智能制造技術(shù)是中藥產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型升級所必需的關(guān)鍵技術(shù)。中藥企業(yè)已在實時數(shù)據(jù)庫建設(shè)、信息系統(tǒng)開發(fā)、工業(yè)數(shù)據(jù)分析與建模等方面取得較大進(jìn)展。針對人、機(jī)、料、法、環(huán)等制造要素的結(jié)構(gòu)化數(shù)據(jù)，進(jìn)行了有效的采集、分析與管控，成功應(yīng)用于藥材質(zhì)量追溯、生產(chǎn)工藝優(yōu)化、過程質(zhì)量控制、生產(chǎn)管理、倉儲物流管理等各業(yè)務(wù)活動。
對中藥工業(yè)數(shù)據(jù)利用現(xiàn)狀進(jìn)行分析，在全產(chǎn)業(yè)鏈各環(huán)節(jié)、全生命周期各階段、制造全過程之中，仍存在著大量非結(jié)構(gòu)化的數(shù)據(jù)和信息，依賴于人工進(jìn)行收集、記錄、分析與決策。例如，在產(chǎn)業(yè)鏈的 藥材鑒別環(huán)節(jié)，通過目視、嗅聞等方法對藥材品質(zhì)進(jìn)行判斷;在生命周期的藥品研發(fā)階段，通過查詢 典籍、文獻(xiàn)進(jìn)行制藥工藝的開發(fā);在制造過程中，采用目視的方法對流化床制粒工序的流化狀態(tài)進(jìn)行 觀察評估。以上實例均說明，非結(jié)構(gòu)化數(shù)據(jù)是中藥工業(yè)重要的數(shù)據(jù)資源，具有巨大的挖掘空間和利用價值。
隨著人工智能技術(shù)與算力的提升，生成式人工智能(artificial intelligence ，AI)模型的體量與處 理能力均有了質(zhì)的飛躍。模型結(jié)構(gòu)的優(yōu)化使參數(shù)規(guī)模不斷擴(kuò)增，模型所能處理的數(shù)據(jù)類型也逐漸由單模態(tài)的文本數(shù)據(jù)轉(zhuǎn)向文本、語言、圖像等多模態(tài)/跨模態(tài)數(shù)據(jù)。如，OpenAI發(fā)布的 GPT-4與 DALL- E;Stability AI 發(fā)布的 Stable Diffusion;百度發(fā)布的文心一言;商湯科技發(fā)布的日日新;科大訊飛發(fā)布的星火大模型等。依據(jù)OpenAI公開的應(yīng)用案例可知，GPT-4 已在商業(yè)知識管理、智能對話機(jī)器 人、個性營銷等方面進(jìn)行了諸多探索。生成式 AI 對于非結(jié)構(gòu)化數(shù)據(jù)的知識萃取、語義檢索、 內(nèi)容 生成能力，有望為中藥工業(yè)非結(jié)構(gòu)化數(shù)據(jù)資源的利用提供一套可行的工具。
本研究首先分析了中藥工業(yè)的智能制造現(xiàn)狀及生成式 AI 在工業(yè)領(lǐng)域的發(fā)展?jié)摿?接著，聚焦于 中藥制造和供應(yīng)鏈環(huán)節(jié)， 明確了生成式 AI 的 4 個潛在應(yīng)用場景，闡述了場景的數(shù)據(jù)采集與處理、業(yè) 務(wù)流程設(shè)計、應(yīng)用潛力與價值;最后，本研究嘗試提出基于生成式 AI 與中藥工業(yè)模型融合的中藥智 慧工業(yè)大腦框架， 旨在為未來 AI 大模型在中藥智能制造領(lǐng)域的應(yīng)用提供參考。
1 中藥工業(yè)智能制造現(xiàn)狀分析
