司夢(mèng)蘭，王鐾璇，繆培琪，于 洋，所同川，李 正

（天津中醫(yī)藥大學(xué)中藥制藥工程學(xué)院，天津 301617）

近年來(lái)，隨著人工智能、大數(shù)據(jù)等浪潮席卷全球，第4次工業(yè)革命悄然興起，大國(guó)競(jìng)爭(zhēng)已聚焦于智能制造領(lǐng)域。在新一代人工智能大數(shù)據(jù)的熱潮驅(qū)動(dòng)下，中國(guó)以“創(chuàng)新驅(qū)動(dòng)，質(zhì)量為先”的原則，發(fā)布了《中國(guó)制造2025》發(fā)展戰(zhàn)略，并在該戰(zhàn)略中明確提出：以新一代信息技術(shù)與制造業(yè)深度融合為主線(xiàn)，以推進(jìn)智能制造為主攻方向，實(shí)現(xiàn)制造業(yè)由大變強(qiáng)的歷史跨越[1]。

中藥產(chǎn)業(yè)作為醫(yī)藥制造業(yè)中具有獨(dú)特原創(chuàng)優(yōu)勢(shì)的民族產(chǎn)業(yè)，自中國(guó)共產(chǎn)黨第十八次全國(guó)代表大會(huì)以來(lái)，其發(fā)展已上升為國(guó)家戰(zhàn)略高度?！吨嗅t(yī)藥發(fā)展戰(zhàn)略規(guī)劃綱要（2016—2030年）》明確指出要注重信息化、智能化與工業(yè)化相融合，加快中國(guó)中藥制藥的現(xiàn)代化進(jìn)程?？v觀中國(guó)整個(gè)中藥生產(chǎn)，可知目前中藥制藥技術(shù)總體水平仍較落后，制藥過(guò)程相關(guān)的數(shù)據(jù)沒(méi)有合理地采集、集成、挖掘和利用，醫(yī)藥行業(yè)中存在嚴(yán)重的“信息孤島”現(xiàn)象[2]。這些問(wèn)題導(dǎo)致了中藥制藥質(zhì)量和療效的不穩(wěn)定，同時(shí)也制約了中藥制藥數(shù)字化、現(xiàn)代化的發(fā)展。在國(guó)家發(fā)展和改革委員會(huì)發(fā)布的《產(chǎn)業(yè)結(jié)構(gòu)調(diào)整指導(dǎo)目錄（2019年本）》中也明確表明要正式淘汰落后醫(yī)藥產(chǎn)能，并在醫(yī)藥領(lǐng)域鼓勵(lì)系統(tǒng)控制等技術(shù)開(kāi)發(fā)與應(yīng)用等。因此，中藥制藥產(chǎn)業(yè)的現(xiàn)代化與智能化轉(zhuǎn)型勢(shì)在必行。

隨著現(xiàn)代制造業(yè)生產(chǎn)過(guò)程復(fù)雜性的增加和被控系統(tǒng)規(guī)模的擴(kuò)大，其對(duì)控制優(yōu)化的要求也逐漸提高。僅僅依賴(lài)于傳統(tǒng)的機(jī)理建模方法對(duì)工業(yè)生產(chǎn)進(jìn)行預(yù)測(cè)、優(yōu)化和控制已愈來(lái)愈難。通過(guò)數(shù)據(jù)驅(qū)動(dòng)技術(shù)，精確分析與定義需求，用需求驅(qū)動(dòng)、解決現(xiàn)實(shí)問(wèn)題正成為一種趨勢(shì)[3]。許多企業(yè)開(kāi)始對(duì)生產(chǎn)過(guò)程中產(chǎn)生的數(shù)據(jù)進(jìn)行實(shí)時(shí)記錄與儲(chǔ)存，工業(yè)生產(chǎn)現(xiàn)場(chǎng)的過(guò)程參數(shù)、質(zhì)檢數(shù)據(jù)、設(shè)備參數(shù)等越來(lái)越受到重視，那么在難以進(jìn)行機(jī)理建模的情況下，如何挖掘生產(chǎn)現(xiàn)場(chǎng)數(shù)據(jù)背后的信息，實(shí)現(xiàn)對(duì)工業(yè)生產(chǎn)的過(guò)程控制優(yōu)化正成為一個(gè)研究熱點(diǎn)。對(duì)中藥制藥過(guò)程而言，由于其本身具有非線(xiàn)性、時(shí)變性、滯后性的特點(diǎn)，一些常規(guī)的控制手段并不適用于中藥制藥。目前對(duì)于數(shù)據(jù)驅(qū)動(dòng)在中藥制藥生產(chǎn)中的應(yīng)用報(bào)道還比較少，故本文對(duì)數(shù)據(jù)驅(qū)動(dòng)技術(shù)在制造業(yè)中的應(yīng)用情況進(jìn)行綜述，并結(jié)合中藥制藥工業(yè)特點(diǎn)，對(duì)數(shù)據(jù)驅(qū)動(dòng)技術(shù)在中藥制藥中的應(yīng)用前景進(jìn)行展望，以期為后續(xù)研究奠定基礎(chǔ)。

