2.1　CPS的产生背景

2.1.1　从工业3.0时代的控制论到工业4.0时代的分布式人工智能

在谈及历次工业革命的时候，人们的目光常常被一些耀眼的技术所吸引，会不自觉地将工业革命与技术革命等同在一起。但实际上，在技术革命的背后，一定有着科学革命的支撑。往往是科学的理论、概念、规范，或者说是范式或模式的突破，推动了技术革命。

系统论、信息论、控制论（三论）是第二次世界大战后诞生的一组新兴学科，为第三次工业革命提供了新思路和新方法。而这一次关于工业4.0的第四次工业革命在其背后同样可以找到这三论的影子。

多年以来，系统论是我们管理和经营企业时所遵循的方法论，它将世间万物分为三种系统：

·简单系统：特点是元素数目特别少，因此可以用较少的变量来描述。简单系统又是可以控制的、可以预见的、可以组成的。在管理学中，这种组织一般出现在组织的初期，比如一个团队，抱着同样的目的，有同样的背景，组成了一个简单系统；又如，排成一列的买票的长队也是一个简单系统。

·随机系统：特点是元素和变量数很多，但其间的耦合是微弱的或随机的，即只能用统计的方法去分析。热力学研究的对象一般就是这样的系统。这样的系统在社会中不多见，但是彩票就是随机系统的一个很好的例子。

·复杂系统：特点是元素数目很多，且其间存在着强烈的耦合作用。复杂系统由各种小的系统组成，例如生态系统就是由各个种群、各种生物组成的。生态系统是复杂系统的一个最好的例子。管理学中，经常把一个公司看作复杂系统，它兼有简单系统和随机系统的各种特征。如图2-1所示，复杂系统往往具有复杂的网络和结构。制造企业及其所处的市场，无疑就是一个典型的复杂系统。

复杂科学是研究复杂性、复杂系统的科学，是近年来系统科学发展的新阶段。复杂系统是一个很难定义的系统，但可以这样试着去定义它，它具有两个主要的特点：

·智能性和自适应性：这意味着复杂系统内的元素或主体的行为遵循一定的规则，根据“环境”和接收信息来调整自身的状态与行为，并且主体通常有能力根据各种信息调整规则，产生以前从未有过的新规则。通过系统主体的相对低等的智能行为，系统在整体上显现出更高层次、更加复杂、更加协调职能的有序性。

·局部信息，没有中央控制：在复杂系统中，没有哪个主体能够知道其他所有主体的状态和行为，每个主体只可以从个体集合中的一个相对较小的集合里获取信息，处理“局部信息”，做出相应的决策。系统的整体行为是通过个体之间的相互竞争、协作等局部相互作用而涌现出来的。最新研究表明，在一个蚂蚁王国中，每一个蚂蚁并不是根据“国王”的命令来统一行动，而是根据同伴的行为以及环境调整自身行为，从而实现一个有机的群体行为。

另外，复杂系统还具有突现性、不稳性、非线性、不确定性、不可预测性等特征。

工业4.0所面对的一系列复杂的商业问题（如第1章提到的大规模定制）无疑是一个复杂系统。随着对复杂系统的深入研究，使得人们相信系统是可以自组织的，一个系统可以自己调整到最佳状态，就像人体可以自己调控。在很多领域，这种理论对于自上而下式的设计原则来说是个很大的打击。

传统的制造行业解决方案总是试图将制造企业定义为一个简单系统，进行集中控制，这也是传统的控制论的主要思路，它具备4个特征（见图2-2）：

·要有一个预定的稳定状态或平衡状态，如生产节拍。

·从外部环境到系统内部有一种信息的传递机制，例如对设备状态的监控。

·具有一种专门设计来校正行动的装置，例如对设备的调整。

·这种系统为了在不断变化的环境中维持自身的稳定，内部都具有自动调节的机制，例如全局生产管控。

这样一种基于传统控制论的制造过程管理方式，在工业3.0的时代，配合计算机技术和网络技术，已经发展到了顶峰。在设计工厂和业务的时候，人们总是“尽可能详尽地预先定义所有的流程”，包括正常运行的流程，也包括意外处理的流程，从而让所谓的“中央业务处理流程”变得极为复杂，也极不稳定。面对日益复杂的制造需求和一些经常充满矛盾的业务需求，这一制造过程管理方式经常显得力不从心，其优化提高的空间已经十分有限。

工业4.0与工业3.0相比，其背后的理论技术是分布式人工智能领域的CPS技术。近年来，随着分布式人工智能研究的深入和应用，CPS成为研究应用的热点。按照CPS的理论，“权力的分散和自我组织的程度与系统的复杂性呈正相关性”，也就是说系统越复杂，就越需要通过权利分散和自我组织的分布式控制系统来实现（见图2-3）。通过这种自组织的分布式控制，可以大幅度地对现有的制造过程进行优化。