在當(dāng)前時代背景下，消費者對于中藥產(chǎn)品的需求正趨于個性化、透明化、精準(zhǔn)化。為應(yīng)對市場變化， 中藥企業(yè)亟需進(jìn)行全產(chǎn)業(yè)鏈的智能化轉(zhuǎn)型升級， 以利用數(shù)字化技術(shù)提高自身精準(zhǔn)研發(fā)、高質(zhì)生產(chǎn)、高效供應(yīng)、個性服務(wù)的能力。《健康中國 2030》、《“十四五”中醫(yī)藥發(fā)展規(guī)劃》等醫(yī)藥產(chǎn)業(yè) 發(fā)展戰(zhàn)略均指出，要加快中藥制造業(yè)數(shù)字化、智能化建設(shè)，提升中藥產(chǎn)業(yè)發(fā)展水平。
筆者所在研究團(tuán)隊長期在中藥企業(yè)從事智能制造關(guān)鍵技術(shù)研究與產(chǎn)業(yè)應(yīng)用工作，基于多年來在 多個中藥智能工廠建設(shè)中積累的經(jīng)驗， 以及對中藥行業(yè)智能制造發(fā)展現(xiàn)狀的深入了解， 中藥企業(yè)現(xiàn)已 在實時數(shù)據(jù)庫、信息系統(tǒng)、過程建模等方面取得較大進(jìn)展。企業(yè)針對人、機(jī)、料、法、環(huán)等制造要素 的結(jié)構(gòu)化數(shù)據(jù)進(jìn)行了采集、分析與監(jiān)控，成功應(yīng)用于藥材質(zhì)量追溯、生產(chǎn)工藝優(yōu)化、過程質(zhì)量控制、 生產(chǎn)管理、倉儲物流管理等各業(yè)務(wù)活動。
1.1 信息系統(tǒng)應(yīng)用于中藥工業(yè)數(shù)據(jù)采集與企業(yè)管理
中藥工業(yè)采用批次型流程式生產(chǎn)、單元式操作的生產(chǎn)模式， 自動化、信息化基礎(chǔ)建設(shè)較為薄弱， 長期以來面臨數(shù)據(jù)孤島問題，導(dǎo)致數(shù)據(jù)資源難以有效利用。因此， 中藥企業(yè)近年來聚焦于“人機(jī)料法 環(huán)測 ”等關(guān)鍵要素 ，加強(qiáng)建設(shè)實 時/ 關(guān)系數(shù)據(jù)庫， 開發(fā) 以數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)( Supervisory Control And Data Acquisition ，SCADA)、制造執(zhí)行系統(tǒng)(Manufacturing Execution System ，MES)、 企業(yè)資源計劃系統(tǒng)(Enterprise Resource Planning ，ERP)為代表的信息系統(tǒng)， 以提高數(shù)據(jù)資源的利用效率。
底層信息系統(tǒng)如分散控制系統(tǒng)(Distributed Control System ，DCS)、 實時數(shù)據(jù)庫、SCADA系 統(tǒng)等，用于工業(yè)數(shù)據(jù)的實時采集、存儲和批處理。上層信息系統(tǒng)如藥材質(zhì)量追溯系統(tǒng)、MES系 統(tǒng)、實驗室信息管理系統(tǒng)(Laboratory Information Management System ，LIMS)、倉儲管理系統(tǒng)(Warehouse Management System ，WMS)、ERP系統(tǒng)等，覆蓋中藥全產(chǎn)業(yè)鏈范圍，支持藥材資源管 理、生產(chǎn)過程監(jiān)控、倉儲物流管理、供應(yīng)商管理。借助信息系統(tǒng)， 中藥企業(yè)能夠打通產(chǎn)業(yè)鏈各環(huán)節(jié)間 的數(shù)據(jù)斷點，減少人工作業(yè)，加強(qiáng)業(yè)務(wù)協(xié)同能力，提升業(yè)務(wù)效率。
1.2 工業(yè)數(shù)據(jù)模型應(yīng)用于中藥生產(chǎn)過程質(zhì)量控制