1 基于數(shù)據(jù)驅(qū)動(dòng)的過(guò)程優(yōu)化技術(shù)應(yīng)用現(xiàn)狀

數(shù)據(jù)驅(qū)動(dòng)控制是指：控制器設(shè)計(jì)不包含受控過(guò)程機(jī)理模型信息，僅利用受控系統(tǒng)的在線(xiàn)和離線(xiàn)輸入和輸出數(shù)據(jù)以及經(jīng)過(guò)數(shù)據(jù)處理得到的知識(shí)來(lái)設(shè)計(jì)控制器，并在一定的假設(shè)下，有收斂性、穩(wěn)定性保障和魯棒性結(jié)論的控制理論和方法[3]。數(shù)據(jù)驅(qū)動(dòng)的控制方法可分為兩類(lèi)：一是根據(jù)測(cè)量數(shù)據(jù)進(jìn)行系統(tǒng)辨識(shí)，建立近似模型，再利用神經(jīng)網(wǎng)絡(luò)等工具的非線(xiàn)性逼近能力，通過(guò)不停的訓(xùn)練學(xué)習(xí)獲取輸入和輸出間的函數(shù)式，從而基于該模型設(shè)計(jì)控制器；二是直接根據(jù)測(cè)量的數(shù)據(jù)對(duì)系統(tǒng)進(jìn)行控制[4]。數(shù)據(jù)驅(qū)動(dòng)技術(shù)是一種應(yīng)用廣泛的數(shù)據(jù)處理技術(shù)，通過(guò)對(duì)大量在線(xiàn)和離線(xiàn)的數(shù)據(jù)進(jìn)行分析處理，實(shí)現(xiàn)基于數(shù)據(jù)的監(jiān)控、診斷、決策和優(yōu)化等目標(biāo)[5]。

目前已有大量學(xué)者對(duì)制造業(yè)工業(yè)生產(chǎn)過(guò)程的狀態(tài)監(jiān)測(cè)和控制進(jìn)行了研究，涉及冶金、石油化工、電力、鋼鐵等多個(gè)重要領(lǐng)域[6-9]。制造業(yè)包括以機(jī)械裝備制造為代表，具有結(jié)構(gòu)復(fù)雜、非標(biāo)定制需求等特點(diǎn)的離散工業(yè)和以石化、建材等原材料工業(yè)和電力等能源工業(yè)為代表，具有連續(xù)程度高、機(jī)制不清等典型特點(diǎn)的流程工業(yè)。由于流程工業(yè)與離散工業(yè)的生產(chǎn)特點(diǎn)不同，數(shù)據(jù)驅(qū)動(dòng)技術(shù)在應(yīng)用上會(huì)有差別，故本文對(duì)此進(jìn)行綜述，借鑒其在發(fā)展較為成熟領(lǐng)域的研究結(jié)果，為中藥制藥的過(guò)程智能優(yōu)化控制研究提供方向。

1.1 基于數(shù)據(jù)驅(qū)動(dòng)的過(guò)程優(yōu)化技術(shù)在流程工業(yè)中的應(yīng)用 數(shù)據(jù)驅(qū)動(dòng)的過(guò)程優(yōu)化技術(shù)在流程工業(yè)中的應(yīng)用主要體現(xiàn)在選礦、冶金、石油、煉鋼、造紙等領(lǐng)域，另外在生物發(fā)酵等領(lǐng)域也有較好的應(yīng)用。

一般可通過(guò)統(tǒng)計(jì)回歸、支持向量機(jī)等方法建立數(shù)據(jù)驅(qū)動(dòng)模型，然后基于模型實(shí)現(xiàn)對(duì)生產(chǎn)指標(biāo)的預(yù)測(cè)和優(yōu)化控制策略構(gòu)建。柴天佑院士課題組針對(duì)選礦的過(guò)程，對(duì)提高全局生產(chǎn)指標(biāo)的數(shù)據(jù)驅(qū)動(dòng)混合智能優(yōu)化控制方法和技術(shù)進(jìn)行了綜述[10]。代偉等[11]針對(duì)赤鐵礦磨礦過(guò)程，提出了一種由回路預(yù)設(shè)定值、優(yōu)化設(shè)定值的優(yōu)化和評(píng)估、功能指標(biāo)預(yù)估以及磨礦過(guò)程中粒度的軟測(cè)量構(gòu)建的基于數(shù)據(jù)驅(qū)動(dòng)的磨礦過(guò)程優(yōu)化控制方法，并通過(guò)實(shí)際運(yùn)行的數(shù)據(jù)驗(yàn)證了其有效性。桂衛(wèi)華院士等[12]針對(duì)銅閃速熔煉過(guò)程，提出了基于數(shù)據(jù)驅(qū)動(dòng)的操作模式優(yōu)化的概念和控制框架，并通過(guò)實(shí)際工業(yè)運(yùn)行數(shù)據(jù)進(jìn)行了仿真驗(yàn)證。劉洪太[13]針對(duì)石油工業(yè)信息系統(tǒng)的質(zhì)量控制問(wèn)題，采用支持向量機(jī)可靠性模型進(jìn)行模擬仿真實(shí)驗(yàn)，表明數(shù)據(jù)驅(qū)動(dòng)的軟件可靠性模型預(yù)測(cè)結(jié)果具有較高的決策價(jià)值。

