2019-02-22 16:50

　　彭木根：各位同行、各位专家大家下午好，工业互联网学术专题论坛最后一个环节是圆桌论坛，希望大家能够听一听我们学校这些教授们，关于工业互联网到底有哪些科技难题，有哪些理论问题，然后展开这样的一个讨论。我们的论坛分两个步骤，第一个步骤是邀请老师们自我介绍一下，其次我们有一个交互环节，大家就刚才老师们介绍的内容的疑问进行探讨，今天下午前面已经请了两位院士，多名学界的大咖，就工业互联网的安全问题，还有它的数学理论问题，以及和通信有关的网络架构，和标识有关的网络技术。

　　另外也和后面的应用都有关，但是都没有时间进行探讨，所以我希望借这个机会，我们和在座的老师把这个交互补上。介绍一下参加圆桌论坛的专家，第一位是黄韬教授，他主要的研究兴趣是未来网络，第二位是清华大学大数据系统软国家实验室总工，他主要的研究兴趣是工业大数据。第三位是华中科技大学的陈冰，研究兴趣主要集中在时间，敏感网络，可以做网络控制。第四位是北航的校长助理赵罡教授，他主要的研究兴趣机械制造，最后一位来自于同济大学刘儿兀，研究兴趣是区块链和定位导航。他们的研究兴趣和工业互联网非常相关，业界一直在探讨一个问题，工业互联网到底是姓工业还是姓信息，到底是以工业为主，还是以信息为主？下面我们就这个基础理论问题，请五位专家简单介绍一下。请黄教授就刚才所提的科技难题发表一下自己的见解。

　　黄韬：谢谢大家，非常高兴今天有这个机会跟大家一起来交流探讨，我的研究方向是信息网络。工业互联网从最开始提出到现在大概有三四年的时间，我们其实一直也在思考相关的关键性的技术问题。

　　我今天想分享三个方面，第一，因为我一直在做网络，大家都知道今年是互联网诞生50周年，这个50周年的过程中，其实一直是以消费型为主的。工业互联网也有很多的东西，就我们从事网络的来讲，我觉得最本质的问题就是这50年来诞生了ICT、IT技术，确确实实在工业时代的一些需求，我们看到了很多工业需求。

　　因为这个技术性能很高、效率很高，颠覆了前面一个时代的电信网的固定技术，达到了一个很好的应用。但是在工业互联网这个时代，这个网络确实面临很多挑战。因此大家大家感觉到实验性的网络非常热，这是我们学术界、工业界在未来要解决的根本问题。还会涉及到我的资源怎么分配，保证是否要承担费用的问题。而且这个确定性的东西，如果在工厂内可能好解决，对于广域，比如云端的机器人，3、4毫秒的反馈，我觉得这样的场景对于我们电信互联网的外网挑战非常大，第一个问题就是效率和确定性之间的矛盾，这个问题还没有解决。

　　第二个方面，我们觉得现在信息发展的时候，大家看到一个很重要的趋势，就是云、数据中心越来越重要，目前来讲全球的流量超过了60、70%，是云计算的，这里面的大问题就是人工智能也好、大数据也罢，都离不开计算能力。这个云非常重要，尤其是现在的边缘计算，对于计算未来的挑战上，这么多云，这么多边，之间的交互和协同很复杂。我也对比了一下消费互联网的时代，消费互联网我上工业云就可以，在工业互联网时代的话，公有云、私有云之间的交互，也就是业界最热的混合云或者是多云管理，或者是云边协同。这样的挑战涉及到我的资源怎么放，边缘的云的虚拟化怎么打通，我觉得这个挑战非常巨大，而且也蕴含了非常大的价值。

　　第三，在我们的网络领域，很大的问题是安全型从安全性向空白性的方向转变。主要是工业互联网以前的工业企业，这个东西很封闭，安全性挑战没那么大，是硬件问题，现在的一些工业上云以后，我觉得安全性变得非常复杂，就在于云有安全的问题，边缘有安全问题，内部协议有安全问题，如果孤立地来解决，并不能够真正满足业界推动的需求。所以说怎么能够有虚拟化的统一的安全体系，包括分布式的东西，这也是值得探讨的。总之，在这几个方面我们做了一些探索，一会儿也可以和大家交流。

　　彭木根：黄教授提到了网络，从网络理论来看，原来的网络不一定支持工业互联网，所以提出了效率问题，混合云问题安全性问题。下面有请清华大学王晨总工。

　　王晨：我的专业是做数据管理的，所以我也讲几个方面。因为工业互联网上的数据管理的问题其实非常有挑战，第一个问题，我们团队的实验室主任王建民发表了时许数据库的阿帕奇的项目，叫做LTBD，这个项目就是解决我们工业上用到的大量的工业互联网的高速数据的高效查询的问题，我们传统看到的物联网这样的研究，商业物联网和我们今天看到的工业场景的数据量完全不在一个数量级。