中藥藥效作用是由多種成分協(xié)同產(chǎn)生的，質(zhì)量控制目標(biāo)包括主要藥效成分、同類藥效成分、分析 標(biāo)記物等多類指標(biāo)。中藥制造過程是典型的多輸入、多輸出、多目標(biāo)協(xié)同優(yōu)化控制的過程，會受到物料、工藝、設(shè)備等多種因素的影響，需要研究關(guān)鍵參數(shù)以及參數(shù)間交互作用對產(chǎn)品質(zhì)量的影響。
為攻克過程控制復(fù)雜性問題，企業(yè)將生產(chǎn)過程積累的經(jīng)驗知識與機(jī)制建模技術(shù)、數(shù)據(jù)驅(qū)動建模技 術(shù)相結(jié)合， 圍繞著物料屬性、工藝參數(shù)、設(shè)備參數(shù)等關(guān)鍵參數(shù)，進(jìn)行了數(shù)據(jù)建模研究。所建工業(yè)模 型主要應(yīng)用于生產(chǎn)過程質(zhì)量控制的4個方面： 物料屬性控制、過程實時監(jiān)控、終點控 制、前饋控制。中藥企業(yè)通常會在實際生產(chǎn)中利用不斷積累的工業(yè)數(shù)據(jù)，對模型進(jìn)行持續(xù)優(yōu) 化與更新，推動生產(chǎn)質(zhì)量管理的持續(xù)改進(jìn)。
1.3 中藥工業(yè)非結(jié)構(gòu)化數(shù)據(jù)利用情況
以信息系統(tǒng)為主體的數(shù)據(jù)資源管理模式，使現(xiàn)有工業(yè)模型以單模態(tài)模型為主， 圍繞著可被采集到 結(jié)構(gòu)化數(shù)據(jù)進(jìn)行模型開發(fā)，對于非結(jié)構(gòu)化數(shù)據(jù)尤其是多模態(tài)、跨模態(tài)數(shù)據(jù)的處理能力較為有限。中藥 制造過程與供應(yīng)鏈仍有大量非結(jié)構(gòu)化數(shù)據(jù)， 目前尚缺乏有效手段將其納入生產(chǎn)管控中。中藥制造過程 與供應(yīng)鏈各環(huán)節(jié)中存在的非結(jié)構(gòu)化數(shù)據(jù)見表 1 、2。這些非結(jié)構(gòu)化數(shù)據(jù)以圖像、文本、視頻、音頻等 多種形式存在，經(jīng)由各類專業(yè)職能人員分析并總結(jié)，分散于工藝驗證報告、偏差調(diào)查報告、質(zhì)量回顧 報告等各職能部門的資料中，也通過口頭傳授的方式在師徒關(guān)系中傳承。
對非結(jié)構(gòu)化數(shù)據(jù)的處理技術(shù)，當(dāng)前業(yè)內(nèi)已有一些探索性研究，但還未得到廣泛使用。例如，針對 制造過程物料要素，杜瑞超等使用電子舌檢測器，獲取中藥水煎液滋味信息來模擬味覺;針對供應(yīng) 鏈藥材質(zhì)量管理環(huán)節(jié)，曹煌等使用電子鼻檢測器，獲取辛味藥材飲片氣味信息來模擬嗅覺;針對制 造過程人員和工藝要素，繆培琪等提出可使用工業(yè)相機(jī)捕捉圖像/視頻數(shù)據(jù)，結(jié)合圖像識別算法來識 別生產(chǎn)過程狀態(tài)與人員操作行為;針對制造過程工藝要素，薛啟隆等使用層次分析法構(gòu)建中藥制藥 工藝知識庫量化人工經(jīng)驗。從上述文獻(xiàn)可以看出，目前對非結(jié)構(gòu)化數(shù)據(jù)的處理方法通常是，先通過 分割、標(biāo)注、轉(zhuǎn)換等處理，將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化成結(jié)構(gòu)化數(shù)據(jù)，用于建立單模態(tài)數(shù)據(jù)模型，或利用數(shù) 據(jù)融合算法對多模態(tài)數(shù)據(jù)進(jìn)行分析與建模。這種處理方法的局限性在于，數(shù)據(jù)加工和融合過程不僅需 要大量的人工投入，且在一定程度上會受到數(shù)據(jù)處理人員主觀判斷的影響。
表1 中藥制造過程非結(jié)構(gòu)化數(shù)據(jù)概述
表2 中藥供應(yīng)鏈非結(jié)構(gòu)化數(shù)據(jù)概述