除了上述通過(guò)統(tǒng)計(jì)回歸、支持向量機(jī)方法建立數(shù)據(jù)驅(qū)動(dòng)模型外，還可利用神經(jīng)網(wǎng)絡(luò)方法對(duì)數(shù)據(jù)驅(qū)動(dòng)模型進(jìn)行建立。單文娟等[14]利用紙漿洗滌過(guò)程累積的大量工業(yè)數(shù)據(jù)，以殘堿和黑夜波美度為兩大指標(biāo)，基于兩步神經(jīng)網(wǎng)絡(luò)法對(duì)數(shù)據(jù)進(jìn)行聚類(lèi)和模式匹配，構(gòu)建優(yōu)化模式庫(kù)，最后找出最優(yōu)操作模式，以此將數(shù)據(jù)驅(qū)動(dòng)思想進(jìn)行了應(yīng)用。代偉等[15]基于Prey-Predator的案例推理與Elman神經(jīng)網(wǎng)絡(luò)的Q函數(shù)網(wǎng)絡(luò)模型相結(jié)合，在增強(qiáng)學(xué)習(xí)的框架下優(yōu)化回路設(shè)定值，實(shí)現(xiàn)了磨礦過(guò)程的優(yōu)化控制。

對(duì)于整個(gè)生產(chǎn)過(guò)程中機(jī)理模型都難以建立的工業(yè)生產(chǎn)過(guò)程，可基于機(jī)理方法和數(shù)據(jù)方法的優(yōu)點(diǎn)，將數(shù)據(jù)驅(qū)動(dòng)與已建立的簡(jiǎn)單機(jī)理模型進(jìn)行結(jié)合，從而實(shí)現(xiàn)智能制造技術(shù)的應(yīng)用。李康等[16]針對(duì)濕法冶金過(guò)程的工序多、機(jī)理復(fù)雜等特性，將基于模型建模和基于數(shù)據(jù)建模結(jié)合起來(lái)，根據(jù)即時(shí)學(xué)習(xí)（JITL）方法，利用歷史數(shù)據(jù)在當(dāng)下的工作點(diǎn)附近建立操作補(bǔ)償值和經(jīng)濟(jì)效益增量的相關(guān)模型，并通過(guò)優(yōu)化求解出當(dāng)下工作點(diǎn)使得經(jīng)濟(jì)效益增量最大的操作量補(bǔ)償。

對(duì)于生物發(fā)酵領(lǐng)域，其除了具有流程工業(yè)通用特點(diǎn)外，還具有嚴(yán)重的非線(xiàn)性、不確定性和時(shí)變性的特點(diǎn)，這對(duì)實(shí)現(xiàn)生產(chǎn)過(guò)程的優(yōu)化控制非常困難[17]。相關(guān)領(lǐng)域的專(zhuān)家對(duì)此進(jìn)行了許多研究，主要分為基于模型控制和基于數(shù)據(jù)驅(qū)動(dòng)控制兩大類(lèi)，但由于基于模型的控制方法過(guò)分依賴(lài)機(jī)理模型，從而限制其使用范圍。故對(duì)于生物發(fā)酵的過(guò)程優(yōu)化，可通過(guò)函數(shù)建模等數(shù)據(jù)驅(qū)動(dòng)方法進(jìn)行智能優(yōu)化。桑海峰等[18]利用多支持向量機(jī)建模方法，對(duì)諾西肽發(fā)酵過(guò)程菌體濃度建立預(yù)估模型，表明了預(yù)估結(jié)果與實(shí)驗(yàn)結(jié)果具有較高的吻合度。Ben等[19]和Soons等[20]分別針對(duì)乳酸多罐連續(xù)發(fā)酵和百日咳桿菌發(fā)酵過(guò)程，采用自適應(yīng)控制方式，并取得了較好的控制效果。另外，對(duì)于生物發(fā)酵過(guò)程中難以測(cè)量的重要參數(shù)，可通過(guò)神經(jīng)網(wǎng)絡(luò)進(jìn)行軟測(cè)量，從而實(shí)現(xiàn)發(fā)酵過(guò)程的在線(xiàn)控制。喬曉艷等[21]利用一種基于RBF神經(jīng)網(wǎng)絡(luò)的軟測(cè)量方法解決了微生物發(fā)酵過(guò)程中菌體濃度難以實(shí)時(shí)在線(xiàn)檢測(cè)的問(wèn)題。高學(xué)金等[22]利用人工神經(jīng)網(wǎng)絡(luò)對(duì)維生素B12的發(fā)酵過(guò)程建立了軟測(cè)量模型并進(jìn)行了多步評(píng)估。

