甘穎濤：工業(yè)大數(shù)據(jù)和人工智能技術在智能制造領域的應用|V課堂第45期
11月10日，江蘇省企業(yè)信息化協(xié)會總群迎來第45期“智造+V課堂”。本期“智造+V課堂“邀請了北京水木聯(lián)合科技有限公司總經(jīng)理甘穎濤為大家?guī)碇黝}為《工業(yè)大數(shù)據(jù)和人工智能技術在智能制造領域的運用》的精彩分享。
一、嘉賓簡介
甘穎濤(北京水木聯(lián)合科技有限公司總經(jīng)理)
個人簡介：
1、現(xiàn)任北京水木聯(lián)合科技有限公司總經(jīng)理;
2、曾在IBM、中國惠普、EMC等國際知名IT公司任職;
3、北京大學光華管理學院MBA;
4、北京工業(yè)大學自動控制專業(yè)學士學位;
公司簡介：
水木聯(lián)合公司是國內(nèi)領先的工業(yè)互聯(lián)網(wǎng)領域人工智能解決方案提供商，用自主研發(fā)的大數(shù)據(jù)分析平臺和算法模型為轉型發(fā)展中的制造業(yè)企業(yè)提供預測性質量管理、安全風險預警、設備預測性維護、精準營銷一體化等解決方案。
二、主題
演講主題
《工業(yè)大數(shù)據(jù)和人工智能技術在智能制造領域的應用》
演講大綱
1)工業(yè)大數(shù)據(jù)的概念、特點和戰(zhàn)略思考
2)工業(yè)大數(shù)據(jù)商業(yè)價值實現(xiàn)路徑
3)抓住人工智能的浪潮，實現(xiàn)制造業(yè)轉型
4)解決方案和案例分享
三、原文實錄
原文實錄：
江蘇省企業(yè)信息化協(xié)會總群的領導和朋友們大家晚上好。非常難得有這個機會能夠在群里跟大家匯報一下我們工作，大家有問題我們可以熱情的討論，那接下來我就大概一個小時左右的時間，跟大家匯報一下我們在工業(yè)大數(shù)據(jù)，和人工智能技術研究和應用方面的工作，以及我們在智能制造領域的一些體會心得、和實踐經(jīng)驗。大數(shù)據(jù)這個詞前一段非常火爆，大家可能經(jīng)常看中央電視臺，也聽到主持人經(jīng)常提到這個，根據(jù)大數(shù)據(jù)分析非常熱鬧，但是大數(shù)據(jù)往往是跟消費互聯(lián)網(wǎng)是緊密結合的，所以國內(nèi)目前有數(shù)十家專注做大數(shù)據(jù)的公司，也主要是針對電商，輿情數(shù)據(jù)，社交平臺的數(shù)據(jù)進行數(shù)據(jù)的采集和處理，真正把大數(shù)據(jù)技術應用在工業(yè)領域進行業(yè)務分析的并不多，我們是比較先進的一家，比較領先的一家，我們一直專注于用統(tǒng)計數(shù)學分析的方法和技術，幫助客戶理解和應用工業(yè)大數(shù)據(jù)!
其實，最近工業(yè)大數(shù)據(jù)分析的應用也很受到投資圈的追捧，大概在去年下半年，今年的上半年和年終，大概陸續(xù)有幾家都得到了大概幾千萬到上億元的這個融資，所以說明這個市場在快速蓬勃的發(fā)展，什么是工業(yè)大數(shù)據(jù)?我想先把工業(yè)大數(shù)據(jù)的概念跟大家分享一下，工業(yè)大數(shù)據(jù)的概念首先來自于2012年美國通用電器，GE公司發(fā)布的工業(yè)互聯(lián)網(wǎng)突破機器與智慧的界限研究報告，報告中指出工業(yè)大數(shù)據(jù)是在工業(yè)領域相關自動化和信息化應用中產(chǎn)生的海量數(shù)據(jù)!其實我們理解具體來講，工業(yè)大數(shù)據(jù)包括比如說設備數(shù)據(jù)、傳感器數(shù)據(jù)、儀器儀表數(shù)據(jù)等持續(xù)數(shù)據(jù)，也包括了涵概設備設施的時序數(shù)據(jù)，地理信息坐標的時空數(shù)據(jù)，還有運營系統(tǒng)中的訂單質量檢測數(shù)據(jù)以及第三方的天氣環(huán)境數(shù)據(jù)等。也就是說它包括了企業(yè)內(nèi)和上下游的產(chǎn)業(yè)鏈，還包括外部來自市場、用戶和環(huán)境的數(shù)據(jù)等，提法也基本可以明確我們所說的工業(yè)大數(shù)據(jù)和工信部、江蘇省經(jīng)信委提倡的兩化融合在數(shù)據(jù)層面的理解是統(tǒng)一的。從目前來看，我國制造業(yè)企業(yè)對工業(yè)大數(shù)據(jù)的采集、挖掘和利用，還處于早期階段，應用水平的差別很大。
但是我們看一看美國的情況，麥肯錫在2012年的一份大數(shù)據(jù)報告中指出，在虛擬經(jīng)濟占主導地位的美國，其工業(yè)界蘊含的數(shù)據(jù)總量反而是巨大的，大家可以看一看這張圖，美國離散制造業(yè)他存儲數(shù)據(jù)的總量已經(jīng)達到了966個TB，位于美國各個行業(yè)的***位。相反美國政府以848個TB居于第三位，第三位是通訊和媒體，第四位也是制造業(yè)是流程制造業(yè)，數(shù)據(jù)總量達到了694個PB，我們原來認為數(shù)據(jù)使用保有量***的銀行業(yè)只排在了第五位。