　　比如刚才讲了风电的例子，风机上的振动数据的采集频率会达到毫秒级及以下，这是上万赫兹的采集频率。这样的数据来了以后我们怎么把数据存下来，这种数据我们还能把它很好地查下来，这是我们遇到的特别大的挑战。还有实时数据库，都没有很好地解决这样的问题，这是数据管理的效率问题。

　　第二是数据利用的时候，不能回避的两个问题，数据治理是数据质量的问题，一个是数据集成的问题数据质量的问题，在工业上，我们以前总认为人会造很多假数据，但是我们发现机器回来的数据质量比人产生的数据质量还会更糟糕。由于传感器本身的采集精度问题，环境的渐次干扰问题，数据丢包，你怎么去做修正？这和工业级是密切相关的，这是一个很开放的问题。

　　数据集成是非常有挑战的课题，因为我们传统在数据管理上做数据集成的，基本上是相同性或者是相似性去做数据集成的，就是这个裂和这个裂是同一个裂，但是我们回到工业上看没有那么简单，离散制造业要根据动态变化考虑做数据集成。流程制造业要看到不同工序中时许的变化，我们想用一个钢轨做数据的时候，这个钢轨会产生形变，它的密度是多大？这个时候的这一米到下一米就不一样了。它已经超出了我们在数据上管理的问题，这样的问题怎么解决？

　　再讲一个数据安全的例子，工业互联网进的是如何打破企业边界地我们要进行数据的有效交换，提升数据的有效利用。交换过程当中怎么确保数据的安全，大家知道我们有数字水印，我们可以利用在图像、语音上，但是工业呢？大量的传感器设备的数据。比如说某一个发电站希望把他的数据给某一个设备生产商，这样的数据我们怎么打水印？我们怎么不干扰他的分析？在工业数据领域的数据管理上我们还存在很多的问题，我们今天刚刚发布了联盟工业大数据白皮书，大家可以读一读。

　　彭木根：王老师提到了工业大数据和我们常规的人的大数据有一些差别，特别是数据的海量性，数据的准确性，数据的集成性，还有数据的安全性，如果按照曹书记说的，如果有一些学术上的工业互联网的大的科研课题，我觉得这是有很多东西可以挖掘的，希望在座的各位老师和各位专家一起探讨。有请华中科大的陈冰老师。

　　陈冰：我想从制造自动化和网络化控制的角度谈一谈主持人提到的问题。首先，从郑院士的报告谈起，他提到了我们如何去各种的数据和IT的手段改善我们的精度。从制造装备的精度来讲，过去的惯性就是我们不断提高各个直线环境的精度，提高测量的精度，我们希望把精度做得越来越高。

　　但是我们面临一个瓶颈，我们希望能够达到一个解耦，比如郑院士的演讲，我的理解就是解耦的手段，首先是输入的解耦，我们CEM、CED的曲面的东西，变成一个线性的东西，把弯曲的东西变成线型空间的东西。刚才郑院士说到了，我们看着就像直线。从我们整个系统来讲，除了我的输入可能是一种弯曲空间的东西，各种扰动也是我们最重要的因素，我们想提高我们的精度，提高稳定性，很重要的一块就是如何克服扰动。

　　需要IOT技术和控制技术，包括我们相关的数学基础结合，我觉得这可能是一个有意思的问题。在过去的时候，我们每一个模块都是单独考虑每一个模块的问题，比如很多时候，如果我们能够有一个完整的数据采集，很多问题就比较简单了。因为我的扰动都有一个发展的问题，从外部的扰动源，一级级扰动，你只考虑单点的因素就有问题，比如纺织机械，用户最终关注的是线的质量，如果我们采用IOT，你能够进行一个完整的数据采集，在这个基础上我们能够恢复模型，刚才有专家提到了模型，有的说模型精度不够，可以利用的模型我们可以利用，特别是机械制造领域，机器的模型很大程度上是钢体的来运动。

　　把扰动的测量和IOT技术，我们可以做到一个尽可能完整的语意的和时间信息的测量，在这个基础上我们尝试着恢复扰动的干扰路径，然后我们加以补偿，因为我们知道高端设备也是这样做的。这是我们比较感兴趣的，另一方面我们希望用控制和优化的手段，对我们的时间敏感网络，包括语意的协议进行支持，如何来做的话，我们可以通过控制手段，来做一些动态的智能配置。

　　彭木根：感谢陈老师关于控制和数学的问题，我们刚才看到了数学在网络控制方面，特别是制造加工方面的艺术，刚才陈老师也说到了这个观点，就是数学和网络控制之间的融合，下面有请航空航天大学校长助理赵罡老师。

