铝电解生产智能优化制造研究综述

铝电解行业具有战略基础地位,面临着诸多挑战性难题,包括原料来源复杂使得工况难以稳定优化运行、多目标协同优化难度大、控制决策智能化水平和数据利用率低以及铝电解企业在内外环境的不确定性影响下难以实时做出正确决策等.为了解决上述问题,本文提出构建一种集铝电解智能分布式感知系统、系列槽智能协同优化控制系统、大型槽智能优化控制系统、智能安全运行监控系统和虚拟制造系统于一体的铝电解智能优化制造系统的方法.同时提出了铝电解制造系统的未来发展目标和愿景功能,并给出了相关研究方向.最后给出了技术发展规划,提出中短期规划和中长期规划"两步走"战略,并对铝电解生产智能优化制造系统发展前景作出展望.     

智能数据分区与布局研究

大数据时代,数据规模庞大,由数据进行驱动的应用分析场景日益增多.如何快速、高效地从这些海量数据中提取出用以分析决策的信息,给数据库系统带来重大挑战.同时,现代商业分析决策对分析数据的实时性要求数据库系统能够同时快速处理ACID事务和复杂的分析查询.然而,传统的数据分区粒度太粗,且不能适应动态变化的复杂分析负载;传统的数据布局单一,不能应对现代大量增加的混合事务分析应用场景.为了解决以上问题,“智能数据分区与布局”成为当前的研究热点之一,它通过数据挖掘、机器学习等技术抽取工作负载的有效特征,设计最佳的分区策略来避免扫描大量不相关的数据,指导布局结构设计以适应不同类型的工作负载.首先介绍了智能数据分区与布局的相关背景知识,然后对智能数据分区与布局技术的研究动机、发展趋势、关键技术进行详细的阐述.最后,对智能数据分区与布局技术的研究前景做出总结与展望.     

复杂工业过程智能优化决策系统的现状与展望

流程工业是制造业的重要组成部分,是我国国民经济和社会发展的重要支柱产业.新一代信息技术和人工智能技术为流程工业的发展带来新的挑战和机遇.只有与流程工业的特点与目标密切结合,充分利用大数据,将人工智能、移动互联网、云计算、建模、控制与优化等信息技术与工业生产过程的物理资源紧密融合与协同,实现流程工业智能优化制造,才可能实现流程工业的跨越式发展.本文聚焦流程工业的复杂生产过程,从其智能优化决策系统的角度,描述了复杂工业过程优化决策系统的问题、回顾总结了复杂工业过程全流程优化决策系统的现状,分析了智能优化决策系统的必要性,提出了智能优化决策系统的发展目标及愿景,并对智能优化决策系统的下一步重点研究方向进行了展望.     

大数据分析中的计算智能研究现状与展望

随着产业界和科学界数据量的爆炸式增长,大数据技术和应用吸引了众多的关注.如何分析大数据,充分挖掘大数据的潜在价值,成为需要深入探讨的科学问题.计算智能是科学研究和工程实践中解决复杂问题的有效手段,是人工智能和信息科学的重要研究方向,应用计算智能方法进行大数据分析具有巨大的潜力.对大数据分析中的计算智能方法进行综述,结合大数据的特征,讨论了大数据分析中计算智能研究存在的问题和进一步的研究方向,阐述了数据源共享问题,并建议利用以天文学为代表的数据密集型基础科研领域的数据开展大数据分析研究.     

基于示功图大数据的立式抽油机故障分析

有杆抽油系统是目前原油开采的主要方式.抽油机的数字化控制、自动化管理、智能化运行是智能油田的主要目标之一.物联网及深度学习技术的发展为实现抽油机的智能化提供了技术支撑.软件子系统已经成为新一代智能立式抽油机系统的重要组成部分,目的是利用采集的大数据进行智能监控和生产分析决策.基于获得的示功图工况大数据,利用深度学习技术,建立新一代立式智能抽油机的故障分析模型,在保证识别准确率高的同时有效降低训练时间,很好地达到实际应用要求.     

大数据时代下网络群体智能研究方法

首先,对大数据时代下大众广泛深度交互的互联网环境进行了分析;其次,提出并释义了网络群体智能,指出网络群体智能具有"网络数据驱动,交互形式复杂,网络效应强大,知识生产为主,不确定性认知"等特性;然后,提出网络群体智能研究方法,该研究方法以复杂性科学方法论为指导,坚持融贯论,以复杂性科学、网络化数据挖掘和不确定性人工智能为支撑理论方法,突出网络群体智能特色和多学科交叉融合研究,采用系统分析、建模分析和仿真分析相结合技术途径从结构和动力学视角对网络群体智能科学问题进行多尺度多层次研究,解决网络群体智能研究理论方法不足的问题,深化了对网络群体智能和社会计算的认识。     

知识不确定性问题的粒计算模型

知识不仅是构成人类认知能力的重要基石,也是智能科学研究的基础问题之一.随着智能科学技术研究的发展,知识的不确定性研究受到人们的普遍关注.知识的不确定性来源于知识本身的不确定性以及受外界(客观世界)影响而导致的不确定性.从粒计算模型的角度分析了模糊集理论模型、粗糙集理论模型、商空间理论模型以及其他扩展粒计算模型中知识的不确定性问题,并对知识不确定性问题的研究工作进行了讨论和总结,对有待研究的重要问题进行了展望.     