2 生成式 AI 在工業(yè)領(lǐng)域的應(yīng)用能力分析
2022 年 11 月，作為生成式 AI 代表的 ChatGPT 一經(jīng)發(fā)布，因其強(qiáng)大的內(nèi)容生成能力，在全球領(lǐng) 域受到廣泛的關(guān)注與追捧。我國于 2023 年 7 月 13 日頒布《生成式人工智能服務(wù)管理暫行辦法》中， 將生成式 AI 技術(shù)定義為具有文本、圖片、音頻、視頻等內(nèi)容生成能力的模型及相關(guān)技術(shù)。生成式 AI 通?；谏疃壬窠?jīng)網(wǎng)絡(luò)算法，通過學(xué)習(xí)訓(xùn)練樣本中的概率分布與邏輯規(guī)律用于建模，并利用模型 生成新內(nèi)容 。Transformer 架構(gòu)作為大部分生成式 AI 模型中的核心架構(gòu)，早期用于自然語言處理領(lǐng) 域，以解決模型處理長文本時的信息丟失問題。由于該架構(gòu)出色的多數(shù)據(jù)并行處理優(yōu)勢，大幅提升 了模型的計算效率，故其逐漸在語言、圖像、音頻等數(shù)據(jù)分析領(lǐng)域得到推廣應(yīng)用。
依據(jù) OpenAI 、百度等全球知名 AI 公司已發(fā)布的生成式 AI 產(chǎn)品介紹可知，生成式 AI 的多模態(tài)、 跨模態(tài)數(shù)據(jù)處理能力正在快速提升， 已在多個制造行業(yè)發(fā)揮重要作用。OpenAI 公司的 GPT 可在報告 撰寫、垂直領(lǐng)域文檔搜索、法規(guī)條款及文獻(xiàn)信息提取、會議紀(jì)要總結(jié)、智能終端及有溫度機(jī)器人、代 碼轉(zhuǎn)換與 SQL 代碼生成等方面發(fā)揮作用。百度公司的文心一言已為多個制造行業(yè)如航天、汽車、 燃?xì)饣ぁ㈦娮?a href=http://www.90chu.com/index.php?m=content&c=index&a=infolist2021&typeid=1&siteid=1&type=keyword&serachType=2&key=%E5%88%B6%E9%80%A0 style='color:#57A306' target='_blank'>制造等提供大模型服務(wù)，深入?yún)⑴c到專業(yè)文獻(xiàn)檢索、制造信息提取、安全巡檢與預(yù) 警、領(lǐng)域知識庫搭建等多項工作中?？拼笥嶏w公司借助星火大模型核心技術(shù)開發(fā)面向工業(yè)領(lǐng)域的羚 羊大模型，其具有文本生成、知識問答、工業(yè)理解計算、工業(yè)代碼生成、工業(yè)多模態(tài)數(shù)據(jù)處理 5 大核 心能力，并已為鋼鐵、機(jī)床、電子制造等行業(yè)提供聚焦業(yè)務(wù)場景的解決方案。
綜上可知，針對工業(yè)領(lǐng)域普遍存在的非結(jié)構(gòu)化數(shù)據(jù)，生成式 AI 能夠充當(dāng)多學(xué)科交叉專家、生產(chǎn) 高級管理人員、供應(yīng)鏈高級管理人員等角色，參與到制造及供應(yīng)鏈管理活動中。
3 基于生成式 AI 的中藥智慧制藥場景設(shè)計
工信部發(fā)布《智能制造發(fā)展規(guī)劃(2016—2020 年)》，將智能制造的核心特征總結(jié)為五個
“自”： 自感知、自學(xué)習(xí)、自決策、自執(zhí)行、自適應(yīng)。對于非結(jié)構(gòu)化數(shù)據(jù)收集和處理依賴于人工的中 藥生產(chǎn)現(xiàn)狀，顯然與五個“自”的目標(biāo)存在著差距。
