複製鏈接
請複製以下鏈接發送給好友

賽博物理系統

鎖定
賽博物理系統CPS(Cyber-Physical Systems),一個包含計算、網絡和物理實體的複雜系統,通過3C(Computing、Communication、Control)技術的有機融合與深度協作,通過人機交互接口實現和物理進程的交互,使賽博空間以遠程、可靠、實時、安全、協作和智能化的方式操控一個物理實體。 [1] 
Cyber應該的含義有:控制、通訊、協同、虛擬;而這些含義中都包含了計算。
中文名
賽博物理系統
外文名
Cyber-Physical Systems

賽博物理系統CPS源自軍方推動

由於太空探索經常需要派無人飛行器執行各種危險的任務,因此NASA在1992年率先提出並定義了CPS(Cyber–Physical Systems)的概念。其後這個概念因為一個危機事件而被美國政府高度重視。由於CPS技術可以讓士兵在安全的軍事基地中遠程控制各種武器裝備執行危險的作戰任務,大大降低部隊的傷亡,因此很快引起美國國防部(DoD)的重視。2006年美國國家自然科學基金會(NSF-The US National Science Foundation)的海倫、吉爾把CPS(賽博物理系統)定義為:“賽博物理系統是在物理、生物和工程系統中,其操作是相互協調的、互相監控的和由計算核心控制着每一個聯網的組件,計算被深深嵌入每一個物理成分,甚至可能進入材料,這個計算的核心是一個嵌入式系統,通常需要實時響應,並且一般是分佈的。”在美國國防部的推動下,美國將CPS技術從太空探索引入到軍事領域,其無人機作戰系統能夠在軍事基地控制數千公里外的無人機,對目標進行偵察、打擊,很大程度上得益於美國無人機系統利用CPS技術隨時獲取了所需要的地空信息,在軍事基地的控制端就可以對無人機偵察、打擊所需要的各種要素進行評估,並進行了數字化的展示,這就是CPS在軍事領域的具體應用成果。
2005年5月,美國國會要求美國科學院評估美國的技術競爭力,並提出維持和提高這種競爭力的建議。5個月後,基於此項研究的《站在風暴之上》報告問世。在此基礎上於2006年2月發佈的《美國競爭力計劃》則將賽博物理系統(Cyber-Physical Systems,CPS)列為重要的研究項目。
2006年美國國家自然科學基金會(NSF)將CPS技術列為其重要研究項目開展研究。2007年7月,美國總統科學技術顧問委員會(PCAST)在題為《挑戰下的領先——競爭世界中的信息技術研發》的報告中列出了八大關鍵的信息技術,其中CPS位列首位。
等到2013年德國工業4.0開始大熱,做為其基礎支撐理念的CPS則受到廣泛關注,這個詞已經徹底成為“製造業明星詞”了。

賽博物理系統應用的重點領域

CPS因為控制而興起,由於計算而發展壯大,藉助互聯網而普及應用。飛機,特別是無人機(很多場合甚至直接叫做空中機器人),就是CPS應用的重點領域之一。無人飛機具有非常完整、強大的基於計算機的控制系統;是一個具有高度智能的產品。飛機上安裝了大量計算機之後,每台計算機各司其職,隨時處理大量的內部和外部信息。對外部信息如:機場塔台指揮、航線、氣像、高度、空速、到達目的地時間等;而內部信息則包括飛機質量質心變化、機翼機身温度和積冰、發動機燃油消耗、温度火災巡檢報警等作實時監測。這些都是狀態感知,當把數以千計的狀態數據採集送到計算機後,可以按照設定好的算法進行實時的綜合分析計算,給出最優的飛行數據(這是機器自主決策),通過賽博系統反饋給飛機的各個飛控設備(這是機器精準執行),控制飛機的空中姿態始終處於最好的狀態;與此同時,綜合後的信息發送給地面的飛行控制人員,在飛行控制人員面前的大屏幕液晶顯示器上展現,特殊情況或者緊急情況直接由飛行控制人員直接介入,由人工直接決策。這樣,以前無人機飛行全部靠地面飛行控制人員完成的工作,已經基本上靠計算機完成了,而且這個過程不斷演變,人的工作越來越少,越來越輕鬆。在飛機上強大的計算機的支持下,飛機達到了高度智能的狀態,計算機可以瞬間完成飛行員無法在短時間內完成的計算工作,讓飛機更加安全可靠。
從產業角度看,CPS涵蓋了小到智能家庭網絡,大到智能交通系統、工業控制系統等應用。更為重要的是,這種涵蓋並不僅僅是比如説將現有設備簡單地連接,而是要催生出眾多具有計算、通信、控制、協同和自治性能的設備。回到智能製造系統中來,CPS內容博大精深,它大到包括整個工業體系,小到一個簡單的PLC控制器,這些是一切智能系統的基礎——不能正確理解CPS,就很難完整地理解智能製造。 [1] 
我國推進智能製造的進程中,一定要重視CPS的核心作用;同時也要認識到,根據人工智能的進展,技術儘管很重要,但是“人”仍然是整個智能製造的最為重要的因素。只有把人整體地融入到賽博物理系統中,有機結合在一起,才能提升我國製造業的整體發展水平。
中國企業在這輪的轉型升級浪潮中,將一些複雜的高附加值的產品CPS化(如遠程監測系統、設備健康維護管理系統、等)是一個可行的方向,而對於製造過程,需要根據行業的裝備水平、傳感水平、投入產出來確定哪些生產資源可以進行CPS化(改造),然後分步實現生產過程的智能化轉型升級。