這個調查結果說明工業(yè)數(shù)據(jù)的主體也就是由機器設備所產(chǎn)生的數(shù)據(jù)量，遠遠超過其他行業(yè)，以人為主產(chǎn)生的數(shù)據(jù)，正是因為有了這樣巨大數(shù)據(jù)基礎，以美國GE公司為主的制造業(yè)巨頭，提出了工業(yè)互聯(lián)網(wǎng)的概念，而工業(yè)互聯(lián)網(wǎng)的三大要素分別是智能聯(lián)網(wǎng)的機器，人與機器協(xié)同工作，以及先進的數(shù)據(jù)分析能力，目前全世界最成功的工業(yè)大數(shù)據(jù)分析和實用應用的實力是GE公司的Predix云平臺，它在高度安全的工業(yè)集云環(huán)境中捕捉和分析海量高速運行，類型多樣各種機器產(chǎn)生的數(shù)據(jù)，Predix 2014年他的全年收入是40億美元，2015年是在60億美元，2016年應該還是有一個很快的增長。工業(yè)數(shù)據(jù)大數(shù)據(jù)的價值巨大，結合到國內(nèi)的制造業(yè)企業(yè)，工業(yè)大數(shù)據(jù)具體有什么用?其實大家還是有不少困惑的，所以我想在詳細介紹工業(yè)大數(shù)據(jù)的概念，戰(zhàn)略，特點等等之前呢，先跟大家分享一個案例，給大家一些直觀的印象，這些工業(yè)大數(shù)據(jù)能怎么用?這個項目的客戶呢是一個國內(nèi)的一家大型的鋼鐵企業(yè)，他們在生產(chǎn)自動化企業(yè)信息化方面已經(jīng)做了很多年的投入，SCADA系統(tǒng)，MES系統(tǒng)，EMS系統(tǒng)，他們都已經(jīng)建立了，也就是說基本上達到了已經(jīng)達到了我們兩化融合一個基本要求的標準。因此數(shù)據(jù)基礎比較好，但是客戶為什么找到我們來做這么一個項目呢?其實，客戶這個鋼廠有一個厚板部，在厚板生產(chǎn)和銷售中一直有一個問題困擾他們，就是厚板的應力殘留問題，厚板生產(chǎn)出來他們的客戶主要是造船廠，船廠對厚板的品種度要求非常高。一旦發(fā)現(xiàn)交貨交過來的厚板呢，如果里邊有殘留應力引起變形，船廠就拒絕是無法使用的，他就會要求鋼廠退貨，或者降低產(chǎn)品的質量等級進行折價銷售。也是就說鋼鐵行業(yè)中的這叫質量損失，為了減少質量損失呢，這家鋼鐵企業(yè)在完整的厚板生產(chǎn)工序后邊又加了一道冷矯工序，也就是在厚板經(jīng)過傳統(tǒng)的加熱爐、粗軋、精軋、冷卻后，又增加了一道新的工序，用冷矯機對厚板進行殘留應力的釋放。
企業(yè)希望通過這種冷矯，釋放在加熱和軋制過程中，積攢在厚板中的內(nèi)應力，但是，其實大家得知道這個冷矯不是必需的，它費時費力，而且影響交貨時間，給企業(yè)增加了成本，本來現(xiàn)在鋼鐵企業(yè)經(jīng)濟效益就很差，利潤就很低。如果再加上這道工序，基本上可能就從賺錢變成虧錢了。而且，在實際運用中，哪些板子要上冷矯機，也完全憑生產(chǎn)人員的經(jīng)驗判斷。其實只要生產(chǎn)過程中控制的好，是可以避免使用冷矯這道工序的，因此，客戶給我們提了一個要求，讓我們來解題。 這個題目中客戶希望我們結合厚板的生產(chǎn)信息，和內(nèi)應力變形的這個客戶投訴的問題信息，建立厚板這個應力殘留與否的預測模型。從而減少客戶的投訴，并以此預測的結果為依據(jù)，決定厚板成品是否要進行冷矯，取代原來完全憑經(jīng)驗、憑人工判斷的這個這種情況!我們首先判斷呢根據(jù)企業(yè)的生產(chǎn)經(jīng)驗這個題是可以解的，熟悉鋼鐵生產(chǎn)領域專家都知道，任何內(nèi)應力其實你都是很難做到完全釋放的，只不過是釋放的大小和快慢的問題，那么這個區(qū)別就決定于生產(chǎn)過程是如何生產(chǎn)的?
所以，生產(chǎn)信息和殘留應力引起的質量問題投訴之間一定有相關性，接下來呢我們看了一下客戶提供給我們進行建模數(shù)據(jù)的情況，客戶提供給我們大概他們最近4個月，沒有做冷矯的1800條子板的生產(chǎn)信息，和質量投訴信息，這1800條是沒有上冷矯機的，在這1800條子板中呢，后來我們知道被客戶發(fā)生質量問題損益的有23條，客戶提供給我們的生產(chǎn)信息呢包括板配的加熱信息，扎制的道次，熱矯冷卻信息，厚板質量檢測信息等100多個信息。其實這些信息拿來數(shù)據(jù)的情況并不樂觀，我們在做這個項目的時候，其實有兩個挑戰(zhàn)，首先***個是如何處理不均衡性?不均衡的問題，對于1800條子板中出現(xiàn)質量的只有23條，我們一般把出現(xiàn)質量問題的叫正樣本，這個正副樣本的非常不平衡，需要在分析過程中生成填充數(shù)據(jù)來平衡樣本。
第二是如何處理變量的強相關性?每個子板它經(jīng)過了多道的熱加工粗扎、精扎工序，每道工序之間它從工藝上很多是強相關的。那你怎么能夠判斷出哪些變量是直接影響了他的這個內(nèi)應力的問題?所以，要解決獨立這些變量中的相關性問題，必須用合理的算法辨識影響分析結果的獨立變量，在對業(yè)務要求和數(shù)據(jù)有了初步理解后，我們開始按照我們的大數(shù)據(jù)挖掘計量模型方法論對數(shù)據(jù)進行分析處理。首先我們把這1800條沒有經(jīng)過冷矯的子板數(shù)據(jù)進行拆分，其中70%用來做我們的模型訓練，另外30%用來做模型驗證。用來驗證的這個30%的子板數(shù)據(jù)，我們要求客戶結果先對我們保密，等我們模型建成后，再將我們模型預測的結果與實際情況進行比較驗證，我們對客戶提供的原始數(shù)據(jù)進行了清洗、加工、填充空缺值，設置默認值。同時由于有問題的厚板過少，正樣本過少，我們也采取了一些數(shù)學的方法處理。