通過上文分析，聚焦于中藥制造各要素、供應(yīng)鏈各環(huán)節(jié)產(chǎn)生的非結(jié)構(gòu)化數(shù)據(jù)分析需求，借助生成 式 AI 的多模態(tài)/跨模態(tài)數(shù)據(jù)處理與生成能力，生成式 AI 有望在制藥知識庫、生產(chǎn)質(zhì)控、供應(yīng)鏈管理 等核心業(yè)務(wù)中，逐步減少或替代人工活動，加速實現(xiàn)智能制造最終目標(biāo)。
下文詳細(xì)闡述生成式 AI 典 型應(yīng)用場景的業(yè)務(wù)流程設(shè)計、應(yīng)用潛力與價值。
3.1 生成式 AI 應(yīng)用場景一： 中藥智慧制藥知識庫/知識圖譜
知識庫是針對某一特定領(lǐng)域/問題， 將互相關(guān)聯(lián)的知識片集合以某種知識表達(dá)方式在計算機(jī)中進(jìn) 行存儲、管理與調(diào)用的一種計算機(jī)系統(tǒng)。知識片包括領(lǐng)域相關(guān)的理論知識、結(jié)構(gòu)化數(shù)據(jù)、由專家經(jīng) 驗得來的啟發(fā)式知識以及行業(yè)內(nèi)公認(rèn)的常識性知識等。
對當(dāng)前已發(fā)布的中醫(yī)藥知識庫及大模型進(jìn)行調(diào)研， 中醫(yī)藥大模型主要類型有基于中醫(yī)藥典籍文獻(xiàn)與中醫(yī)專家醫(yī)案的臨床診療大模型如岐黃問道 · 大模型、仲景中醫(yī)大語言模型，基于中藥方 劑、成分、靶點信息的知識問答大模型如數(shù)智岐黃、華佗 GPT，暫未查詢到針對制藥過程的知 識庫及大模型;查詢西門子、霍尼韋爾等知名工業(yè)數(shù)據(jù)庫公司官網(wǎng)信息，針對流程行業(yè)的解決方案 中，未發(fā)現(xiàn)面向中藥工業(yè)生產(chǎn)的知識庫，如中藥物性數(shù)據(jù)知識庫、中藥工藝機(jī)制模型知識庫等。因 此，在中藥工業(yè)領(lǐng)域有必要綜合化學(xué)成分、物料屬性、工藝機(jī)制、設(shè)備性能、環(huán)境監(jiān)測等制藥過程數(shù) 據(jù)，建立針對中藥制藥的知識庫。
基于生成式 AI 的中藥智慧制藥知識庫與知識圖譜場景示例見圖 1。搭建中藥制藥知識庫首先需 要解決知識收集的問題。中藥制藥知識來源較為分散，既有來自企業(yè)私域的專家經(jīng)驗與結(jié)構(gòu)化數(shù)據(jù)， 如生產(chǎn)要素知識、過程管控知識等，也有來自公域的理論知識與研究資料，如法規(guī)知識、多學(xué)科交叉 知識、文獻(xiàn)資料等。知識的存在形式亦復(fù)雜多樣，在每個制造要素、每個供應(yīng)商環(huán)節(jié)之中均存在多種 類型的數(shù)據(jù)，見表 1。
生成式 AI 可以提供數(shù)據(jù)管理與知識萃取工具，對內(nèi)部私域數(shù)據(jù)進(jìn)行匯總、整理與挖掘，對外部公域數(shù)據(jù)進(jìn)行收集、提取與分析，將中藥制藥知識進(jìn)行統(tǒng)一解構(gòu)、編碼、存儲、管理，形成制藥知識庫。
在知識庫的基礎(chǔ)上，進(jìn)一步可實現(xiàn)知識片間的交互關(guān)系映射與定量化賦值，形成中藥智慧制藥知 識圖譜，見圖 1。面向研發(fā)、質(zhì)量、設(shè)備、技術(shù)、生產(chǎn)等各職能崗位，該知識圖譜可幫助設(shè)計并生成 實驗方案、質(zhì)量回顧報告、工藝驗證報告、偏差調(diào)查報告等多項內(nèi)容。
圖1 基于生成式AI的中藥智慧制藥知識庫與知識圖譜場景示例
3.2 生成式 AI 應(yīng)用場景二： 中藥智慧上崗培訓(xùn)