CPS在企业中的应用不仅仅局限在车间中。将来，企业将建立全球化的网络，并将它们的机器、仓储系统和生产设施都纳入CPS中。在这样一个新的制造环境中，这些CPS（包括了智能的机器、仓储系统和生产设施）相互之间可以进行信息交换，独立地触发相应的动作和控制。这种做法可以给企业的工业流程，如制造、工程、材料使用、供应链、生命周期管理等带来根本性的改进。

显然，CPS的理论与人工智能的研究密不可分，而机器人则是最能代表人工智能研究和应用水平的标志。事实上，随着工业4.0浪潮的兴起，人们发现，机器人成为受到最多关注的产业版块。实际上，机器人的研究与CPS的确有着密切的联系。

2.1.2　人工智能与机器人的研究进展

人工智能（Artificial Intelligence，AI）就是对人的意识、思维过程的模拟。人们对于人工智能的应用很容易联系到人工智能机器人身上去。事实上，机器人一直以来都是科幻小说的热门话题。在这里，不得不提到艾萨克·阿西莫夫（Isaac Asimov）这位伟大的科幻小说家，他在小说中描绘了一个又一个机器人的帝国，而那时机器人还远未诞生。《星球大战》甚至《阿凡达》的创作都从他的作品中汲取了灵感。1942年，阿西莫夫在书中提出了著名的“机器人三定律”（见图2-4），即：

·第一法则：机器人不得伤害人类，或坐视人类受到伤害。

·第二法则：除非违背第一法则，机器人必须服从人类的命令。

·第三法则：在不违背第一及第二法则下，机器人必须保护自己。

1956年夏季，在美国的达特莫斯大学，由达特莫斯大学助教麦卡锡、哈佛大学明斯基、贝尔实验室香农等发起，卡内基·梅隆大学纽厄尔和赫伯特·西蒙、IBM公司塞缪尔等参加，举行了为期两个月的“如何用机器模拟人的智能”的学术研讨会上，首次提出了人工智能“AI”的术语。这些与会者成为最早的一批研究者，而这一事件也被广泛承认为“AI”诞生的标志。

1959年，美国的发明家英格伯格和德沃尔两人制造出世界上第一台工业机器人，宣告机器人从科学幻想变为现实。随后，他们成立了世界上第一家机器人制造工厂——Unimation公司。由于英格伯格对于工业机器人的研发和宣传，他也被称为“工业机器人之父”。

机器人在迈向工业4.0应用之前，走过了一段漫长的发展道路。目前人们普遍认为，机器人有三个发展阶段。

第一阶段叫作示教再现型机器人，又称为可编程机器人。它其实就是一台通过计算机来控制多自由度的机械，即通过事前的示教或编程，存储相应的程序和信息，工作的时候再把信息读取出来，并转化为指挥机械运动的指令，这样的话，机器人就可以重复地根据人当时示教的结果，再现出这种动作（见图2-5）。最常见的就是汽车生产过程中的点焊机器人，只要把这个点焊的过程示教完成之后，它就会一直重复这一工作，它对于外界的环境是没有感知的。被焊接的车身是否存在、焊接得是好是坏，它都不知道。这一代机器人从20世纪60年代后半期开始投入使用，在各界得到了广泛的采用。

鉴于第一代机器人存在的缺点，出现了第二阶段的机器人，即感知机器人或自适应机器人。这种带感觉的机器人模仿和实现了人在某种功能上的感觉，比如说力觉、触觉、滑觉、视觉、听觉，与人进行类比，相当于有了各种各样的感觉。比方说在机器人抓一个物体的时候，它实际上能感觉出力的大小，并能够通过视觉去感受和识别物体的形状、大小、颜色。1965年，约翰·霍普金斯大学应用物理实验室研制出Beast机器人（见图2-6）。Beast已经能通过声纳系统、光电管等装置，根据环境校正自己的位置。图2-6右侧部分是用于物料搬运的机器人，它可以通过二维和三维视觉制导高效、准确地将产品从一个位置移动到另一个位置。即便是产品的摆放位置各不相同，机器人也可以识别出来，并用正确的姿势进行拾取、搬运与摆放。