我們也在過程中跟客戶的業(yè)務專家溝通，去理解數(shù)據(jù)，建立數(shù)據(jù)的表征特征，建立分類模型，在這個項目中我們采取了隨機森林、邏輯回歸、拉鎖算法這幾個分類模型，并且把分析100次的隨機模型進行模式的比較和評價，最終確定了用來預測的模型。
***當我們把這模型固定下來以后呢，用剩下的30%子板的數(shù)據(jù)拿出來驗證，我們把這30%子板每條板生產(chǎn)信息作為輸入數(shù)據(jù)進入模型，然后經(jīng)過計算給出明確的預測結果，判斷這條子板會不會因為有應力風險引起質量問題投訴，最終我們的模型效果還是很不錯的，大家可以看看下面這張圖。從這張圖大家可以看，驗證子集一共是537條子板，我們通過我們的模型跑出來，我們預測沒有質量風險的是521條，實際證明也全部正確，也就意味著這521條子板根本不需要上冷矯工序，我們預測有9條子板有質量風險，應該上冷矯機。事實證明其中6條最終因為沒有做冷矯，而發(fā)生了質量投訴。
我們預測沒有風險，但卻最終發(fā)生了質量投訴的子板只有一條。從模型的評價曲線來看，我們可以看AOC就是叫曲線下面積這個指標，我們達到了0.9729，其實一個模型大概在0.8以上也是算是不錯的，我們做到0.97這個結果還是很令人滿意的，也就意味著如果客戶，也就意味著這個鋼鐵企業(yè)客戶最終在他的生產(chǎn)中，運用我們這個模型，根本不用憑經(jīng)驗。像原來一樣把40%的厚板成品全都上冷矯機，只需要經(jīng)過我們這個把他們生產(chǎn)信息，這個厚板生產(chǎn)過程中信息倒過來，經(jīng)過我的模型算出來，預測模型判斷出哪些會出現(xiàn)質量問題的風險的子板，加一道冷矯工序就可以了，就可以大大規(guī)避質量損益的發(fā)生，可以節(jié)省大量的成本，也節(jié)約了交貨的時間。
同時，我們還給出了與殘留應力質量投訴相關的所有重要性的獨立變量，并將這些重要性進行了排序，那就意味著客戶，下面這張圖可以看出來，也就意味著客戶今后通過對這些變量進行合理控制，就會降低殘留應力帶來的質量投訴量。我剛才是跟大家分享了我們做一個實際的案例，其實就是數(shù)據(jù)分析是不是能夠幫到工業(yè)企業(yè)，對這些工業(yè)大數(shù)據(jù)分析它的價值?又使用到它的價值。
所以工業(yè)大數(shù)據(jù)其實是有巨大的挖掘利用前景，因此我認為工業(yè)大數(shù)據(jù)對每個企業(yè)來說，在戰(zhàn)略層面上都要充分重視，但是戰(zhàn)略層面的考慮，其實經(jīng)過我們這一段時間的實踐，我想跟大家分享有三個方面需要考慮。首先***點，就是目標必須明確，業(yè)務充分參與，從戰(zhàn)略層面上企業(yè)建設工業(yè)大數(shù)據(jù)平臺必須業(yè)務目標明確，必須有業(yè)務部門的充分參與，咱們?nèi)豪镂抑朗怯泻芏嗥髽I(yè)的CIO，我認為大家認識到這一點更為重要，在我的職業(yè)生涯中呢，其實我跟很多的企業(yè)的CIO做過交流，有咱們制造業(yè)企業(yè)的，也有銀行運營商的電信運營商的CIO，大家共同的一個認識這么多年，就是一個優(yōu)秀的CIO其實是整個IT部門和業(yè)務部門的橋梁。這個橋梁至關重要，對于工業(yè)大數(shù)據(jù)平臺項目的上馬，企業(yè)的CIO更需要戰(zhàn)略視野和協(xié)調能力，工業(yè)大數(shù)據(jù)項目對企業(yè)來說它不是一個簡單的信息化建設，也不是一個業(yè)務部門能提出復雜明確的需求，然后依托一個集成商作為一個交鑰匙的項目，企業(yè)的工業(yè)大數(shù)據(jù)通常與企業(yè)智能化轉型、制造轉型的大戰(zhàn)略是密切相關的。
其實大家看看GE就可以知道，GE這些年他在工業(yè)大數(shù)據(jù)在智能化、數(shù)字化、互聯(lián)網(wǎng)化轉型方面，做了巨大的投入，很多產(chǎn)品在設計的時候就已經(jīng)在考慮傳感器和互聯(lián)網(wǎng)化的設計，而這么大的投入，貫穿全生命周期的投入，必須是在董事會和CEO的層面的決心和支持下才可以實施的。其實大家前一段可以看到，關于GE有很多新聞，有一條就GE他賣掉了他賺錢的集中服務部門，但是，他卻堅持在產(chǎn)品智能化和服務化方面進行投資，在工業(yè)大數(shù)據(jù)的分析和應用的領域方面進行投資，這種戰(zhàn)略眼光是非常有前瞻性的。
所以，從Predix成功也可以看到，執(zhí)行的效果也非常好。包括我前一段看到對GE的CEO有個采訪，他也談到了：這個決心對GE是下了很大的決心的，因為整個的投入其實也是很大。但是他們從目前來講他們的轉型他感覺是很成功的，其實在國內(nèi)大家也可以看到，在我們身邊隨著一帶一路政策的推出，像江蘇的徐工集團，像三一重工，他們這些先進的裝備制造商也開始紛紛推出自己的智能裝備的產(chǎn)品。并且，開發(fā)基于自己產(chǎn)品的工業(yè)大數(shù)據(jù)、云服務平臺，進行數(shù)字化、服務化轉型，提供主動性的、預測性的設備維護，這也是在公司整體戰(zhàn)略下、指引下實施的。所以，這是我談的***點，目標必須明確，業(yè)務充分參與。
