认知协作：面向未来的智能工业系统的设计方法论

《Journal of Industrial Information Integration》：Cognitive collaboration: A design methodology for future-oriented intelligent industrial systems

工业系统智能化转型面临系统性碎片化问题，本文提出认知协作设计方法论。基于双过程认知理论，重新定义工业系统为具备意图洞察、认知进化、自主规划及具身重构四大协同能力的主动伙伴，构建双维度设计空间与能力优先指数，并采用生成器-验证器双系统架构解决AI生成性与工业安全性矛盾，通过生产线运维与船舶设计案例验证其有效性，初步实验表明该框架有效平衡了灵活性、安全性与可靠性。

　　

江宏伟|尤家鹏|陈志阳|明新国|孙Poly Z.H.

上海交通大学工业工程系，中国上海200240

摘要

工业系统正在从数字化向智能化转变。然而，当前的实践往往存在系统性碎片化和认知能力不足的问题，导致高级智能与物理执行之间存在差距。现有研究要么专注于特定算法，要么停留在认知数字孪生等抽象概念层面，缺乏系统性的设计方法来弥合这一差距。为了解决这一问题，本文提出了一种基于认知科学双过程理论的认知协作设计方法。该方法将工业系统定义为具有四种协同能力的主动合作伙伴：意图洞察、认知进化、自主规划和具身重构。与传统方法不同，本文引入了一个严格的定量框架，包括一个二维设计空间和一个通过专家加权层次分析法（AHP）校准的能力优先级指数（CPI）。此外，为了解决生成式人工智能（AI）的创造力与工业安全之间的冲突，构建了一个生成器-验证器双系统架构，以将随机输出限制在可验证的安全范围内。通过生产线运维（O&M）系统的重构以及一个复杂船舶设计案例的比较分析，该方法得到了系统的验证。初步的定量实验结果进一步证实，所提出的框架有效弥合了生成灵活性与工业可靠性之间的差距，为构建下一代智能工业系统提供了一条可验证、可操作的路径。

引言

全球工业系统正在经历前所未有的智能化转型。目前，工业企业面临着日益复杂的市场环境、个性化的客户需求和严格的可持续性要求，这些挑战是传统数字系统难以有效应对的[1]、[2]。尽管企业资源规划（ERP）、制造执行系统（MES）和监控控制与数据采集（SCADA）等系统实现了数据收集、存储和流程整合[3]、[4]，但它们本质上只是被动响应预设规则的工具，缺乏主动理解、学习和创新的能力。这种架构导致了所谓的数据孤岛和功能隔离，严重阻碍了信息流动和系统间的协作[5]。

随着大型语言模型（LLM）如GPT-4 [6]和Claude 3 [7]等人工智能（AI）技术的突破，以及它们在工业场景中的潜力展示[8]，工业系统的智能化转型显示出质的飞跃的可能性。这种转型不仅体现在从被动响应到主动预测的能力提升上，更重要的是，它标志着从规则驱动向数据驱动、从单点优化向全局协作的根本转变[9]。然而，现实与这一理想状态之间仍存在显著差距。

尽管像西门子这样的行业领导者已经推出了他们的工业伴侣（Industrial Copilot）[10]，但这些探索大多是针对具体问题的改进，而非系统层面的革命。本文观察到一种普遍存在的系统性碎片化问题，其根源不在于技术不足，而在于缺乏设计哲学。当前工业系统的智能化升级通常只是增强单一功能以解决特定痛点，这反而导致了更深的系统性问题[11]。

这种系统性碎片化的根源可以归因于三个相互关联的层面[12]、[13]。

• •
  信息碎片化。指的是数据孤岛问题，即不同系统之间的数据孤立且不一致。例如，预测维护系统发出的警报无法被生产调度系统自动理解并据此调整计划，仍然需要人工干预。这种智能未能形成协同力量[14]。
• •
  关系碎片化。指的是不同部门、团队之间，甚至人与机器之间的协作流程中断和信任缺失。这种组织孤岛现象阻碍了信息流动和协作，被认为是系统性风险的重要原因[15]。
• •
  认知碎片化。这是最深层次的碎片化，系统中不同的参与者（包括人类和机器）由于专业分工和信息壁垒，对同一问题形成了孤立、片面的甚至矛盾的心理模型。在复杂的社会技术系统中，这种碎片化削弱了系统作为一个整体进行感知和适应的能力[12]、[16]。