除此之外，通過(guò)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，還可實(shí)現(xiàn)結(jié)果函數(shù)的預(yù)報(bào)以及一些關(guān)鍵參數(shù)的控制優(yōu)化，從而達(dá)到智能化的控制。彭海剛等[23]針對(duì)生物發(fā)酵過(guò)程難以用數(shù)學(xué)模型進(jìn)行控制的問(wèn)題，以大腸桿菌發(fā)酵生產(chǎn)類(lèi)人膠原蛋白為例，將溶氧量作為關(guān)鍵因素，采用BP神經(jīng)網(wǎng)絡(luò)的控制方法進(jìn)行訓(xùn)練，并用訓(xùn)練后的網(wǎng)絡(luò)對(duì)發(fā)酵中的影響因素進(jìn)行控制，表明了BP神經(jīng)網(wǎng)絡(luò)可以有效提高產(chǎn)量。李運(yùn)鋒等[24]在頭孢菌素C的生產(chǎn)中運(yùn)用神經(jīng)網(wǎng)絡(luò)的滾動(dòng)學(xué)習(xí)預(yù)報(bào)技術(shù)，對(duì)產(chǎn)量、產(chǎn)物質(zhì)量濃度和罐批效益函數(shù)的超前預(yù)報(bào)進(jìn)行研究，得到較好效果。魏同發(fā)[25]針對(duì)生物質(zhì)發(fā)酵制備燃料乙醇的過(guò)程控制，提出了基于神經(jīng)網(wǎng)絡(luò)的PID參數(shù)自整定算法，結(jié)果表明了該法在控制發(fā)酵溫度方面的有效性。王斌等[26]對(duì)于生化過(guò)程的溫控問(wèn)題，提出了神經(jīng)網(wǎng)絡(luò)自回歸滑動(dòng)平均控制方法，并取得了較滿(mǎn)意的效果。

對(duì)于流程工業(yè)的智能化，除了上述的過(guò)程建模方法，還可結(jié)合數(shù)字孿生技術(shù)，將其與工業(yè)生產(chǎn)中的數(shù)據(jù)進(jìn)行結(jié)合，從而達(dá)到過(guò)程優(yōu)化控制的目的。徐鋼等[27]針對(duì)轉(zhuǎn)爐冶煉終點(diǎn)碳含量預(yù)測(cè)精度偏低的問(wèn)題，利用函數(shù)型數(shù)字孿生模型在拉碳階段對(duì)鋼水中含碳量的預(yù)測(cè)值來(lái)控制終吹點(diǎn)，證明了函數(shù)型數(shù)字孿生模型具有較好自學(xué)習(xí)和自適應(yīng)能力。張旭輝等[28]針對(duì)煤礦井下自動(dòng)化工作面設(shè)備遠(yuǎn)程控制的需求，提出“虛實(shí)同步、數(shù)據(jù)驅(qū)動(dòng)、遠(yuǎn)程干預(yù)、人機(jī)協(xié)作”的控制策略，以虛擬現(xiàn)實(shí)（VR）技術(shù)為媒介，通過(guò)數(shù)字孿生實(shí)現(xiàn)基于數(shù)據(jù)驅(qū)動(dòng)的虛擬交互，達(dá)到了遠(yuǎn)程操控[29]。