下面我談談工業(yè)大數(shù)據(jù)項目的戰(zhàn)略第二點，企事也很重要，就談到架構整體考慮應用小步快跑，這一點其實我認為也是傳統(tǒng)企業(yè)在實施互聯(lián)網(wǎng)加的這個戰(zhàn)略中的一個通用的戰(zhàn)略。也就是利用互聯(lián)網(wǎng)先進的技術體系和快速迭代的應用方式，來實現(xiàn)大工業(yè)大數(shù)據(jù)平臺的建設。很多CIO跟我講，他覺得很多工業(yè)大數(shù)據(jù)平臺，動不動投資都很大，規(guī)劃也很大，但是企業(yè)或董事會過項目的時候大家問，到底有什么效益?有什么效果?這樣雞生蛋，蛋生雞的問題其實讓CIO也很難辦。
那我覺得其實具體來講，整個企業(yè)的工業(yè)大數(shù)據(jù)的平臺的建設要分兩層考慮，***層是大數(shù)據(jù)的平臺架構，平臺架構設計上確實要充分考慮工業(yè)大數(shù)據(jù)的特點，那么接下來我待會會詳細講進工業(yè)大數(shù)據(jù)的特點是哪些?采用這種開源的技術整體設計，第二點就是在設計整體考慮的時候，平臺之上的大數(shù)據(jù)應用更要關注的是如何快速的將數(shù)據(jù)價值變現(xiàn)，其實大家從我剛才講的鋼鐵企業(yè)實力可以看出來，其實在一個企業(yè)里邊，需要用數(shù)據(jù)分析來解決的問題，只要你去找有很多、很多。我們是不是一定要在解決實際問題，一定要想一個大的問題呢?不用，其實把很多具體業(yè)務問題都可以用數(shù)據(jù)來解決，這就是我談的大數(shù)據(jù)平臺搭建好以后，設計好以后，我們要看怎么能夠快速將數(shù)據(jù)價值變現(xiàn)，這一點至關重要，然后就需要選擇有業(yè)務價值業(yè)務場景，想明白一個做一個，不要圖大，小步快跑，迅速見效產(chǎn)生效果，讓業(yè)務部門讓決策層真正看到企業(yè)所擁有數(shù)據(jù)的價值。這是我講的第二點就是工業(yè)大數(shù)據(jù)的應用不要圖大，不要圖高端，要從解決業(yè)務的實際問題入手，而且不斷的快速迭代，小步快跑。
第三點，我想談的就是這個第三點的戰(zhàn)略要考慮的一點，就是要數(shù)據(jù)盡早收集，人才系統(tǒng)培養(yǎng)，工業(yè)大數(shù)據(jù)系統(tǒng)，大數(shù)據(jù)要盡早收集，即便今天的大數(shù)據(jù)平臺還沒有建好，也非常有必要把生產(chǎn)過程中的各種各樣的數(shù)據(jù)存回來，而且全面了、全十以無損的形式存儲起來。2015年GE公司將其***一批發(fā)動機的診斷數(shù)據(jù)，從30年前舊系統(tǒng)遷移到了現(xiàn)在的Predix數(shù)據(jù)平臺，也就是說在目前大約有35000臺發(fā)動機會將起飛、巡航的關鍵飛行階段數(shù)據(jù)包括傳到Predix平臺，其實這些數(shù)據(jù)它的價值，它就像這些有價值的數(shù)據(jù)就像河流一樣，流動的河一樣，如果你沒有加以保留，這些數(shù)據(jù)就會悄然的溜走，它無法形成有價值的數(shù)據(jù)資產(chǎn)，目前的技術其實已經(jīng)給我們提供了很多的選擇，即便暫時沒有架構，沒有平臺，也完全有辦法把數(shù)據(jù)留下來，而不讓數(shù)據(jù)流失。
我們是因為專業(yè)從事這個領域工作的，我們特別深有很深的體會，數(shù)據(jù)是一切的基礎，沒有數(shù)據(jù)再先進的軟件平臺和算法都沒有用武之地，這些數(shù)據(jù)就像待開發(fā)的礦產(chǎn)資源，它現(xiàn)在只是它現(xiàn)在埋在地下你不知道怎么挖掘它價值罷了，在這之前先把這地圈下來，先把數(shù)據(jù)保留下來，如果要開發(fā)工業(yè)大數(shù)據(jù)的價值，企業(yè)還有一點在企業(yè)戰(zhàn)略上要考慮的，一定是要進行人才的培養(yǎng)，其實如果我們現(xiàn)在去看歐美企業(yè)的人才構成，我們會發(fā)現(xiàn)每個企業(yè)都有大量的數(shù)據(jù)分析員，數(shù)據(jù)分析師，數(shù)據(jù)科學家。其實這些人才你看歐洲和美國的企業(yè)，這些人才不僅僅是在谷歌、Facebook這樣的互聯(lián)網(wǎng)公司，在傳統(tǒng)的制造業(yè)企業(yè)、物流公司、醫(yī)藥公司里都大有人在，我記得上次我跟南鋼的一位領導在交流的時候，領導專門提到南鋼以后要有自己的專業(yè)數(shù)據(jù)分析人才，目前現(xiàn)在南鋼的研發(fā)團隊，主要是以鋼鐵工藝專業(yè)為主。領導認為這種研發(fā)團隊肯定是不夠的，一定要引入大量的統(tǒng)計數(shù)學分析人才，從數(shù)據(jù)角度發(fā)現(xiàn)問題、解決問題，讓這些數(shù)學專家和鋼鐵工藝的專家結合在一起，來解決生產(chǎn)運營中的問題。
從國內(nèi)來看大數(shù)據(jù)分析人才的系統(tǒng)培養(yǎng)，其實也剛剛開始，所以我正好利用這機會跟大家大概分享一下，在這塊人才培養(yǎng)一個現(xiàn)狀，據(jù)我了解清華和北大以前主要是在研究生和博士生的培養(yǎng)計劃，培養(yǎng)方向上面，來培養(yǎng)大數(shù)據(jù)的分析人才，而且基本上是從應用數(shù)學專業(yè)衍生的數(shù)據(jù)分析專項。但是在最近兩三年，清華北大已經(jīng)開始建立了大數(shù)據(jù)分析本科專業(yè)，上周我們還在跟北京郵電大學的老師們交流，北京郵電大學今年也成立了大數(shù)據(jù)中心，從今年9月份的新一批學生入學開始招收大數(shù)據(jù)分析的本科生，而且，教委和學校還給了一個很好的政策。