　　赵罡：非常高兴参加这样的会议，因为北航是主办方之一，大家也觉得奇怪，你们是航空航天的，怎么还做这个？其实信息和航空航天是我们的支柱，我们的计算机软件、控制、通讯，这几个学科还是非常不错的，我是来自机械学院的老师，互联网是姓工还是姓信，大家都有各自的看法，我比较同意郑院士提到的，实际上制造是工业互联网的腰，没有腰互联网直不起来，互联网对制造带来了什么样的影响，大家看了很多的资料，也了解了很多。

　　我的理解有两大类，一大类就是对产业模式的组织，互联网带来的影响非常大，尤其是中国成为第二大经济体，很快成为第一大经济体，跨国企业是必然的，在跨国企业的情况下，产业组织模式跟以往就不一样了，怎么样寻求成本的最低和效率的最高，我们要借助于互联网技术。第二，对于制造本身来说，互联网跟制造本身好像不相关，我加工一个东西跟制造有什么关系，产业组织模式发生了变化，原来需要人交互的，这个时候需要更多的智能手段，一个最核心的技术就是工业软件的技术。

　　我们这个学院出过好几个软件，岁数大一点的同志可能都了解，我们出了最早的系统，还有金银花这样的系统。为什么讲工业软件？大家觉得国内的工业软件，好像我们没有发展希望了，感觉已经被别人拉得太远了。前两天中兴事件，让我们觉得我们的芯片非常差，后来发现工业差得更多，恨不得我们制造的命门被人拿住了，我们用的软件都是国外的，我们应该鼓起信心，互联网来了机遇，传统的软件对智能的要求做不到。

　　比如我今天要把一个零件模型发到网上，传统的方法是产生一个机代码，传到机床上，所有的代码几乎跟特定的机床绑定。但是在网上找这样的机床不一定很容易，有可能我的代码编完了，我的加工用的刀和那个尺寸不一样，你必须要改你的代码，这样就非常不方便了。有没有更智能的数控机床，可以自己识别的，大家其实都在做。一个很大的前提是对CAD软件的造型的方法有一个革命性的变化，它必须是其中一个解决方法之一，必须是基于特征的造型。而现在传统的可能做不到这一点。所以我觉得工业软件是我们发展工业互联网一个很重要的方向。

　　第二，在智能制造过程当中，对于协议的要求，制造过程对协议的要求非常高，它的实时性，容错率各个方面。这一年多咱们主导的5G技术，让我们感觉到这是我们的机会。未来大家到车间里面不再有电缆了，我们现在目前控制的都是连接的，未来完全是一个无线的车间环境。在这种情况下，你对整个数控系统，对机器的反馈时间要求等，这是做通讯的人要做解决的问题。所以大家应该更关注我们的工业软件的发展，这实际上是我们国家更加危险、更加核心的一个方向。

　　彭木根：赵助理说了两个非常重要的信息，第一是学科交叉融合，制造是工业互联网的腰，但是相关的理论大家也不是太重视。第二就是重要性，这里也有很多基础理论问题，一些关键技术要突破。下面请同济大学的刘儿兀教授。

　　刘儿兀：非常感谢通信学会的邀请来做分享，我本身是做定位导向和区块链的，对于工业互联网了解得并不多。但是在我们工作的过程当中，慢慢地接触到了这些东西，所以也很有荣幸来做一个学习。从我了解到的几个信息来看，现在我们在做工业互联网，主要的都集中于工业云，不管是设备上云，不管是生产流程上云，可能有一些运营也要上云。

　　这时候有几个东西非常关键，特别关键的就是安全的问题，时延性排在地位，时延大一点可能充其量是良品率低一点、效率低一点，但是我核心的配方或者是生产制造的流程，不是以外面的各种云的方式去做的，我还是放心的。如果安全没解决，各大公司可能会做一些小规模的适用，不管是SAP公司的，或者是GE，或者是西门子，还有阿里云、亚马逊，或者跟其他的云结合来做这件事。

　　但是我们看到，虽然下面的PAAS已经建立起来了，这里有很多的工业互联网的APP，但是我们现在看到最大的平台也不过是200多个，这显然跟我们工业互联网的需求完全不匹配。也就是说，虽然这个PAAS慢慢起来了，很多公司还是在观望的，说得这么好，但是我核心的东西会不会透露出去？所以如果可以把区块链引入到工业互联网来，是一个好机会。我看到中国信通院发了一个工业区块链，我觉得这很及时，因为这至少可以解决几个问题，一个是透明性，一个是可溯源，另外一个最重要的就是安全。

　　区块链本身有一个三元悖论，可扩展性、分布式、安全性，这三个方面我们侧重两个方面。特别是工业互联网的环境下，应该更侧重于安全性，把其他的两个方面交给云去处理，这是我的观察，谢谢。

　　彭木根：非常感谢刘教授，特别强调我们的区块链在工业互联网当中的应用前景，里面的机制怎么设计，相关的一些理论问题怎么来解决，可有待进一步提高。下面让我们以热烈掌声，感谢这五位教授，分别从网络、数据、控制、制造、区块链的角度的精彩分享，谢谢。