人員作為制藥過程中的關(guān)鍵生產(chǎn)要素，人員素質(zhì)與行為規(guī)范程度將直接影響生產(chǎn)操作與控制水平。GMP 明確規(guī)定，需對從事藥品生產(chǎn)的各級人員進(jìn)行培訓(xùn)與考核[35]。因此，上崗培訓(xùn)也是生產(chǎn)質(zhì) 量管理的重要內(nèi)容。企業(yè)的生產(chǎn)管理體系文件由具備資質(zhì)的員工進(jìn)行起草與更新，并用于生成員工的 上崗培訓(xùn)資料。以生產(chǎn)部門為例，培訓(xùn)需包括人員管理類文件、設(shè)備操作類文件、物料管理類文件、 工藝方法類文件以及環(huán)境管理類文件，體系結(jié)構(gòu)龐大，文件更新頻次高。此外，培訓(xùn)通常采用講課口 述與紙質(zhì)考核相結(jié)合的方式進(jìn)行，課件設(shè)計及講授、考核設(shè)計、學(xué)員考評完全依賴于培訓(xùn)師人工完 成，導(dǎo)致管理者與培訓(xùn)人員工作任務(wù)繁重，人力成本極高。
基于生成式 AI 的中藥智慧上崗培訓(xùn)場景示例見圖 2，這種培訓(xùn)模式有望替代培訓(xùn)講師的大部分 工作。在文件體系建設(shè)方面，可利用歷史文件對生成式 AI 進(jìn)行訓(xùn)練學(xué)習(xí)，并對各監(jiān)管機(jī)構(gòu)法規(guī)/指南/ 公告、國內(nèi)/國際藥典、其他制藥企業(yè)收到的警告信等關(guān)鍵信息進(jìn)行監(jiān)控與檢索， 以支持現(xiàn)有體系文 件的實時更新、國際法規(guī)的快速翻譯、文件信息的問答式查詢等。在人員培訓(xùn)方面，生成式 AI 模型 可生成智慧虛擬培訓(xùn)師，針對學(xué)員專業(yè)背景與特點，對培訓(xùn)文件中的關(guān)鍵知識點進(jìn)行精準(zhǔn)提煉，或與增強(qiáng)現(xiàn)實(augmented reality ，AR)技術(shù)相結(jié)合，在具有 3D 實感的培訓(xùn)場景中生成視頻、語音、文 字等多類型課件。 同時，充分利用生成式 AI 的語言交互能力，與學(xué)員進(jìn)行實時答疑解惑，并在培訓(xùn) 結(jié)束后對受訓(xùn)者進(jìn)行線上考核評估，完成人員考核管理任務(wù)。
圖2 基于生成式AI的中藥智慧上崗培訓(xùn)場景示例
3.3 生成式 AI 應(yīng)用場景三： 中藥智慧生產(chǎn)質(zhì)控
生產(chǎn)過程質(zhì)量控制是保障藥品質(zhì)量穩(wěn)定均一的重要手段。傳統(tǒng)生產(chǎn)質(zhì)控以事后控制為主，通常是 在異常情況發(fā)生之后，通過中間體檢驗結(jié)果、生產(chǎn)操作人員現(xiàn)場觀察或 QA 經(jīng)驗方能發(fā)現(xiàn)異常，再結(jié) 合歷史操作經(jīng)驗制定糾偏策略，糾偏措施存在滯后性，可能造成當(dāng)批產(chǎn)品的不合格。這種質(zhì)控模式無 法實現(xiàn)異常情況的事前預(yù)測，不同人員對于異常的響應(yīng)速度存在差異，基于主觀經(jīng)驗所制定的糾偏策 略亦存在差異， 糾偏效果無法有效反饋評價。 在引入信息系統(tǒng)、 建立數(shù)據(jù)監(jiān)控模型后，MES、 SCADA 或DCS系統(tǒng)能夠基于過程監(jiān)控方法如單變量控制圖、多變量統(tǒng)計過程控制( multivariate statistical process control ，MSPC)技術(shù)等實現(xiàn)生產(chǎn)異常的預(yù)警與報警，但對于糾偏策略的制定與實施 依舊依賴人工經(jīng)驗。
面對傳統(tǒng)質(zhì)控方式的不足，可將生成式 AI 、信息系統(tǒng)、操作人員三者優(yōu)勢相結(jié)合， 由信息系統(tǒng) 承擔(dān)數(shù)據(jù)實時監(jiān)控與分析任務(wù)，生成式 AI 承擔(dān)信息收集、信息檢索、人機(jī)交互任務(wù)，操作人員則負(fù) 責(zé)糾偏實施與效果反饋，形成三者協(xié)同的智慧生產(chǎn)質(zhì)控模式，見圖 3。