讓北京郵電大學設立了一個3+1+3培養(yǎng)計劃，也就是大數(shù)據(jù)分析的專業(yè)的學生本科念三年，研究生念一年，博士念三年，本碩博連讀，之后得到大數(shù)據(jù)一個分析博士的一個培養(yǎng)計劃，我們今年也在與大學合作，正在向人保部申請設立數(shù)據(jù)分析師一個技術能力認證體系，開展相關的在職培訓。由此可以看出，大數(shù)據(jù)分析應用人才的培養(yǎng)，是企業(yè)戰(zhàn)略轉型一個重要支點，剛才我大概結合我的工作實踐的理解，對工業(yè)大數(shù)據(jù)的概念，工業(yè)大數(shù)據(jù)項目實施的一些戰(zhàn)略思考，提了一點我的意見，那下面內(nèi)容可能比較技術一點，我想主要談一談工業(yè)大數(shù)據(jù)的特點，其實工業(yè)大數(shù)據(jù)它之所以叫大數(shù)據(jù)，那從大數(shù)據(jù)的思維就是我們說的4V來看，它全都具備，它的數(shù)據(jù)規(guī)模大，處理速度快，數(shù)據(jù)來源和樣式多樣化，數(shù)據(jù)價值密度低，特點非常明顯。
但是為什么我們專門要今天來談工業(yè)大數(shù)據(jù)呢?其實，工業(yè)大數(shù)據(jù)和消費互聯(lián)網(wǎng)上的商業(yè)大數(shù)據(jù)的應用的特點還是有很大不同，下面我簡單的介紹一下，這是兩者的研究對象不同，其實大家都知道工業(yè)領域是以物理系統(tǒng)為中心的，我們研究的對象是材料、工藝、設備、能源、環(huán)境等因素，研究物理動態(tài)過程中的規(guī)律和因果關系。商業(yè)大數(shù)據(jù)主要是研究人，研究人在互聯(lián)網(wǎng)上的行為，研究人的流程。理解他的行為模式，那這兩者其實有一些是有相融合趨勢的，比如說我們現(xiàn)在都熟悉的消費電子品，消費電子產(chǎn)品，還有我們比如說了解一些智能家居產(chǎn)品，那么用戶在使用的時候，整個大數(shù)據(jù)的運用貫穿產(chǎn)品的設計研發(fā)生產(chǎn)銷售和服務，整個全生命周期，兩者開始融合，但是對復雜的工業(yè)，比較復雜的工業(yè)，比如說裝備制造，比如說我們非常熟悉的基礎工業(yè)，兩者的差別是非常明顯的。
其次兩者的基礎不同，在工業(yè)領域其實首先大家熟悉的是不同行業(yè)存在的這種大量的中觀和微觀基理模型，所謂基理模型就是以工藝原理為基礎，是人們經(jīng)過多年對生產(chǎn)過程的深入研究，經(jīng)過大量的在實驗室的實驗，逐漸形成對模型的認識。客觀來講這種機理模型的這種優(yōu)化和突破難度也很大，那工業(yè)數(shù)據(jù)中體現(xiàn)出的規(guī)律呢，其實也常常難以突破現(xiàn)有生產(chǎn)技術人員的認識范圍，所以才需要通過大數(shù)據(jù)分析的手段，讓大家去找到數(shù)據(jù)中的價值。但與之相比商業(yè)領域中，其實僅僅存在一些宏觀的理念，它可以定性描述人的一些行為偏好，經(jīng)濟活動規(guī)律。
通過一些統(tǒng)計趨勢的一些大數(shù)理論，就可以給他大數(shù)據(jù)分析帶來提升的空間。第三點就是兩者這種技術帶來驅動力不同，其實現(xiàn)在工業(yè)大數(shù)據(jù)，它受感知技術受我們了解的物聯(lián)網(wǎng)技術的發(fā)展，包括我們國家現(xiàn)在提出的5G通信網(wǎng)絡技術的發(fā)展，對它都是很大的促進。但商業(yè)大數(shù)據(jù)更多的是互聯(lián)網(wǎng)的發(fā)展，它為企業(yè)帶來與客戶交互的一些新渠道，所以互聯(lián)網(wǎng)的發(fā)展極大的促進了商業(yè)大數(shù)據(jù)的發(fā)展。那么工業(yè)大數(shù)據(jù)其實它大多具有的是一些，具有時空信息的結構化數(shù)據(jù)，這也它跟商業(yè)大數(shù)據(jù)區(qū)別很大，商業(yè)大數(shù)據(jù)在互聯(lián)網(wǎng)上很多的是一些非結構化的文本、視頻，那么所以這也是兩者在驅動力上的不同，***兩者對分析技術要求也不一樣，其實從這一點大家可以看到，對商業(yè)大數(shù)據(jù)來講，大數(shù)原理、大數(shù)原則，一些相關性法則，概率性的分析，其實就已經(jīng)可以幫助客戶做很多有針對性的這種運營的提高。
但是對工業(yè)來講還不夠，對分析結果要求精度非常高，動態(tài)性很強，實質性高，很難接受一些概率性的預測，就好比我剛才給大家講的這個例子，我如果要預測一個厚板的會不會有殘留應力，產(chǎn)生這種質量的風險?我必須要模型算出來就要告訴客戶有，還是沒有，我不能只給他一個概率。那么，這也是兩者一個很大的區(qū)別，大概講了講工業(yè)大數(shù)據(jù)和商業(yè)大數(shù)據(jù)的區(qū)別，那其實稱作工業(yè)大數(shù)據(jù)，那我們在分析的過程中其實我們也經(jīng)常遇到數(shù)據(jù)，工業(yè)大數(shù)據(jù)里邊一直有一個小與大的矛盾，那這里我大概跟大家也分享一下，我想這也是我們在工作中的一個獨特的體會，其實工業(yè)大數(shù)據(jù)剛才我們談了大致它一個首要的特征，這一點大家都很理解，因為動不動一個工廠的數(shù)據(jù)采集點，就可以幾千個，甚至到幾萬，幾十萬個，幾百萬個不止長期不停的不間斷的工作，在化工行業(yè)采集頻率有的可能到毫秒級，所以數(shù)據(jù)量非常、非常大。