賽博物理系統CPS與各系統的關係

CPS是多學科的融合,涉及跨學科的理論,將控制論的基本原理,機電一體化設計,設計與流程科學融合在一起。控制系統:如今基於嵌入式系統的工業控制系統遍地開花,但是這些控制系統基本是封閉的系統,網絡內部各個獨立的子系統或者説設備很難通過開放總線或者互聯網進行互聯,而且通信的功能比較弱。CPS則強調與外界的互聯,包括通過互聯網進行信息的採集和傳遞。由於CPS包含控制的思想,其算法有別於傳統的控制算法,更高級的人工智能算法應用也在其中。
一、嵌入式系統:在嵌入式系統中,重點往往是更多的計算單元,在計算單元和物理單元之間的強交互更少。CPS也類似於物聯網(IoT),有相同的基本架構,然而,CPS對物理和計算單元之間的交互提出較高的結合和協同。不同於傳統的嵌入式系統,一個完整的CPS通常設計為一個相互作用的元素的物理輸入和輸出,而不是作為獨立的網絡設備。並且隨着科學和工程的不斷推進,採用智能機制將明顯提高計算單元和物理單元的聯繫,大大提高了CPS的適應性、自主性、效率、可靠性、安全性、功能性和可用性。
二、物聯網:流行的觀點CPS包含物聯網。實際上,從二者是從不同的角度來描述物理世界和虛擬世界的融合系統(Digital Twin),物聯網是其外在表現形式,CPS是其技術內涵。CPS強調循環反饋,要求系統能夠在感知物理世界之後通過通信與計算再對物理世界起到反饋控制作用。二者為一體兩面。而從計算性能的角度出發,把一些高端的CPS應用比作胖客户機/服務器架構的話,那麼物聯網則可視為瘦客户機服務器,因為物聯網中的物品不具備控制和自治能力,通信也大都發生在物品與服務器之間,因此物品之間無法進行協同。從這個角度來説物聯網可以看作CPS的一種簡約應用 [1] 
三、工業互聯網:從本質內容來看,CPS等同於工業互聯網。CPS與工業互聯網的本質都是基於傳感器、處理器、執行器、信息網絡、雲計算、大數據將現實的物理世界映射為虛擬的數字模型,通過基於高級算法的大數據分析,將最優的決策數據反饋給物理世界,優化物理世界運轉效率,提升安全水平。從應用領域來看,CPS涵蓋工業互聯網。工業互聯網強調的是對工業生產系統的感知、互聯和計算,實現對生產過程和產品服務的優化。CPS在包含工業生產系統之外,還包含對交通、醫療、農業、能源等其它生產生活領域的應用。從技術側重來看,CPS與工業互聯網略有差異。雖然CPS與工業互聯網在本質內容和組織要素上是一致的,但從NIST的《願景申明》中可以看到,CPS特別強調對嵌入式計算、分佈式控制系統的應用,工業互聯網強調對互聯網、雲計算平台和大數據技術的應用。因此,在技術側重方面,CPS與工業互聯網略有差異。

賽博物理系統CPS在工廠中的應用

CPS更像是一種類似於六西格瑪DMACI的管理思想,而這個思想是依賴嵌入式系統、物聯網技術、互聯網技術、人工智能、控制理論(閉環控制思想)予以實例化。
再來談談CPS的作用對象(定義中為一個物理實體),就是我們要把什麼CPS化(enable),從工業4.0的角度看,德國把生產設備作為CPS化的重要對象,如設備可以感知產品的類別,並據此進行工藝參數和控制參數的自動調整。而GE提出的工業互聯網,則把產品作為CPS化的最典型應用,如飛機發動機可以採集運行數據發送到雲端,雲端對其進行運行分析,並予以優化運行建議和回饋。
筆者認為智能工廠需要CPS化的物理實體不僅僅是設備,而是應該對涉及產品生產的5M1E(人、機、料、法、環、測)予以全面CPS化。比如通過對攜帶RFID的人的移動軌跡的採集分析,提出更精益的操作規程,並通過穿戴設備提供給員工,最典型的如現場的物料配送人員;還有通過現場工藝參數(如熱處理温度)的實時採集,並通過大數據分析,給出工藝參數優化的指導。

賽博物理系統如何進行CPS設計

設計CPS的框架 設計CPS的框架
CPS的發展面臨的挑戰是在設計實踐中涉及到的各種工程學科,如軟件和機械工程之間的巨大差異。另外控制領域是通過微分方程和連續的邊界條件來處理問題,而計算則建立在離散數學的基礎上;控制對時間和空間都十分敏感,而計算則只關心功能的實現。迄今為止,還沒有產生設計CPS的“語言”。通俗地説,搞控制的人和搞計算機的人沒有“共同語言”。這種差異將給計算機科學和應用帶來基礎性的變革。因此,各學科的工程師需要能夠研究系統協同設計,分配物理單元和計算單元的職責 [1] 
CPS可基於5C架構進行設計(連接、轉換、網絡、認知、配置)。“連接層”:設備可以自我連接和自我的行為感知。“轉換層”:從連接的設備和傳感器的數據,採用自我感知和預測功能來感知設備的關鍵問題和狀態。“網絡層”:每台設備創建自己的“雙胞胎”,即數字模型,並進行自我比較和評價。在“認知層”:自我評價和自我評價的結果將提交給人或人工智能,進行決策分析。在“配置層”:機器或生產系統可以自我配置、自我調整和自我優化,實現柔性配置 [2] 
參考資料