目前，对机器人的应用研究发展到了第三阶段，即智能机器人。对于智能机器人来说，只需要告诉它做什么，不用告诉它怎么去做，它就能完成动作。无疑，这是最理想的机器人，它目前正处在研究当中，而一些适应特定场景的智能机器人已经研制出来了。如图2-7左边所示，1999年，日本索尼公司推出犬型机器人爱宝（AIBO），它具有简单的智力，不仅能够听懂简单的英文，还能通过身上的传感器对主人“察言观色”，不仅可以走动，还能像真的小狗一样玩耍。如图2-7右边所示，2002年美国iRobot公司推出了吸尘器机器人Roomba，它能避开障碍，自动设计行进路线，还能在电量不足时，自动驶向充电座。Roomba是目前世界上销量较大的家用机器人。

在制造行业，对机器人的应用除了前面提到的单个应用场景下（如焊接、搬运等）的单个机器人，还开始向多机器人系统的智能协同方向发展，希望能够让一组机器人自主地或者是与员工一同完成一些不同的或者是精巧的/繁重的/耗时的工作。这时，既要研究一台机器人的行为，如图2-8所示的机器人主体，还要研究多台机器人（包括人在内）的相互通信与沟通，如图2-8中所示的机器人组。它们构成了一个机器人多智能主体系统，同时相互之间通过高速的网络进行连接和数据交换，这就是后文介绍的CPS的前身——智能主体研究中的多智能主体的应用。目前，在一些行业里，这种协同机器人已经开始得到应用。例如梅赛德斯-奔驰的车间里已经实现了多达15台机器人共同工作的协同工作组。人们预计在未来的白车身焊装车间里，将会出现由8~12台机器人组成的单元，它们可以相互配合工作，对车身进行搬运、传递和焊接。

此外，通过人-机器人协同（Human Robot Cooperation，HRC），人和机器人之间可以建立一种相辅相成的关系，机器人可以被更好地训练成人类的得力助手，与此同时，人也在操控机器人的过程中掌握了有价值的科技技能，可以实现更高柔性的、更有效率和质量的生产（见图2-9）。

2.1.3　CPS研究的前身——智能主体

在人工智能的研究过程中，智能主体（Agent）是研究热点，它也是CPS研究的前身之一。智能主体又称为智能软件主体，是一种自治的软件系统。自治主体是一种系统，它处在一定的环境中，同时又是环境的一部分。它能够持续地按照自己的进程，感知环境并作用于环境，从而影响其以后对环境的感知（如图2-10所示，它颇像一台机器人）。

从这个定义来看，自治主体至少应该具备以下4种属性：

·反应能力（Reactive）：能够感知环境变化，并做出实时的反应。

·自治能力（Autonomous）：运行时不直接由人或者其他物体控制，而是自己对自己的行为和内部状态有一定的控制权。

·面向目标的自发行为能力（Goal-oriented Proactive）：不仅可以对环境的变化被动地做出反应，而且能够根据自己的目标，自发地产生行为。

·持续性（Temporally Continuous）：能够在相当长的时间里持续地工作，尽管它有的时候会进入休眠状态，但是依然会保持对环境的反应能力并保存各种内部状态。

顾名思义，多智能主体系统（Multi-Agent System，MAS）是由多个智能主体构成的松散网络，正如上文提到的机器人组。其中，这些主体相互作用，从而解决由于单个主体能力或知识上的不足而导致的无法解决的问题。显然，MAS的最大挑战在于如何让所有的主体在高度不确定且动态变化的环境中协调一致地工作，因此，协调是多智能主体系统的核心问题。

从本质上讲，协调是一种行为过程，目的是避免MAS中的单个主体的冲突，并使它们通过合作完成整体任务，提高系统工作效率。总的来说，MAS中的协调方案可以大致分为以下几类：

·组织型协调：通过预先制订的组织结构，间接地规定了不同主体的责任、能力以及它们之间的连接方式和控制流程，从而给主体提供相互作用的框架。通常，系统的结构是层次状的，全局控制主体将问题细化并分给下一级的主体，然后问题又被一级级地分解细化，最终的结果则一级级地向上汇总。

·契约型协调：采用类似于市场竞标的机制，管理者将问题进行分解，并寻求理想的契约方来完成。契约方既可以自己完成任务，也可以将问题进一步分解，然后分配给其他的契约者。

·多主体规划型协调：每个主体进行单独的规划，然后将结果提交给一个仲裁者协调或通过相互交流，以避免各自计划的冲突或优化各自的计划。

·社会制度型协调：通过制定所有主体都遵循的规则来协调主体的行为，就如同城市通过制定交通规则来管制交通一样。

·谈判型协调：这是一种模仿人类通过谈判来实现协调的方法。谈判是一群主体为了就某事达成相互都可以接受的协议而进行交流的过程。

这些协调方案在基于CPS的系统中都会有类似的应用。 7MEdv8WC1aQN2y3NyW9QzaClC/cUq5eht2a4ABYsN1pfV1lX7cI7Xnemw5X2sQW6