圖3 基于生成式AI的中藥智慧生產(chǎn)質(zhì)控場景示例
首先，利用歷史糾偏案例對生成 AI 進(jìn)行預(yù)訓(xùn)練，生成糾偏知識。接下來， 由信息系統(tǒng)對生產(chǎn)過程進(jìn)行參數(shù)監(jiān)控與質(zhì)量預(yù)測。當(dāng)異 常即將發(fā)生時，系統(tǒng)提前預(yù)測發(fā)出預(yù)警并傳遞至 AI 模型中，模型基于歷史糾偏案例提前制定最佳糾 偏策略，并交由操作人員進(jìn)行糾偏操作。人員對糾偏效果進(jìn)行語言描述反饋，信息系統(tǒng)對糾偏效果進(jìn) 行數(shù)據(jù)反饋，形成新的糾偏案例用于 AI 模型的持續(xù)優(yōu)化。智慧生產(chǎn)質(zhì)控模式不僅可實現(xiàn)生產(chǎn)異常的 事前預(yù)測，還加強(qiáng)了質(zhì)控流程的連續(xù)性，降低了生產(chǎn)專家主觀判斷對糾偏結(jié)果的影響。生成式 AI 還 能發(fā)揮“智慧教練 ”的作用，在操作人員經(jīng)驗不足的條件下，為其提供可靠有效的糾偏策略。
3.4 生成式 AI 應(yīng)用場景四： 中藥智慧供應(yīng)鏈
供應(yīng)商管理是藥品質(zhì)量保證體系的重要組成部分，采購物料、設(shè)備及儀器的質(zhì)量、成本直接影響 藥品質(zhì)量、藥品價格以及企業(yè)經(jīng)濟(jì)效益。為平衡企業(yè)效益與產(chǎn)品質(zhì)量，企業(yè)在進(jìn)行供應(yīng)商篩選、調(diào)研 與管理時，需耗費大量的精力進(jìn)行信息檢索，檢索內(nèi)容不僅有資質(zhì)、注冊規(guī)模、業(yè)務(wù)能力等供應(yīng)商信 息，還包括物料市場價格、可供應(yīng)數(shù)量等市場信息， 以及物流距離、物流時間等物流信息。復(fù)雜的信 息檢索與信息處理工作，使中藥供應(yīng)鏈管理效率較低，存在極大的優(yōu)化空間。
生成式 AI 所具有強(qiáng)大的信息檢索和知識萃取能力可幫助企業(yè)高效完成供應(yīng)商的資質(zhì)調(diào)研與評價 工作，見圖 4。針對藥材資源儲備，可通過收集各地氣候、土壤數(shù)據(jù)結(jié)合文獻(xiàn)檢索藥材的生態(tài)主導(dǎo)因 子，實現(xiàn)藥材適宜性的快速評價;結(jié)合藥材市場價格與供應(yīng)能力制定動態(tài)采購計劃，保障藥材原料的 穩(wěn)定供應(yīng)。針對輔料的供應(yīng)管理，可通過收集不同廠家的產(chǎn)品質(zhì)量信息進(jìn)行輔料品質(zhì)評估，再結(jié)合銷 售價格、物流成本等數(shù)據(jù)完成供應(yīng)商確認(rèn)與動態(tài)管理。針對設(shè)備供應(yīng)管理，結(jié)合制造需求對設(shè)備性 能、自動化水平、預(yù)測維護(hù)性功能進(jìn)行設(shè)備適宜性評價，綜合銷售價格，選擇最佳性價比的設(shè)備供應(yīng) 商開展合作。
圖4 基于生成式AI的中藥智慧供應(yīng)鏈場景示例
4 基于生成式 AI 與中藥工業(yè)數(shù)據(jù)模型相融合的中藥智慧工業(yè)大腦構(gòu)想
當(dāng)前成功應(yīng)用于中藥智能制造的工業(yè)數(shù)據(jù)模型，具備高維數(shù)時序數(shù)據(jù)實時處理能力和高精度數(shù)學(xué) 計算能力，能夠?qū)崟r處理多要素數(shù)據(jù)，模型準(zhǔn)確性、魯棒性等性能滿足高精度質(zhì)量控制要求， 以實現(xiàn) 生產(chǎn)狀態(tài)的實時監(jiān)控與反饋。本研究特此強(qiáng)調(diào)，生成式 AI 的應(yīng)用不是要替代中藥工業(yè)數(shù)據(jù)模型，而 是與中藥工業(yè)數(shù)據(jù)模型各司其職、交互運行。
