水泥行业智能化发展概况及介绍
随着科学技术不断进步，近几年5G网络已在水泥行业得到实际应用，并取得了不错的成果。国内水泥厂利用5G网络和工业互联网实现了无人矿山、无人机巡检、智能巡检机器人等技术应用，推动了整个水泥行业的智能化发展。
人工智能是当今非常热门的行业话题，更是各个企业竞争力的角逐地，目前水泥行业涉及的人工智能还处于初步应用和探索阶段。最近美国人工智能研究实验室新推出了一种人工智能技术驱动的自然语言处理工具，即GPT-3.5架构，它是建立在生成型预训练变换器3（ Pre- 3，简称GPT-3）之上衍生发展出来的，加入了人类反馈强化学习（ from Human ，简称RLHF）去训练变成，其进化过程如图1所示。
图1 GPT-3进化过程
GPT-3的目的是为了深度学习生成人类可以理解的自然语言，目前GPT-3的神经网路包含1 750亿个参数。GPT-3.5与GPT-3最大的差别在于GPT-3主要扮演一个搜集资料的角色，较单纯地使用网络上的资料进行训练，而GPT-3.5则是由GPT-3基础上增加RLHF微调衍生出来的版本，比GPT-3更强大，再配上过滤器或安全锁机制确保GPT-3变换器成为输出内容是客观的、无偏见的、安全和翔实的语言工具。
正因为配有强大的语言生成能力、巨量的基础世界知识、高级的学习模型，可以和人类几乎无异的聊天场景进行交流。不是简单的聊天机器人，还能进行撰写邮件、脚本、文案、翻译、代码等任务。
如此强大的工具会为今后各行各业带来重大变革，仅水泥行业来说，该工具可以在水泥厂多个领域进行探索研究其应用的可行性，本文仅列举控制领域、管理领域和诊断领域进行探讨，引入水泥行业的应用领域如图2所示。
图引入水泥行业应用领域
在水泥行业的应用展望
整个工厂控制系统可以实现无人值守。现有自动化公司推出的水泥厂专家控制系统大多是采用模糊控制器、专家知识库、数据库等配合一定算法实现的。专家控制系统的原理本质是设计一系列分段的、不连续的控制方法，然后通过某种算法，将这些分段点附近不连续的部分经过一个光滑过渡，再把这些分成一段一段的控制方法衔接成一个连续的控制方法。作为一种多变量的控制技术，通过模糊控制系统把难以被明确表达的控制问题转化成更加易于表达和计算的模糊规则算法，以便提高系统操作效率和精度。但本身这项技术存在不少问题待处理，例如复杂模糊控制系统内部的算法冲突、输入空间的分割过多问题、控制参数自适应等问题。
另一方面因专家控制系统输入端和输出端变量的不可预测改变，超出了控制系统正常允许的范围，则需要花费时间进行人工重新配置调整参数，或者更新控制模型代码并重新调试，会导致控制系统暂时下线转为常规人工控制操作方式，待控制系统进行改造调整升级后恢复上线控制。而引入之后，设想经过软件编程人员训练后，能够自我更新控制模型代码，并在模拟环境下进行仿真调试，快速完成控制算法代码迭代升级，缩短专家控制系统的离线时间，或者能够实现在线无扰动升级以适应控制系统因输入端和输出端变量异常变化带来的宕机的问题。
当专家控制系统离线或因异常情况下不可使用的时候，DCS系统可考虑植入模型进行模拟操作人员控制，用专家控制系统的知识库作为的学习模型培训材料，进行解释推理。另外与操作人员面对面进行语言交互培训，让从交流中学习操作知识和认知正确的操作步骤，操作人员提出操作过程问题，来检测回答内容是否正确，矫正其错误地方，并借助其自身的RIHF训练方法，根据操作人员的反馈，保证对无益、失真或偏离信息的最小化输出。同时将这些训练正确内容合并到专家知识库内，不断完善知识库的内容，经过训练后形成虚拟的人类操作人员，即AI（人工智能）操作人员上线替代人类操作人员进行无差别地操作DCS系统。
水泥行业的控制领域引入语言模型通过四个阶段进化出AI操作人员模拟操作人员对DCS系统操作，模拟编程人员对专家控制系统代码进行维护升级。
1）第一个阶段是通过学习模型，引入海量操作人员数据并融入专家知识库，通过的方法（一种预训练的模型方法）实现认知决策的可控可解释。
2）第二个阶段是将和人类操作人员的面对面交互问答学习，作为AI操作仿真训练，并将每一个问答信息汇集到专家知识库。
3）第三个阶段是在操作人员监督管理下将引入，真实接管操作人员操作，在其中尝试使用RLHF。一般来说，操作人员的每一次接管，都是对人工智能AI操作策略的一次人为反馈，这个接管数据可以被简单当成一个负样本来使用，就是AI操作决策被纠正的一次记录。同时也可以被当作改进认知决策的正样本来学习。
4）第四个阶段引导向编程人员学习并掌握专家控制系统算法代码，在控制系统模型出现任何外部输入量或内部输出量变量异常变化后，能够快速实现控制系统算法代码自我迭代更新升级，恢复控制功能，确保专家控制系统正常运行。
通过上述四个进化阶段构建了一个模拟人类的AI操作人员（见图3），基于这个新型的模式，AI操作人员可以使用DCS系统对全厂设备进行控制操作，在各种工况下做出最优的决策操作，同时可以进行专家控制系统代码维护修缮工作。
图3 进化示意图
水泥厂配套的磨专家控制系统，由于磨系统喂入原料成分的改变，使得专家控制系统不能正常自动控制，必须退出专家控制系统，切换到操作人员直接手动控制磨系统设备，同时软件编程人员根据外部变量变化信息修改调整控制系统的代码，并经过调试验证后恢复磨专家控制系统上线。如果经过培训后引入AI操作人员，当磨系统的原料出现改变，专家控制系统无法正常运行时自动地切换到AI操作人员上线操作，保证磨系统正常连续工作，同时快速修改专家控制系统代码，通过仿真测试，再次切换到磨专家控制系统接管运行。若以上方法还无法满足正常运转的要求，再切换成操作人员或编程人员接手处理，甚至需要工艺工程师进行工艺过程计算分析，实施工艺设备改造来达到磨系统的正常运行。操作人员或其他人员接管处理也是对AI操作人员策略的正向反馈，作为一次正向学习经验录入到专家知识库内。
将各种设备的使用手册、维护手册等信息汇集到设备知识库，并将每一次设备出现问题寻求设备厂家售后服务人员诊断的全过程信息录入设备知识库，以供学习，采用与控制领域相同的训练方式，可以培养出AI诊断人员，可对出现问题的设备提供相应的诊断和解决方案，以减少等待设备厂家处理时间。
结束语
在不久的将来，新一代人工智能驱动语言会应用到水泥行业各个领域，使得原来的控制系统功能更加强大，控制算法更趋近完善，从而真正实现自动分析、决策、学习和成长，使人工智能无限接近操作人员意识，辅助管理人员的日常工作和提供决策方案，协助工程师诊断设备的问题并给出解决方案。新一代人工智能技术融合到水泥行业，有利于推动水泥行业的智能化发展。
往期回顾
相关文章