這些數(shù)據(jù)的如果要對歷史數(shù)據(jù)進行全量分析，那么你知道，其實我們都知道企業(yè)的這種制造業(yè)企業(yè)的，產(chǎn)品壽命周期是比較長的，這些設備的折舊周期也比較長的，這樣長時間高頻采集的機器數(shù)據(jù)量是非常巨大的。可以達到數(shù)百TB到PB的存儲量，所以，另外其實大數(shù)據(jù)里邊還來自于比如說我們還要再分析的時候，還要集成來自ERP這種新系統(tǒng)的關系性數(shù)據(jù)，設計研發(fā)時候產(chǎn)品圖紙、工藝文檔、加工代碼這些非結構化數(shù)據(jù)，甚至于我們在做比如說產(chǎn)品的全生命周期的分析的時候，還要去結合一些產(chǎn)品銷售在互聯(lián)網(wǎng)上的一些口碑，非結構化數(shù)據(jù)，半結構化數(shù)據(jù)這些，所以確實工業(yè)大數(shù)據(jù)一個特征。但是他在分析時候我們經(jīng)常感到，工業(yè)數(shù)據(jù)的不夠用，那我想舉出下面幾點，以后大家在實踐中的時候可以作為參考。
***點，就是對分析有直接意義的樣本比例通常很小。工業(yè)的運行其實是有一個常態(tài)模式的，其實工業(yè)運行的目的是希望是一個不期望干擾因素有很多，他希望他的質量穩(wěn)定，希望工業(yè)這種自動化生產(chǎn)比較穩(wěn)定，所以它對不期望干擾因素會進行很多的壓制，造成絕大部分數(shù)據(jù)，其實都是在對應非常相似的這種環(huán)境與過程。但是你知道我們在做分析的時候，就像我們剛才談的鋼鐵企業(yè)的例子，客戶總是讓我們希望找到有沒有故障?有沒有不良率?有沒有異常行為?這就我剛才談到的其實從數(shù)據(jù)分析的層面來看，這種樣本是非常少的，有的是大量的常量和穩(wěn)態(tài)數(shù)據(jù)，也就造成了樣本不平衡性不平衡程度非常高。其實，而且在工業(yè)體系還有一點不同，就是他實驗成本有的會蠻高，能做的實驗其實在做機理模型的時候很多都做到了，但是如果我們專門針對一些故障分析，質量的不良，來做試驗的話呢，其實它的實施成本和風險都蠻高的，所以我們在做分析的時候，我們常常會發(fā)現(xiàn)工業(yè)大數(shù)據(jù)，即使數(shù)據(jù)量很多，也很難提供給我們足夠的異常的情形樣本，這是***點。
第二點，就是談到大數(shù)據(jù)它永遠是物理世界的小樣本。其實我們現(xiàn)在已經(jīng)采集了很多數(shù)據(jù)，我們在很多工廠已經(jīng)實施了自動化改造，有的先進的工廠實施了MES，我們已經(jīng)采集了大量的數(shù)據(jù)，但是其實這里邊一直有一個備論，備論就是說我們?nèi)绻杉臄?shù)據(jù)越多越好，那我模型用來生成訓練模型這個基礎也越來越扎實，但是如果沒有模型沒有分析的結果，沒有數(shù)據(jù)價值的體現(xiàn)，實施安裝大量的傳感器，做大量的智能化改造，其實對企業(yè)是一個巨大的成本，而這個成本其實企業(yè)很難在投入的時候衡量出它到底帶來多大的效果。
那所以這里邊就是我們說的，我們經(jīng)常遇到在實際的項目中，企業(yè)是采了很多數(shù)據(jù)，但這個數(shù)據(jù)也很難反映企業(yè)的一個全面的生產(chǎn)現(xiàn)狀，比如說現(xiàn)場采集的生產(chǎn)檢測數(shù)據(jù)，僅僅覆蓋了很小的參數(shù)綜合空間，并不是所有關鍵因素都有測量，而且測量值也不一定反映了參數(shù)系統(tǒng)的全部。在這個時候我們也有我們的辦法，這個時候其實大家群里的朋友們，其實以后在實施工業(yè)大數(shù)據(jù)項目分析的時候，也可以參考我們這個經(jīng)驗，這個時候我們提出我們要利用行業(yè)專家的先進知識，縮小搜索空間、縮小搜索范圍，所以行業(yè)專家我們其實談到的就是業(yè)務專家、工藝專家，他們有很多他們的經(jīng)驗，包括一些有經(jīng)驗的操作工人，他們對一些的問題有他的一個憑經(jīng)驗的判斷，但是這些判斷是沒有數(shù)據(jù)支撐的。但是他如果給了我們這些判斷，其實對我們來講就可以幫助我們來縮小搜索空間，尋取***代表的樣本及進行模擬訓練，發(fā)現(xiàn)其中的問題，那***也可能我們的分析結果驗證了他們的經(jīng)驗判斷，也可能推翻了他們的經(jīng)驗判斷，但我想這些都是對企業(yè)一個很好的收獲。
第三點就是談到數(shù)據(jù)的這種價值分布，數(shù)據(jù)價值密度分布非常不均衡。就像剛才我談的，其實我們采集上很多數(shù)，在工業(yè)系統(tǒng)里面有大量的常量數(shù)據(jù)、大量的穩(wěn)態(tài)數(shù)據(jù)，所以我們要在這樣大量數(shù)據(jù)數(shù)據(jù)中去找到它一些差異變化量，但是在工業(yè)數(shù)據(jù)中還有很多基礎信息，比如說這些基礎信息我們談到的比如說圖紙，生產(chǎn)指標，工藝要求，操作規(guī)程，這些基礎信息可能保留在企業(yè)的一些慣性數(shù)據(jù)庫里邊，這些基礎信息可能數(shù)據(jù)量本身不大，但它的數(shù)據(jù)價值非常高。那么我們在做大數(shù)據(jù)分析模型樣本的時候，我們在建分析的寬表的時候，怎么把這些基礎信息和這種價值密度低的信息做匹配，這也是一個挑戰(zhàn)!
