PROCESS INDUSTRY INTELLIGENCE研究与实践门户

让工业知识、
实时数据与智能体
协同工作

连接传统工业自动化、数字化与 AI 原生能力,探索化工、冶金、建材、医药、农药、涂料与电子化学品的新一代工业智能。

机理与数据融合人在回路安全可信
KNOWLEDGE NETWORK工业认知关系图
OPC UAHAZOPS88MCPRAG
当前节点 · 核心编排知识、模型与工具,支持诊断、决策和受控执行
覆盖行业7 大领域

连续、批次与混合流程

知识框架5 条主线

原理、技术、产品、案例、实践

演进路径4 个阶段

自动化 → 数字化 → 智能化 → 智能体

01 / KNOWLEDGE MAP

从控制闭环,走向认知闭环

工业智能体不是在传统系统上增加一个聊天窗口,而是把对象语义、实时状态、分析模型、领域知识和受控工具组织为可验证的认知闭环。

01AUTOMATION

自动化

感知与控制物理过程

PLC · DCS · SIS · SCADA
02DIGITALIZATION

数字化

记录并关联生产事实

Historian · MES · EBR · KPI
03INTELLIGENCE

智能化

预测、诊断与优化

SPC · ML · MPC · Digital Twin
04AGENTIC SYSTEM

智能体

理解任务并编排工具

RAG · MCP · Planning · Guardrails
工业认知栈

五类资产,构成智能体的“工业上下文”

每一层都可独立建设,但只有共享对象标识、时间语义和证据链,才能形成可信的跨系统推理。

01

对象与关系

装置、设备、仪表、物料、批次、人员

02

数据与事件

实时值、质量码、报警、操作、工况、批记录

03

模型与算法

机理模型、统计模型、软测量、优化与仿真

04

知识与规则

标准、SOP、HAZOP、经验规则、技术文献

05

工具与治理

查询、计算、诊断、审批、执行、审计与权限

02 / INDUSTRY SCENARIOS

从高价值问题出发

优先选择证据充分、边界清晰、可由现有工业数据支撑的任务;让智能体先成为工程师的分析伙伴,再逐步进入受控决策。

CHEM / 化工工程验证

控制回路诊断智能体

融合 PID 性能指标、振荡检测、阀门粘滞诊断与机理解释,生成可追溯的处置建议。

CLPM时序分析工具调用
META / 冶金概念验证

冶炼过程稳定性助手

关联工艺窗口、物料状态与能源曲线,识别偏离的来源、传播路径与潜在损失。

过程监测根因分析能效
MTRL / 建材研究方向

窑炉运行优化智能体

把质量、煤耗、温度场和设备状态置于同一决策上下文,支持操作方案对比。

软测量优化人在回路
PHAR / 医药工程验证

批记录审阅智能体

沿 S88 批次层级自动核查关键步骤、偏差与电子记录,保留证据链和审批边界。

S88EBR合规
AGRO / 农药产品构想

批次工况识别与追溯

从 DCS 时序和操作事件中识别批次、工序与步序,为无 BATCH/MES 现场补齐轻量语义。

批次识别事件谱系
COAT / 涂料产品构想

配方—过程—质量分析

连接配方版本、投料顺序、过程轨迹和质量结果,支持跨批次对标与异常解释。

配方质量批次对标
ELEC / 电子化学品研究方向

高纯过程异常守卫

面向微小漂移与多变量耦合,协同规则、统计模型和专家知识完成早期预警。

多变量SPC异常检测

03 / AGENT ARCHITECTURE

工业智能体参考架构

大模型负责理解、计划和解释;工业软件、算法与规则负责计算和执行。所有结论都应可回到数据、模型与知识来源。

智能体编排层任务理解规划分解记忆与上下文多智能体协作
知识与模型层知识图谱RAG机理模型时序/统计模型
工具与服务层指标计算诊断算法仿真优化报表与工作流
工业数据层OPC UAHistorianMES/EBR文档与主数据
安全治理底座身份权限质量与血缘Guardrails审计与评估
关键边界

“建议”与“自动执行”必须分级。涉及联锁、控制设定值、配方、质量放行与安全环保的动作,默认保持人在回路,并由现有工业控制与业务系统承担最终执行权。

04 / TECHNOLOGY RADAR

技术雷达:现在、下一步与观察区

用成熟度与工业风险共同判断技术位置,避免把通用 AI 的演示能力误当成流程工业的生产能力。

采用
验证
观察
123456
01

混合式 RAG

文档检索 + 图谱关系 + 时序查询

采用
02

受控工具调用

MCP / API / CLI 与审批式工作流

采用
03

时序基础模型

跨装置迁移与小样本适配

验证
04

机理—数据融合

物理约束学习与混合数字孪生

验证
05

多智能体协作

按工艺、设备、控制与安全角色分工

观察
06

自主闭环控制

由智能体直接修改生产控制目标

谨慎

05 / INDUSTRIAL AI LIBRARY

专题、案例与生态知识库

使用统一条目结构组织应用方案、底层原理、标准论文、开源资源和供应商产品。当前为首批精选索引,后续可继续扩充为带全文、关系图和更新机制的内容底座。

案例5 条精选内容来源优先级:标准组织 / 原始论文 / 官方仓库 / 厂商资料

ECOSYSTEM MAP

供应商不宜只按“是否有 AI”比较

建议从其在工业技术栈中的位置、数据控制权、领域模型、交付方式和安全边界进行评估。

01控制与边缘

DCS / PLC / SCADA / 边缘计算

02工业数据与语义

Historian / DataOps / Contextualization

03工程与运营模型

Simulation / APM / MES / Optimization

04AI 与智能体平台

Foundation Model / Agent / Copilot

06 / STARTING POINTS

从权威标准与可运行代码开始

以下入口适合作为团队学习和原型验证的第一站;专题知识库则提供更系统的分类、解释和场景关联。

收录原则权威性可验证可复现工业相关性安全与合规

FROM RESEARCH TO PRACTICE

一条务实的工业 AI 落地路径

01

定义问题

锁定决策对象、价值、频率与错误成本。

02

建立上下文

统一对象、时间、工况与证据来源。

03

工具化能力

将既有算法和工业软件封装为可调用工具。

04

渐进式自治

从检索、解释、建议走向审批式执行。