1.2 基于數(shù)據(jù)驅(qū)動(dòng)的過(guò)程優(yōu)化技術(shù)在離散工業(yè)中的應(yīng)用 離散工業(yè)是通過(guò)構(gòu)建制造單元的方式來(lái)進(jìn)行生產(chǎn)，具有多品種、小批量、工藝路線(xiàn)和設(shè)備使用較靈活等特點(diǎn)。在工業(yè)生產(chǎn)中企業(yè)更加重視生產(chǎn)的柔性，那么對(duì)于過(guò)程控制的優(yōu)化，企業(yè)更加注重的是制造物料流動(dòng)過(guò)程的高度自動(dòng)化、工廠(chǎng)內(nèi)部參與產(chǎn)品制造過(guò)程的全要素互聯(lián)與泛在感知以及對(duì)制造過(guò)程的信息物聯(lián)系統(tǒng)建模與仿真[30]。因此對(duì)于離散工業(yè)的轉(zhuǎn)型升級(jí)，亟待解決的是零件如何進(jìn)行生產(chǎn)分配，生產(chǎn)線(xiàn)如何規(guī)劃，物流如何走向等車(chē)間優(yōu)化調(diào)度問(wèn)題，這些問(wèn)題在中藥制藥生產(chǎn)中也同樣存在。那么基于生產(chǎn)過(guò)程的原始調(diào)度數(shù)據(jù)，如何將這些物理空間的問(wèn)題與信息數(shù)據(jù)空間進(jìn)行交互和融合呢？本文對(duì)此進(jìn)行總結(jié)，以期為建立中藥制藥智能車(chē)間模型提供依據(jù)。

從近年研究可看出，越來(lái)越多的研究者根據(jù)離散工廠(chǎng)實(shí)際存在的問(wèn)題，將數(shù)字孿生等知識(shí)注入到智能工廠(chǎng)模型中，形成了許多兼具創(chuàng)新性和實(shí)用性的方法，且效果顯著。陶飛等[31]在理論層面提出了數(shù)字孿生車(chē)間的概念模式，并對(duì)數(shù)據(jù)孿生數(shù)據(jù)驅(qū)動(dòng)的物理車(chē)間與虛擬車(chē)間的交互融合進(jìn)行了探討總結(jié)。柳林燕等[32]對(duì)車(chē)間實(shí)際生產(chǎn)線(xiàn)實(shí)現(xiàn)了數(shù)字孿生，并驗(yàn)證了該方案的正確有效性。尹超等[33]提出了一種基于復(fù)雜網(wǎng)絡(luò)理論的離散制造車(chē)間生產(chǎn)物流網(wǎng)絡(luò)建模與性能分析方法，并以重慶某發(fā)動(dòng)機(jī)箱體機(jī)加車(chē)間生產(chǎn)物流業(yè)務(wù)為例來(lái)驗(yàn)證該方法的有效性和適用性。

數(shù)字孿生車(chē)間如何建立？考慮到智能車(chē)間實(shí)際存在的問(wèn)題，徐鵬等[34]從產(chǎn)品、生產(chǎn)線(xiàn)和過(guò)程信息3個(gè)方面構(gòu)建了基于數(shù)字孿生的車(chē)間信息模型，并在某造船公司的直管柔性加工生產(chǎn)線(xiàn)實(shí)現(xiàn)了數(shù)字孿生智能車(chē)間。針對(duì)如何解決智能車(chē)間的調(diào)度問(wèn)題，劉愛(ài)軍等[35]以加工時(shí)間最小、工件拖期最小為優(yōu)化目標(biāo)建立了數(shù)學(xué)模型，并通過(guò)自適應(yīng)的遺傳算法進(jìn)行求解，從而實(shí)現(xiàn)了對(duì)柔性作業(yè)車(chē)間多目標(biāo)動(dòng)態(tài)調(diào)度問(wèn)題的求解優(yōu)化。劉志峰等[36]以某企業(yè)零件智能制造車(chē)間為例，對(duì)解決零件智能制造車(chē)間調(diào)度問(wèn)題的方法——調(diào)度云平臺(tái)進(jìn)行應(yīng)用驗(yàn)證。張弦弦等[37]提出離散工業(yè)生產(chǎn)過(guò)程的智能管控平臺(tái)方案，結(jié)果表明該平臺(tái)可實(shí)現(xiàn)生產(chǎn)線(xiàn)的精益管控。林雨谷等[38]針對(duì)離散車(chē)間的能效優(yōu)化，提出了一種調(diào)度數(shù)據(jù)環(huán)境下數(shù)據(jù)驅(qū)動(dòng)差分進(jìn)化算法。陳龍偉[39]對(duì)企業(yè)進(jìn)行數(shù)字化智能制造系統(tǒng)構(gòu)建并進(jìn)行生產(chǎn)使用，使得車(chē)間產(chǎn)能提高30%以上。鄭小虎等[40]提出了對(duì)數(shù)字孿生技術(shù)進(jìn)行分析，并基于該技術(shù)提出了紡紗智能工廠(chǎng)參考模型、紡紗生產(chǎn)裝備互聯(lián)互通信息模型、紡紗工藝流程信息模型等。