剛才大概講了三點，就是我談到工業(yè)大數(shù)據(jù)，大家老說很大，但在小和大之間其實是有一個矛盾統(tǒng)一的，那么正是因為這個工業(yè)大數(shù)據(jù)有這些特點，那我們想我們在往下做的時候，工業(yè)大數(shù)據(jù)對工業(yè)領域的支持，對企業(yè)的幫助，它應用渠道有哪些?
我想主要可能有三點，***個，三個渠道，***個渠道就是工業(yè)大數(shù)據(jù)能夠幫助我們，把生產(chǎn)過程中的物理過程、和我們的業(yè)務運營的過程融合，其實有些MES系統(tǒng)，也能達到這樣的效果。MES系統(tǒng)，但是MES系統(tǒng)更關注在企業(yè)的生產(chǎn)流程，更關注的是把企業(yè)的流程的這種規(guī)范統(tǒng)一，那我們在數(shù)據(jù)分析上就完全不受生產(chǎn)流程的限制，我可以拿來各種數(shù)據(jù)放在一起來比對分析，只要在模型建立的時候，但是我們建立模型時候其實要考慮將物理量，和經(jīng)營過程量，比如這里邊的說產(chǎn)品質量、生產(chǎn)效率、設備可靠性關系量化。
第二，就是其實我們談到數(shù)據(jù)分析關注的應該是知識的自動化，而不是知識的發(fā)現(xiàn)。其實我們采集了大量的數(shù)據(jù)以后，我們要將業(yè)務領域的知識進行系統(tǒng)，通過大數(shù)據(jù)分析進行檢索和更新優(yōu)化，對于相對明確的專家知識，比如說我們說的熟練工人的經(jīng)驗，工藝專家的經(jīng)驗，借助大數(shù)據(jù)建模工具提供的這種時空模式描述，識別技術，進行這種形式化的建模。就是以后用這種模型，在數(shù)據(jù)中進行持續(xù)的掃描和報警，把工人和專家的經(jīng)驗模型化，實現(xiàn)這種知識領域的自動化。
第三，就是軟測量。在工業(yè)應用中其實我們知道，很多測量不同過程量檢測的技術可行性，精度，頻度，成本差別都特別大。就像我們在做質量檢測時候也發(fā)現(xiàn)，其實如果我所有的產(chǎn)品都做全檢成本是很高的，實際當我們有了一些數(shù)據(jù)情況下，我們其實可以通過大數(shù)據(jù)分析，建立我們不好測量的這些物理量，和好測量物理量之間的一些關聯(lián)關系模型，通過容易測的過程量去推斷難測的過程量，提升生產(chǎn)過程的整體的可觀可控。
以上我就跟大家簡單的介紹了一下我們在通過這一段時間的工作，對工業(yè)大數(shù)據(jù)的概念、戰(zhàn)略，它的數(shù)據(jù)特點一些理解，那下面我談另外一個話題，就是工業(yè)大數(shù)據(jù)的商業(yè)價值實現(xiàn)的路徑。大數(shù)據(jù)其實是制造業(yè)實現(xiàn)從要素驅動向創(chuàng)新驅動轉型一個有利手段，其實我們國家最近一直在談供給冊改革，說明從宏觀形式上我們要改變國家這種投資拉動，出口拉動的一個需求冊驅動的經(jīng)濟模式，轉向供給冊結構調整驅動模式，我想大家在聽經(jīng)信委的領導，聽協(xié)會的領導在跟大家介紹的時候都講過很多，那我們其實也是跟也是有親身的體會跟客戶在做溝通的時候，我們對制造業(yè)而言，在宏觀需求皮軟的大環(huán)境下，如何通供給端的創(chuàng)新實現(xiàn)轉型至關重要。其實，說句嚴重點的話，現(xiàn)在的創(chuàng)新轉型，可能無法保證這個企業(yè)像以前一樣活的有滋有味，但是可以保證企業(yè)在經(jīng)濟下行的環(huán)境中活下來。
為什么我們江蘇一直在推動兩化融合，推動智能工廠，智能車間的改造，都是這個目的。作為企業(yè)的CEO，CIO，我們更要清醒的認識，兩化融合是手段，目的是要推動企業(yè)創(chuàng)新，保證企業(yè)活下來活的好。那么我認為通過利用工業(yè)大數(shù)據(jù)企業(yè)可以在四個層面進行創(chuàng)新，大家可以看看這張圖，最下面一層其實是業(yè)務模式創(chuàng)新，具體來講其實就是要很多企業(yè)要基于互聯(lián)網(wǎng)的特點，開發(fā)出適用于互聯(lián)網(wǎng)的產(chǎn)品，智能產(chǎn)品，打破傳統(tǒng)營銷市場中的一些時空限制，開發(fā)智能聯(lián)網(wǎng)新產(chǎn)品，衍生新的智能服務。
其實我們可以看到比如說像格力，現(xiàn)在他們空調可以聯(lián)網(wǎng)，比如像小米他的PM2.5的設備也可以聯(lián)網(wǎng)，比如我們看像普惠發(fā)動機，像GE、像三一重工，他們的設備本身交到客戶的時候，就具備了聯(lián)網(wǎng)的功能。包括我們比如看到特斯拉，它是一個汽車呢，還是一個大的電腦呢?還是一個大的蓄電池呢?其實大家從各個角度都可以評價它，現(xiàn)在很多互聯(lián)網(wǎng)技術的發(fā)展，讓很多的產(chǎn)品本身有了很多新的定義，智能產(chǎn)品聯(lián)網(wǎng)產(chǎn)品的研發(fā)，對企業(yè)來講是最直接的，而且也是我認為是目前來講創(chuàng)新需求***最廣泛一個領域。
