人工智能作为工业5.0中系统架构动态重构的有效性使能器

《Sustainability》:Artificial Intelligence as Effectiveness Enabler of Dynamic Reconfiguration of Systems Architecture in Industry 5.0

【字体: 大 中 小 】 时间:2026年08月05日 来源:Sustainability 4.1

编辑推荐:

  工业运营日益面临涉及人员、数据流、仿真和控制系统的高风险决策。紧急会议通常需要外部专业知识、文档和实时遥测(live telemetry)的检索、假设情景仿真的运行以及安全约束的验证。这些场景凸显了对安全互操作性、可解释决策支持以及人在环(human-in-t

  
工业运营日益面临涉及人员、数据流、仿真和控制系统的高风险决策。紧急会议通常需要外部专业知识、文档和实时遥测(live telemetry)的检索、假设情景仿真的运行以及安全约束的验证。这些场景凸显了对安全互操作性、可解释决策支持以及人在环(human-in-the-loop)控制的需求。本文提出了一种技术无关的参考架构,该架构在工业4.0(Industry 4.0)框架基础上,融入了工业5.0(Industry 5.0)以人为中心、韧性和可持续的原则。其智能层使人员参与过程的新方法成为可能,促进了有意义的人机协作。该研究为系统工程师、工业软件架构师和运营管理者提供了实用且概念性的框架,以帮助其将传统运营工厂转变为与人类对齐的生态系统。通过一个基于仿真的地下采矿测试平台评估了其可行性,在该平台中,异构数据源和通信协议被集成到一个共同的运营环境中。概念验证展示了如何将遥测、数据存储、机器学习模型和操作员反馈相结合,以支持可审计、可解释且可由人类提出异议的工业决策,并展示了由迭代操作员反馈回路实现的分类准确率、剩余寿命预测能力以及增强的推荐精度。
**论文解读:工业5.0中基于人工智能的系统架构动态重构有效性使能研究**

**研究背景、问题与目的**
工业运营正面临日益复杂的高风险决策情境,涉及人员、数据流、仿真和控制系统。传统工业架构(如工业4.0框架)主要关注机器连接、数据集成与自动化效率,但缺乏对以人为中心、可解释性和人类有效协作的明确支持。工业5.0(Industry 5.0)的提出强调人类中心性、韧性和可持续性,然而现有参考架构(如RAMI 4.0、IIRA、BDVA等)并未将动态重构、可解释人工智能(eXplainable AI, XAI)以及有效的人机协作作为核心设计要素。地下采矿等高危行业对实时决策、安全约束和跨领域专家协作的需求尤为迫切,但现有架构无法有效整合异构协议、提供可审计的决策支持,并确保人类在环(human-in-the-loop)控制。为填补这一空白,研究人员提出了一种技术无关的参考架构,旨在通过智能层和互操作性中间件,实现系统架构的动态重构,使人类成为主动的协作者而非被动监视者,从而提升工业系统的整体有效性。

**技术方法概述**
研究人员采用模块化、分层参考架构设计,关键技术包括:
- **事件驱动发布-订阅中间件**:统一CANbus、Modbus、MQTT和IP/HTTP视频等多种协议,实现异构数据源的安全集成。
- **智能层**:集成支持向量机(SVM)用于健康状态分类、极端梯度提升(XGBoost)用于剩余寿命(Remaining Useful Life, RUL)预测、K维树(KD-tree)与轻量级梯度提升机(LightGBM)LambdaRank用于设备替换推荐,以及基于大语言模型(Large Language Model, LLM)的有效洞察交换通道。
- **双数据存储架构**:分离低延迟运营数据存储(opdata)与可审计训练数据存储(ai_train),确保模型溯源与训练-服务一致性。
- **仿真测试平台**:基于模拟的地下采矿场景,整合8个模拟拖拉机参数(如发动机温度、液压压力等),生成5000条连续记录和300台机器的退化数据,用于验证架构可行性。

**研究结果**
**(i) 健康状态分类**:通过SVM模型,在模拟条件下实现宏观F1分数0.983、总体准确率0.988,敏感度超过0.95,仅1.4%的“良好”实例被误判为“差”。结果表明SVM适用于早期异常检测。
**(ii) 剩余寿命预测**:XGBoost回归模型获得均方根误差(RMSE)2.00、平均绝对误差(MAE)1.14、决定系数(R2)74.88%,特征重要性分析显示循环年龄、经过时间和液压压力为最强预测因子。模型能有效预测设备退化轨迹。
**(iii) 替换推荐**:结合k-近邻(kNN)候选搜索与LightGBM LambdaRank排序的混合框架,在离线评估中精度与归一化折损累计增益(NDCG)均优于启发式基线;操作员反馈进一步提升了推荐准确性。案例中为故障机器TR-204推荐的最优替换为TR-312。
**(iv) 有效洞察交换通道**:基于LLM的零样本语义路由,将多平台消息统一为单一连接层,根据语义、上下文和用户偏好自动选择发送渠道,无需用户记忆同事联系方式。
**(v) 验证与呈现**:通过React 19.1.0开发的仪表板,整合实时传感器数据、地理空间状态、视频画面、警报条(包含分类、RUL区间和替换建议),支持操作员接受或覆盖推荐,并启动跨平台视频通话或消息。角色权限与审计追踪全程实施。

**讨论与结论**
讨论部分指出,所提架构的实验结果与现有预测性维护文献一致,证明了多层级AI方法从原始遥测到操作建议及人在环验证的直接语义连接。轻量级模型(SVM、XGBoost)在性能上不逊于资源密集型深度学习模型,且边缘部署成本可控。LLM通过结构化零样本提示限制推理开销,确保经济可扩展性。该架构特别适用于地下采矿、医疗运营或关键基础设施管理等高风险、多利益相关方环境,其中人类判断必须保持中心地位、可争议且有效。

研究结论部分翻译如下:本文提出了一种技术无关的参考架构,融合了工业4.0构建块与工业5.0以人为中心、韧性、可持续性和有效性的原则。主要贡献包括:(i)包含智能层,提供可解释推荐、捕获操作员反馈,并赋予人类作为共同设计者和共同决策者的权力,将有效性作为明确的架构原则;(ii)事件驱动的互操作性中间件,在一致的安全态势下统一CANbus、Modbus、MQTT和IP/HTTP视频等异构协议;(iii)双数据存储,分离低延迟运营存储与可审计训练存储,保持训练-服务一致性和模型溯源;(iv)通过零信任实践、签名模型工件和带人类覆盖的咨询AI,将安全与安保作为共同需求;(v)面向协作的交互层,通过仪表板、消息和上下文辅助实现人机间及人际间的团队协作。基于仿真的地下采矿测试平台验证了架构可行性,展示了协议统一、数据路径分离、可解释AI服务部署及统一决策支持界面。未来工作将向真实工业部署、XAI接口形式化评估、LLM通道实证验证、零信任安全原则在操作技术领域应用、数据与模型管道韧性以及联邦学习等隐私保护技术方向扩展。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号