2 基于數(shù)據(jù)驅(qū)動(dòng)的智能制造技術(shù)在中藥制藥中的應(yīng)用

隨著中藥現(xiàn)代化發(fā)展，中藥制藥技術(shù)和設(shè)備得到了較大的升級(jí)，但是如何提高中藥質(zhì)量仍然是一個(gè)重大挑戰(zhàn)。目前針對(duì)中藥制藥過(guò)程中產(chǎn)品質(zhì)量傳遞的影響因素仍舊辨識(shí)不清，質(zhì)量控制仍不精準(zhǔn)，缺乏現(xiàn)代控制手段實(shí)現(xiàn)動(dòng)態(tài)質(zhì)量調(diào)控[41]。而且從整個(gè)中藥的發(fā)展歷史來(lái)看，由于其歷史局限性、已有數(shù)據(jù)的分散性以及關(guān)鍵技術(shù)的落后性等特點(diǎn)，其制造水平還處在數(shù)字化、自動(dòng)化、信息化并存的局面，這些使得中國(guó)中藥制藥邁向數(shù)字智能制藥時(shí)代面臨巨大的挑戰(zhàn)[42-43]。

現(xiàn)代中藥制藥企業(yè)已經(jīng)積累了大量的過(guò)程數(shù)據(jù)，中藥制藥過(guò)程控制技術(shù)也有了較大的提升，但由于積累的歷史數(shù)據(jù)分散于各個(gè)環(huán)節(jié)，形成了嚴(yán)重的“孤島”現(xiàn)象，使得如何挖掘這些數(shù)據(jù)背后蘊(yùn)含的信息以及如何將這些信息與物理車(chē)間相結(jié)合成了中藥制藥數(shù)字智能化新的挑戰(zhàn)熱點(diǎn)。基于上述數(shù)據(jù)驅(qū)動(dòng)技術(shù)在流程與離散制造業(yè)各領(lǐng)域中較為成熟的研究結(jié)果與應(yīng)用情況的總結(jié)，筆者團(tuán)隊(duì)初步提出數(shù)據(jù)驅(qū)動(dòng)技術(shù)在中藥制藥過(guò)程質(zhì)量?jī)?yōu)化管控的策略與建議。

中藥制藥過(guò)程中產(chǎn)生的數(shù)據(jù)包括質(zhì)量數(shù)據(jù)、物料參數(shù)、工藝參數(shù)、設(shè)備參數(shù)等，與食品行業(yè)生產(chǎn)過(guò)程數(shù)據(jù)類(lèi)似，中藥制藥過(guò)程現(xiàn)場(chǎng)數(shù)據(jù)存在復(fù)雜的耦合現(xiàn)象，監(jiān)控參數(shù)和質(zhì)量指標(biāo)數(shù)據(jù)存在復(fù)雜非線(xiàn)性關(guān)系，有滯后性等特點(diǎn)[44]。首先對(duì)于中藥制藥的過(guò)程優(yōu)化控制來(lái)說(shuō)，其優(yōu)化的目標(biāo)在于提高中藥產(chǎn)品的質(zhì)量?；谏鲜鰧?duì)數(shù)據(jù)驅(qū)動(dòng)技術(shù)在流程工業(yè)以及在離散工業(yè)中的應(yīng)用，可知采用神經(jīng)網(wǎng)絡(luò)對(duì)生產(chǎn)數(shù)據(jù)進(jìn)行建模是一種較為可行的方法。中藥制藥的生產(chǎn)過(guò)程一般包括提取、濃縮、分離、干燥、制劑等工序。對(duì)于提取工序來(lái)說(shuō)，可對(duì)提取時(shí)間、提取溫度等參數(shù)進(jìn)行優(yōu)化；對(duì)于濃縮工序來(lái)說(shuō)，可對(duì)料液溫度、液位、流量、黏度、濃度等參數(shù)進(jìn)行優(yōu)化；對(duì)于干燥工序（如真空帶式干燥）來(lái)說(shuō)，可對(duì)傳送帶速度、進(jìn)料黏度以及進(jìn)出料含水率等參數(shù)進(jìn)行優(yōu)化[45-47]。對(duì)于難以測(cè)量的參數(shù)，可以通過(guò)建立軟測(cè)量模型實(shí)現(xiàn)[48]。對(duì)于測(cè)量參數(shù)的優(yōu)化，可以用基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘算法，設(shè)定神經(jīng)網(wǎng)絡(luò)模型，并對(duì)網(wǎng)絡(luò)模型的相關(guān)參數(shù)進(jìn)行調(diào)整，使得該模型的精度達(dá)到要求，從而可用于各個(gè)工序的相關(guān)工藝優(yōu)化。