此外，设计师们仍然停留在过时的工具范式中，将系统设计为被动执行者，只能响应精确的指令，而不是能够主动理解复杂意图的协作者。传统上，人机关系通常被描述为一个从完全手动到完全自动的一维谱系[17]。然而，这种线性思维从根本上限制了我们对未来智能系统的想象力。为了打破这种工具范式，本文提倡采用一种更丰富的设计哲学，其精神与Schneiderman提出的以人为中心的AI（HCAI）框架[18]、[19]相一致。HCAI框架挑战了一维谱系，主张将人类控制与计算机自动化解耦，以实现两者的同步提升。

由此产生的价值局限性也日益明显，设计过于关注提升单一效率价值，而系统性地忽视了创新价值和体验价值的创造，在复杂的工业场景中这两者同样重要[20]、[21]。

针对上述根本挑战，本文认为工业界迫切需要一种高层次、系统性的设计方法，超越特定技术，以指导构建更好的、面向未来的智能工业系统。为此，本文从认知科学的角度提出了认知协作设计方法。

如图1所示，本文的核心思想是将工业系统从当前的功能碎片化状态推进到未来的认知协作范式。这一转变的本质在于将系统从一系列被动的功能模块重新定义为具有完整认知闭环的智能协作者。本文提出的认知协作者概念是HCAI原则在工业领域的具体应用。它并不追求完全自主的黑箱，而是构建一个既高度智能（高自动化）又深度协作、并受人类价值观指导的合作伙伴（高控制）。

本文的核心贡献有三个方面。

• •
  工业安全的双过程认知架构。本文提出了一种新的生成器-验证器架构，将双过程理论整合到工业系统设计中。与传统的黑箱AI应用不同，该架构将LLM的生成灵活性（系统1）与知识图谱（KG）和物理引擎（系统2）的确定性严谨性结构耦合在一起。这一机制理论上解决了符号接地问题，确保高级语义意图能够转化为物理上安全且可执行的动作。
• •
  价值驱动的战略规划方法。本文建立了一个正式的映射框架，以弥合抽象商业战略与技术实现之间的差距。通过构建二维设计空间和能力优先级指数（CPI），本文提供了一种将模糊的战略定位（例如，以创新为导向）转化为精确的、量化的认知能力要求的方法。这克服了临时系统设计中常见的主观性和碎片化问题。
• •
  解决工业AI中的灵活性与可靠性悖论。通过比较研究和定量差距分析，本文展示了一种新的机制，实现了比现有范式更好的帕累托改进。本文证明，所提出的方法能够在保持生成式AI的高适应性的同时（准确率比基于规则的系统（RBS）高出45.4%），同时确保工业控制的严格可靠性。这为在确定性工业环境中应用概率模型提供了可扩展的路径。

相关工作

相关工作

本节旨在通过回顾和评论工业界和学术界的现有工作，识别当前在系统性认知设计方法论方面的重大差距，从而突出本文提出的认知协作框架的必要性和原创性。

设计方法：从认知范式到能力定义

作为本文的核心部分，本节详细阐述了认知协作设计方法的理论基础、核心组成部分和应用过程，从而构建了本文的理论体系。

案例研究

本节通过分析两个不同的案例——制造生产线运维和复杂高性能船舶设计——展示了认知协作方法如何指导全新系统的设计，从而验证了其有效性、可操作性和普适性。

讨论

本节旨在深入解读本文的核心贡献，提炼其设计原则，并展望其普适性和未来挑战，从而提升本文的理论和实践价值。

结论

针对当前工业智能系统中普遍存在的系统性碎片化问题——表现为信息、关系和认知层面的脱节——本文认为根本原因在于工业界缺乏系统性的设计哲学。为了解决这一问题，本文提出了认知协作设计方法，倡导一种根本性的范式转变：将工业系统从被动的功能执行者重新定义为积极主动的认知系统

CRediT作者贡献声明

江宏伟：撰写——原始草稿、方法论、数据整理。尤家鹏：撰写——审稿与编辑。陈志阳：撰写——审稿与编辑。明新国：撰写——审稿与编辑。孙Poly Z.H.撰写——审稿与编辑。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。

致谢

本项工作得到了国家自然科学基金（项目编号：72371160）和上海城市数字化转型专项基金（项目编号：202401039）的支持。