集对分析在不确定性智能决策中的应用

语言是思维的表达，智能决策是基于确定性与不确定性对立统一思维的一类高级决策。文章综述集对分析在纯自然语言决策，自然语言与数学混合语言决策，区间数决策和直觉模糊决策，集对分析粗糙集决策，联系数与马尔可夫链相结合的决策，赵森烽?克勤概率的贝叶斯决策，偏联系数的决策和同异反综合集成决策等方面的应用。特点是把基于确定性的决策建模与不确定性系统分析相结合，把系统宏观层次的分析与微观层次的分析相结合，把两种或多种决策方法综合集成，根据不确定性的具体情况给出决策建议，因而是一种立足于全局的智能决策，并认为集对分析的不确定性智能决策过程，在本质上是把决策系统中的信息能转换成智能的过程。     

基于大数据的智能工厂数据平台架构设计与研究

在分析智能工厂国内外研究现状基础上,对基于大数据的智能工厂数据平台架构技术展开研究,为智能生产的运行分析、预测、决策调控以及数字孪生信息物理融合提供技术参考。探讨了智能工厂定义与内涵,以及智能工厂大数据来源和特征,采用Hadoop、Spark、Storm热门开源大数据计算引擎,提出了数据来源层、数据传输层、数据存储层、资源管理层、处理分析层以及业务应用层构成的智能工厂大数据平台技术架构,有效解决智能工厂大数据多源复杂性和实时性的要求和难点。所提数据平台技术架构将对智能制造和智能工厂的实现具有重要的借鉴价值。     

航空发动机智能温度传感器最优分布式决策研究

分布式控制是航空发动机控制系统发展的重要方向.对于实现同一功能的多余度智能传感器,提出了一种最优分布式决策的数据融合判决方法.以涡轮后燃气温度T4智能传感器为研究对象,进行了分布式统计判决仿真,并与最优中心决策以及最优似然比决策作了对比分析.实际仿真结果表明,中心式判决具有最好的判决性能,而在分站以及同一种压缩律下,最优分布式决策明显优于最优似然比决策.     

从政策研究视角看大数据对科研管理与决策的影响

在大数据时代,数据已成为重要的战略性资源,正在对社会管理的各项决策产生越来越重要的影响。本文从政策研究角度分析了在科研管理领域运用大数据辅助科研管理及其决策,并以中科院管理信息化发展为例讨论了运用大数据的可行性;提出在科研管理领域应当重视对大数据价值的深入分析与挖掘,推动科研管理与决策机制从业务驱动向数据驱动转变,从精细化的单项管理走向趋势化的复合管理;应当围绕科技创新在国家发展全局的核心位置,加强顶层战略部署,政策引导,有序推进,发挥大数据关联共享、智慧决策的优势,推进大数据时代的科研管理与决策支持环境建设。     

面向决策分析的多粒度计算模型与方法综述

作为粒计算研究方向的核心概念和关键技术,多粒度计算强调对现实世界问题多视角、多层次的理解和描述,可获得合理、满意的求解结果.为了深化多粒度计算与决策分析的有效融合,更好地满足人们的实际决策需求,文中首先介绍多粒度粗糙集、多尺度数据分析、序贯三支决策、分层分类学习四类多粒度计算模型,并阐述各自的主要特点及发展过程.进而从属性约简、规则提取、粒度选择、信息融合、群决策、多属性群决策、分类决策、动态决策等方面总结基于多粒度计算模型的决策分析方法研究现状.最后,对大数据时代智能决策领域中若干具有挑战性的研究方向进行展望,以期推动多粒度智能决策的不断发展与创新.     

Solving a decision problem with linguistic information

Artificial Intelligence (AI) is the science that focuses its study to achieve the understanding of intelligent entities. It is evident that computers that possess intelligence at a human level will have very important repercussions in our daily life. Inside the fields of AI it is necessary to highlight the decision-making, where AI supposes a great help. In this paper, we present a methodology in a decision-making problem where only linguistic information was available. The main purpose of this paper is to present a technique to obtain the weights and the utilities to resolve the multicriteria decision-making when the knowledge about it is linguistic. Thus we can have systems where the input of data in the computer can be of a determined type and the output can be of the same or a different type, making more intelligent computers. The aim of this paper is to present an evaluation model based on a multicriteria decision analysis that offers the “assembly workshop manager” the possibility of expressing its knowledge in a linguistic framework. In this paper the linguistic decision analysis is interpreted in a multicriteria decision-making context.     