從目前已有的研究來(lái)看，利用神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘技術(shù)已在與中藥領(lǐng)域相關(guān)的食品領(lǐng)域有了較為成熟的應(yīng)用，且取得了較好的效果。沈守國(guó)等[44]通過(guò)將神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)模型應(yīng)用到奶糖攪拌充氣環(huán)節(jié)中，已為相關(guān)企業(yè)取得了近40余萬(wàn)元的直接經(jīng)濟(jì)效益。楊建國(guó)等[49]針對(duì)煮糖過(guò)程，以PCI-6221數(shù)據(jù)采集卡為硬件搭建了數(shù)據(jù)采集平臺(tái)，利用多傳感器數(shù)據(jù)融合技術(shù)對(duì)糖液進(jìn)行溫度測(cè)量，實(shí)現(xiàn)了對(duì)煮糖過(guò)程的動(dòng)態(tài)實(shí)時(shí)檢測(cè)，投入生產(chǎn)使用后，創(chuàng)造了超過(guò)25萬(wàn)元的經(jīng)濟(jì)效益。

針對(duì)在大數(shù)據(jù)時(shí)代背景下如何利用數(shù)據(jù)驅(qū)動(dòng)實(shí)現(xiàn)中藥生產(chǎn)質(zhì)量的控制問(wèn)題，徐冰等[50]基于價(jià)值創(chuàng)造提出了中藥工業(yè)大數(shù)據(jù)的3層架構(gòu)設(shè)計(jì)原理，并以清開(kāi)靈注射液、天舒片、桂枝茯苓膠囊等口服固體制劑、熱毒寧注射液、中藥配方顆粒的生產(chǎn)過(guò)程為例，分別介紹了不同數(shù)據(jù)儲(chǔ)存能力工廠(chǎng)的數(shù)據(jù)挖掘方法，表明對(duì)中藥工業(yè)大數(shù)據(jù)的挖掘利用將促進(jìn)中藥制藥智能化的轉(zhuǎn)變。夏春燕等[51]以天舒片素片生產(chǎn)為例，通過(guò)系統(tǒng)建模將實(shí)時(shí)放行檢驗(yàn)應(yīng)用于片劑生產(chǎn)質(zhì)量的控制，提高了其成型前的控制能力。王晴等[52]基于物理指紋圖譜的方法對(duì)桂枝茯苓膠囊生產(chǎn)過(guò)程進(jìn)行數(shù)據(jù)采集，并通過(guò)偏最小二次算法對(duì)數(shù)據(jù)進(jìn)行分析挖掘，建立預(yù)測(cè)性模型，提高藥品的質(zhì)量。通過(guò)本文“1.1”“1.2”部分對(duì)文獻(xiàn)的綜述，可知航天、造紙、煉鋼等成熟的工業(yè)領(lǐng)域多數(shù)都是通過(guò)機(jī)理建模或者先通過(guò)機(jī)理建模再結(jié)合數(shù)據(jù)驅(qū)動(dòng)進(jìn)行質(zhì)量控制，尤其是對(duì)控制要求非常嚴(yán)格的行業(yè)來(lái)說(shuō)更是如此。對(duì)于中藥制藥來(lái)說(shuō)，其智能化的第一任務(wù)是將智能技術(shù)與精益管理方法相融合、中藥制藥設(shè)備與智能管控技術(shù)相融合、數(shù)字世界與物理世界相融合，創(chuàng)設(shè)制造高質(zhì)量中成藥的技術(shù)模式，并且該技術(shù)模式已通過(guò)注射用血塞通（凍干）、注射用益氣復(fù)脈（凍干）、冠心寧片3個(gè)實(shí)際生產(chǎn)進(jìn)行了應(yīng)用研究，并取得了較好的結(jié)果[53]。因此對(duì)于中藥制藥的質(zhì)量控制，也可嘗試將數(shù)據(jù)驅(qū)動(dòng)過(guò)程建模與機(jī)理過(guò)程建模相結(jié)合。即利用已有的實(shí)際生產(chǎn)數(shù)據(jù)，采用簡(jiǎn)化的方法初步建立適合的模型，形成相應(yīng)的一些物料、能量以及質(zhì)量守恒的方程。之后在該機(jī)理模型的基礎(chǔ)上根據(jù)工藝參數(shù)的變化進(jìn)行大量的數(shù)據(jù)學(xué)習(xí)，利用神經(jīng)網(wǎng)絡(luò)等進(jìn)行數(shù)據(jù)挖掘，從而對(duì)初步模型進(jìn)行修正，再根據(jù)實(shí)際工藝生產(chǎn)進(jìn)行模型驗(yàn)證，將物理空間與信息空間相結(jié)合，從而可以實(shí)時(shí)對(duì)藥廠(chǎng)生產(chǎn)進(jìn)行控制，達(dá)到中藥制藥過(guò)程的智能優(yōu)化控制。

3 總結(jié)