在生成式 AI 在上述 4 個場景以及更多場景的成功應(yīng)用基礎(chǔ)上，筆者嘗試提出基于生成式 AI 與中 藥工業(yè)數(shù)據(jù)模型相融合的中藥智慧工業(yè)大腦構(gòu)想，見圖 5。在中藥智慧工業(yè)大腦中，工業(yè)數(shù)據(jù)模型負(fù) 責(zé)生產(chǎn)數(shù)據(jù)的計算與交互，并與設(shè)備控制器相連，完成生產(chǎn)操作的反饋執(zhí)行;生成式 AI 學(xué)習(xí)專家歷 史經(jīng)驗， 擁有人腦高級智慧， 可勝任數(shù)字虛擬操作員、數(shù)字虛擬工程師、數(shù)字虛擬質(zhì)量保證 員 (quality assurance ，QA)、數(shù)字虛擬質(zhì)量控制員(quality control ，QC)等角色，能夠自主調(diào)用并優(yōu)化工業(yè)數(shù)據(jù)模型，參與生產(chǎn)操作、分析與決策，并可隨著生產(chǎn)批次的積累實現(xiàn)制藥智慧的自我迭代與持 續(xù)優(yōu)化。
圖5 中藥智慧工業(yè)大腦初步設(shè)想
5 結(jié)語
當(dāng)前智能制造技術(shù)在中藥制造領(lǐng)域的應(yīng)用，主要圍繞著質(zhì)量、效率、成本 3 個目標(biāo)，針對單模態(tài) 的結(jié)構(gòu)化數(shù)據(jù)開展信息系統(tǒng)建設(shè)與數(shù)學(xué)模型開發(fā)。生成式 AI 因其強(qiáng)大的多模態(tài)、跨模態(tài)數(shù)據(jù)處理與 生成能力，可在中藥制造及供應(yīng)鏈環(huán)節(jié)的內(nèi)容生成、信息檢索、知識萃取、人機(jī)交互等方面發(fā)揮重要 作用。本研究基于對中藥智能制造及供應(yīng)鏈的現(xiàn)狀分析，歸納出 4 個生成式 AI 的典型可應(yīng)用場景， 并闡述了應(yīng)用思路和潛在應(yīng)用價值。最后，本研究嘗試提出生成式 AI 與中藥工業(yè)模型融合的中藥智 慧工業(yè)大腦框架。
生成式 AI 在中藥工業(yè)的深入應(yīng)用，依賴于中藥制造領(lǐng)域與智能算法領(lǐng)域的共同努力，筆者認(rèn)為 以下 2 個方面需要取得共識、加速推進(jìn)。
①生成式 AI 的多模態(tài)數(shù)據(jù)實時處理與交互能力： 中藥制藥 過程需要同時監(jiān)控物料、設(shè)備、工藝等多種參數(shù)，數(shù)據(jù)采集位點數(shù)量較多，且采集頻率要求達(dá)到分鐘 級甚至秒級，進(jìn)一步引入視頻、音頻、圖像、文字等多模態(tài)數(shù)據(jù)，數(shù)據(jù)規(guī)模劇增。若想將多模態(tài)數(shù)據(jù) 信息用于中藥生產(chǎn)過程質(zhì)控，則生成式 AI 需要提升大規(guī)模實時數(shù)據(jù)處理與交互能力。
②中藥制造動 力學(xué)、熱力學(xué)、化學(xué)反應(yīng)等機(jī)制知識與模型基礎(chǔ)研究：AI 大模型訓(xùn)練需要大量的專業(yè)領(lǐng)域知識與數(shù) 據(jù)集，當(dāng)前中藥行業(yè)內(nèi)制藥研究數(shù)據(jù)分散，可檢索到的物料屬性數(shù)據(jù)、工藝機(jī)制模型十分有限，需加 強(qiáng)中藥制造機(jī)制研究與標(biāo)準(zhǔn)數(shù)據(jù)集構(gòu)建。
分享到微信 ×
打開微信，點擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。
傳化集團(tuán)流程與IT部總經(jīng)理賴江龍：催...