大数据时代的思维特点研究

近年来,“大数据”已经成为科技界和企业界关注的热点,所谓big data(大数据),是指靠专有平台实现价值提炼以帮助使用者决策分析的海量数据集产品。目前,拥有数据的规模大小和运用数据的能力将成为一个国家综合国力的重要组成,一个国家对数据的占有、控制将成为国家间和企业间新的争夺焦点。重点研究分析了大数据的5个特性,指出了企业的经济效益是推动大数据发展的主要动力,当前的大数据处理技术使人们从事的工作变得更加智能。通过对大数据时代的思维特点及思维方式进行研究,可以得出大数据时代最大的转变就是研究方式将进入数据密集型科学的范围中进行。     

一种新型船舶避碰决策支持系统的设计与实现

该文介绍了一种新型的船舶避碰决策支持系统——基于Multi-Agent的协商避碰决策支持系统的设计与实现。该系统是一个开放的、智能化的系统,它基于系统论的思想,把协商决策引入船舶避碰,是一个包括避碰决策Agent、协商决策Agent、网络通信Agent和法律仲裁Agent等的Multi-Agent系统,该系统可以最大限度地减少避碰决策中的不确定性,具有良好的用户界面,能提供网络环境下智能化的决策支持,可以更好地解决船舶避碰问题。     

基于Hadoop技术框架的组织知识管理系统设计与实现

利用大数据技术来增强组织中的知识管理,使随着大数据技术发展的必然产物。目前,基于新的大数据体系架构,通过高级数据分析手段来存储和分析知识数据,为组织决策生成至关重要的实时知识。具体来说,必须具有一个单一的基础结构,该基础结构提供知识管理的通用功能,并且足够灵活以处理不同类型的大数据和大数据分析任务。本文提出利用可存储和处理大量数据的云计算基础架构实现大数据的高效处理,最大程度地降低了大数据分析所需的各类成本,该框架可以实时分析大数据,以促进增强竞争优势的决策。     

Allocating natural resource reduction amounts: A data envelopment analysis based‐approach considering production technology heterogeneity

Previous studies resource allocation methods based on data envelopment analysis assume that all the assessed decision‐making units share a common production technology, and all decision‐making units become efficient after the resources are allocated. However, in the real world, production technology tends to be heterogeneous among the decision‐making units because of the differences in economic development, geographic location, and market conditions. Correspondingly, when some decision‐making units are far away from the efficient frontier, they may not become efficient easily using the resources allocated to them. In this paper, we propose a data envelopment analysis‐based approach which considers production technology heterogeneity among decision‐making units when allocating resource reduction amounts to each. In our model, the decision‐making units are divided into subgroups based on their economic development level, an important indicator directly reflecting each decision‐making unit's production technology level. Each subgroup has its specific production technology, and the decision‐making units in the same subgroup have a similar technology level, which allows better identification of how the production of those decision‐making units can change when their resource inputs change. We present an empirical example using China's mainland provinces as decision‐making units to demonstrate the practicability and applicability of our proposed model.     

基于GQFD的无人智能化保障装备能力需求分析

着眼无人智能化保障装备发展问题,为构建智能高效的保障装备体系,在对智能化战争条件下装备保障“任务—能力”进行分析,确定感知战场态势、辅助指挥决策、装备检测维修、物资精准保障4项智能化保障任务和大数据分析处理能力、智能决策能力、多源数据采集能力等9种无人智能化保障装备能力的基础上,运用基于灰色关联分析的质量功能展开方法,建立包含灰色综合关联矩阵的无人智能化保障装备能力需求分析质量屋,得到无人智能化保障装备能力指标重要度排序,大数据分析处理能力重要度为6.890 6,居于首位,该能力是保障装备开展所有保障活动的基础,符合智能化装备保障“以智取胜”的致胜机理;结果表明该模型具有较好的可行性和适用性,验证了该方法在无人智能化保障装备能力需求分析中的可行性和有效性,为下一步无人智能化保障装备建设规划提供了有力参考。     

大数据下数模联动的随机退化设备剩余寿命预测技术

面向大数据背景下随机退化设备剩余寿命(Remaining useful life, RUL)预测的现实需求, 结合随机退化设备监测大数据特点及剩余寿命预测不确定性量化这一核心问题, 深入分析了机理模型与数据混合驱动的剩余寿命预测技术、基于机器学习的剩余寿命预测技术、统计数据驱动的剩余寿命预测技术以及机器学习和统计数据驱动相结合的剩余寿命预测技术的基本研究思想和发展动态, 剖析了当前研究存在的局限性和共性难题. 针对存在的局限性和共性难题, 以多源传感监测大数据下剩余寿命预测问题为例, 提出了一种数模联动的大数据下随机退化设备剩余寿命预测解决思路, 并通过航空发动机多源监测数据初步验证了该思路的可行性和有效性. 最后, 借鉴数模联动思路, 综合考虑机器学习方法和统计数据驱动方法的优势, 紧紧扭住大数据背景下随机退化设备剩余寿命预测不确定性量化问题, 提出了大数据背景下深度学习与随机退化建模交互联动、监测大数据与剩余寿命及其预测不确定性映射机制、非理想大数据下的剩余寿命预测等亟待解决的关键科学问题.