隨著《新一代人工智能發(fā)展規(guī)劃》《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃（2018-2020年）》《政府工作報(bào)告》等相關(guān)政策的出臺(tái)，以及按“構(gòu)建一個(gè)體系、把握雙重屬性、堅(jiān)持三位一體、強(qiáng)化四大制成”進(jìn)行布局，形成人工智能健康持續(xù)發(fā)展的戰(zhàn)略路徑的提出。智能企業(yè)、智能車(chē)間、智能工廠(chǎng)的發(fā)展已成為趨勢(shì)。中藥制藥生產(chǎn)過(guò)程透明化、生產(chǎn)現(xiàn)場(chǎng)無(wú)人化、生產(chǎn)管理智能化已成為必然走向。從目前中藥生產(chǎn)的發(fā)展現(xiàn)狀來(lái)看，中藥制藥生產(chǎn)已可以實(shí)現(xiàn)自動(dòng)化生產(chǎn)，即部分生產(chǎn)現(xiàn)場(chǎng)透明化、無(wú)人化，但從自動(dòng)化逐漸完全向智能化轉(zhuǎn)變還需要一定的時(shí)間。究其原因是中藥生產(chǎn)過(guò)程的時(shí)變性以及生產(chǎn)產(chǎn)品的特殊性及不穩(wěn)定性，這使得與傳統(tǒng)船舶、冶金、煉鋼等流程工業(yè)有一定差異性。從中藥制藥生產(chǎn)過(guò)程來(lái)看，由于各個(gè)生產(chǎn)部門(mén)之間的數(shù)據(jù)缺少聯(lián)動(dòng)性，導(dǎo)致在實(shí)際生產(chǎn)中各個(gè)操作單元之間的信息不能有效交流溝通，不能形成一個(gè)閉環(huán)信息交流圈，從而產(chǎn)生了很多“無(wú)用”的數(shù)據(jù)，致使很多數(shù)據(jù)背后隱含的信息被埋藏起來(lái)，造成了大量信息的流失，制約了中藥數(shù)字工廠(chǎng)的發(fā)展。除此之外，其智能化轉(zhuǎn)型的難點(diǎn)還在于每個(gè)單元操作的機(jī)理模型如何構(gòu)建，大量工業(yè)數(shù)據(jù)的背后信息如何挖掘、以及如何將挖掘的信息有效地與實(shí)際生產(chǎn)進(jìn)行交互形成數(shù)字孿生車(chē)間等。因此本文借鑒數(shù)據(jù)驅(qū)動(dòng)技術(shù)已有的較為成熟應(yīng)用的流程工業(yè)、離散工業(yè)以及生物發(fā)酵等領(lǐng)域的研究經(jīng)驗(yàn)，并結(jié)合煮糖、奶糖生產(chǎn)等食品領(lǐng)域的研究方法，基于中藥制藥工藝的內(nèi)在規(guī)律，為數(shù)據(jù)驅(qū)動(dòng)技術(shù)在中藥制藥過(guò)程控制如何進(jìn)行智能優(yōu)化、如何挖掘出生產(chǎn)現(xiàn)場(chǎng)數(shù)據(jù)背后蘊(yùn)含的信息、如何通過(guò)數(shù)字孿生技術(shù)將信息空間與物理空間交互融合等提供一定的方向建議，并為后續(xù)的深入研究奠定基礎(chǔ)。

針對(duì)中藥制造過(guò)程理解不清楚，過(guò)程控制不精細(xì)的問(wèn)題，研究人員需要開(kāi)展基于工業(yè)大數(shù)據(jù)和機(jī)理模型的中藥制藥過(guò)程動(dòng)態(tài)模擬及過(guò)程優(yōu)化控制研究，建立面向下一代中藥智能制藥的數(shù)字孿生研發(fā)平臺(tái)，針對(duì)具體品種采集物性參數(shù)，從第一性原理出發(fā)，從設(shè)備工藝入手，針對(duì)企業(yè)的個(gè)性化需求，定制開(kāi)發(fā)其所需要的數(shù)字孿生模擬系統(tǒng)，從而保證企業(yè)在現(xiàn)有的信息采集系統(tǒng)上進(jìn)行智能升級(jí)。通過(guò)模型實(shí)現(xiàn)制藥過(guò)程中物質(zhì)流、信息流、質(zhì)量流的傳遞及轉(zhuǎn)化規(guī)律的仿真模擬?；谫|(zhì)量模型，進(jìn)行產(chǎn)品質(zhì)量?jī)?yōu)化研究，辨識(shí)關(guān)鍵工藝及關(guān)鍵參數(shù)?；诔杀灸Ｐ停M(jìn)行成本最小化研究，辨識(shí)并優(yōu)化關(guān)鍵運(yùn)行指標(biāo)。最后，綜合質(zhì)量與成本雙模型，多目標(biāo)同時(shí)優(yōu)化，指導(dǎo)關(guān)鍵工藝與裝備的優(yōu)化設(shè)計(jì)與制造，實(shí)現(xiàn)提質(zhì)增效，節(jié)能減排。