“求实”的向心力
桂卫华领衔的这一团队，是我国最早从事有色冶金自动化的研究团队。“老实做人，踏实做事”，是团队40年来沉淀的价值观。
这句话源自一份礼物。2003年前后，中南矿冶学院（中南大学前身）1978级全体研究生在入学30年之际计划给母校送一份礼物，桂卫华也是其中一员。
“我一直在想，我的老师、我的母校给予我最重要的东西是什么，我想到了‘求实’二字。”他说，这正是“老实做人，踏实做事”的高度概括。这个主意得到了同学们的认同，他们把“求实”二字刻在一块呈翻开书本状的石碑上，送给了母校。
多年来，“求实”也成为团队成员凝聚在一起不断前行的向心力。
团队成员、中南大学自动化学院教授蒋朝辉至今仍记得一件多年前发生的事。当时，在国家自然科学基金重大项目“大型高炉炼铁过程运行信息的高性能检测方法研究”的支持下，蒋朝辉带着团队在广西一家公司的高炉上测试监测炼铁过程运行信息的“内窥镜”。突然，一氧化碳爆表，蒋朝辉晕了过去。被抬下现场后，他坚持把这项工作做完了。回忆起这一幕，蒋朝辉说：“是一种使命感，让自己坚持下来。”
正是由于严谨治学的科研精神和求真务实的人生态度，一批有色冶金自动化领域高层次人才在团队中成长起来。“强调敬业和奉献，这是我们团队最大的宝藏。”桂卫华表示。
制造业升级的关键在“知识自动化”
《中国科学报》：随着人工智能深入推进和发展，制造过程中深度融入人工智能应当是大势所趋，目前面临哪些挑战？
桂卫华：人工智能与制造过程深度融合过程中，还存在相当大的挑战。这一挑战来源于人工智能研究与制造过程结合不足。一方面，在现代企业生产过程中，通过生产分工和自动化技术，体力型工作已经基本上被机器所替代。未来，如果知识型的工作也能够通过自动化技术由机器完成，将极大地创造出更多新价值和新知识。
另一方面，由于工业企业需要面对市场需求、资源供应、环保排放等诸多因素，工况变化更加复杂；同时，随着云平台、移动计算、物联网、大数据的出现，工业环境中数据种类和规模迅速增加。客观形势变化令传统的知识型工作者感到力不从心。
FD25FA21/B04V R900513266
为此，我们提出了“知识自动化”这一概念，指采用有效方法对知识进行合理提取及处理。摆脱对知识型工作者的传统依赖，实现具有智能的知识自动化系统是解决工业生产高效化、绿色化发展的核心，也是人工智能与制造业深度融合的最大挑战。
《中国科学报》：工业生产中应用知识自动化技术如何提升生产效率，能否举一个案例说明？
桂卫华：我们以一家锌冶炼企业的原料采购决策问题为例。锌湿法冶炼原料是锌精矿，精矿原料从分布在全国各地的数百家矿山采购而来，成分复杂、品位差异大。由于生产规模大，对原料的需求量大，原料采购占用的流动资金多，每年的原料采购资金多达20亿元。
单就采购这一个环节，传统的人工决策难以综合考虑资金、矿源、库存和供应商关系等多种因素，导致采购成本增加。
基于采购和生产知识进行优化后，采购从原来的人工决策转变为基于知识的自动化决策，使采购的原料平均品位及杂质含量满足生产要求，同时使原料采购费用最少，可每年为企业节约采购经费数千万元。
由此可见，工业生产中的知识型工作包含两层含义，一是人为的决策流程，一是依赖经验的决策行为。工业生产过程迫切需要解决知识型工作流程的优化与自动化，并在各个决策点实现知识驱动的自动化决策。
《中国科学报》：具体而言，知识自动化的学术研究分为哪些方面？针对工业生产过程，需要学者们从哪些方向去重点攻关？
桂卫华：目前的知识自动化研究，距离实现工业生产过程所需要的知识型工作自动化还存在很大差距，也是制造业未来转型升级的关键。
知识处理方法的研究集中在知识获取、表示、重组和关联推理等四个方向上。其中，知识获取方面，工业过程中隐性知识如何获取依然是研究难点，工业过程控制系统中建模、控制与优化决策相关知识规则的获取等仍是主要难题。
知识表示方面，工业生产过程中，知识型工作者对事物和信息的表达往往是不精确、不确定和模糊的，此类知识如何表示对于面向控制需求的知识自动化系统实现具有挑战性。
知识重组方面的研究还处在理论阶段，有关知识重组的应用研究相对比较少。
知识关联和推理方面，针对复杂对象，特别是复杂生产过程不完备知识的推理和计算仍停留在理论探讨层面，研究成果极少。
希望广大自动化、人工智能领域的学者，围绕这些问题开展集中研究，以解工业生产一线的燃眉之急。
