之是以有記憶，并非單純感覺到實體世界的資料存儲，或者是實體世界鏡像的映射，而是通過篩選、存儲、關聯、融合、索引、調用等形式将資料變為對人有用的資訊，這是人類思維與行為的基礎。是以，在cps的架構下，能夠按照資訊分析的頻度和重點重新進行自适應的、動态的“資料-資訊”轉換，并解決海量資訊的持續存儲、多層挖掘、階層化聚類調用，進而達成資料到資訊的智能篩選、存儲、融合、關聯、調用，才是有效的資訊提取過程。

第三，就是如何能夠從資訊當中産生價值。單一資訊源産生單一價值，這是過去的概念；如今的工業4.0時代需要解決的核心問題是，關注實時的動态過程中，以多源資料的多元度關聯、評估、預測，實作多問題、多環節乃至全産業鍊的協同優化。

預期到2030年，傳統的生産系統将轉型成為生産智能産品的智慧工廠，未來的工廠将實作具備自省性、自預測性、自比較性和自重構能力的無憂生産環境。然而，在邁向工業4.0時代以前，諸多的關鍵技術需要我們持續不斷地研究，現有的生産基礎設施也需要不斷更新以應對工業4.0的新标準。物聯網+智能分析平台+務聯網的大資料創值體系還需要不斷完善，尤其是填補智能分析平台中的技術缺口。建構cps系統的工具、技術和方法也需要不斷改進。如何通過捕獲智慧工廠和智能産品兩方面的大資料，運用先進的大資料分析方法建立實體裝置與産品的鏡像模型，并利用鏡像模型産生的資訊對實體進行對稱化的内容管理和提供創值服務，将成為未來競争力的核心。如果中國制造能夠成功運用網絡內建的資料分析，實作工業化與資訊化的深度融合，将強力推進中國提升全球競争力、開拓全新的市場機遇。

本文轉自d1net（轉載）