工業(yè)大數(shù)據(jù)的商業(yè)價值在這個層面我覺得可以體現(xiàn)在，營銷一體化，精準營銷，設備的在線健康檢測，主動預警維護這些服務模型中。上面一層是生產(chǎn)模式的創(chuàng)新，這一層也是我們熟悉的智能工廠、智能車間所涉及的方面，通過數(shù)控機床、工業(yè)機器人的使用， MES、能管系統(tǒng)的建設，建立這種生產(chǎn)過程的工業(yè)數(shù)據(jù)、設備在線數(shù)據(jù)監(jiān)測這樣的一些改造。那在這個過程中其實大數(shù)據(jù)的應用我是覺得一定要和行業(yè)的先沿知識緊密結合，各個行業(yè)都會涌現(xiàn)出本行業(yè)的大數(shù)據(jù)應用創(chuàng)新的代表企業(yè)。
剛才跟大家介紹的鋼鐵企業(yè)的殘留應力、質量投訴，殘留應力引起變形質量投訴這種預警模型的，可以說是在這個層面的一個大數(shù)據(jù)體系應用，再往上一層是這種運營模式創(chuàng)新，這一層其實很多企業(yè)已經(jīng)開展了很多信息化建設，它與企業(yè)的運營流程的創(chuàng)新是緊密相關的。在原有企業(yè)原有的ERP系統(tǒng)，CRM系統(tǒng)，物流系統(tǒng)，PRM系統(tǒng)的基礎上，實現(xiàn)數(shù)據(jù)的全打通，提升企業(yè)整體運營效率，實現(xiàn)精益管理。
這一層以我的觀點來看，其實有很多是以傳統(tǒng)的BI的應用為主，因為客戶是從運營的流程的優(yōu)化，運營的角度來看，大數(shù)據(jù)的價值體現(xiàn)，我認為主要體現(xiàn)在兩個方面，***個是以經(jīng)營系統(tǒng)的問題為核心，引入剛才下一層的生產(chǎn)設備工化和運行作為補充的分析數(shù)據(jù)員，入這些分析，設備策展、設備工礦和運行數(shù)據(jù)的這種補充的這種分析數(shù)據(jù)員，突破以前的這種精益管理、精益生產(chǎn)的這種，只關注管理流程的局限。
第二，引入外部大數(shù)據(jù)。我們比如說就是企業(yè)采用中包中治的手段，進行產(chǎn)品研發(fā)，突破企業(yè)原來過于關注企業(yè)內(nèi)部生產(chǎn)要素局限，那我想在這一層其實也有很多企業(yè)做出了，在工業(yè)大數(shù)據(jù)中做了很多新的一些嘗試。最上一層是這種決策模式的創(chuàng)新，其實決策模式在德國工業(yè)4.0的十大挑戰(zhàn)和機遇中，他特別強調整個公司轉型，必須成為CEO工作每一部分，整合的數(shù)據(jù)使用與分析，是工業(yè)互聯(lián)網(wǎng)一個核心能力。依靠數(shù)據(jù)進行決策應該成為企業(yè)的常態(tài)，依靠數(shù)據(jù)進行決策不應該僅僅停留在戰(zhàn)略層面的決策，也包括每個具體工作、具體事物方面的決策，未來的高速運轉的企業(yè)呢，將會為每一個關鍵決策，都會定義一個數(shù)據(jù)分析模型，依據(jù)模型結果為決策提供支撐，甚至是可以做出自動的決策。所以實現(xiàn)決策創(chuàng)新的關鍵，我認為是在決策層面，引入積極學習和人工智能技術，推動決策效果和效率的提升，實現(xiàn)三維價值。
我剛才大概介紹了一下我對這種商業(yè)價值實現(xiàn)路徑的，工業(yè)大數(shù)據(jù)創(chuàng)業(yè)價值實現(xiàn)路徑一個理解，接下來我想談談我今天演講題目中另外一個話題，下一個話題叫：抓住人工智能的浪潮實現(xiàn)制造業(yè)轉型，那這里指的主要的我認為是在工業(yè)決策創(chuàng)新領域人工智能技術的運用，談到的這人工智能技術，可能并不涉及人工智能應用的其他領域，因為，人工智能是很廣的，其他領域比如說大家熟悉的一些機器視覺、人臉識別、語音識別，這些仿生學技術的領域今天可能我不太涉及，如果大家看過凱文凱利的《失控》那本書，一定會記得其中有一個例子，這個例子給我的印象是非常深刻的，今天在這里跟大家也分享一下，書中寫在2002年，那個時候凱文凱利參加了谷歌一個小型聚會，那是谷歌還沒有IPO，還在一心一意的做網(wǎng)絡搜索。凱文凱利和谷歌的創(chuàng)始人拉里.佩奇隨意聊了起來，當時凱文凱利問佩奇說，前面有雅虎搜索，硅谷還有很多搜索公司，谷歌為什么你們還要做免費的搜索呀?
其實當時看到這一點的時候我的想法我相信跟很多人一樣，其實這個問題我當時給出了答案，我自己想那這是谷歌的業(yè)務模式，它***免費搜索來聚集人氣，然后通過什么DSP，這些廣告拍賣的方式獲取收益。AlphaGo是一個典型的人工智能應用，有人認為它的運作方式是靠記下人類歷史上的全部的棋譜定勢，其實這理解不對的AlphaGo它不是這樣做的，它首先經(jīng)過長期復雜訓練，訓練來自于人機對決和自我對決，有大量的數(shù)據(jù)對他進行訓練。然后采用深度神經(jīng)網(wǎng)絡和蒙特卡洛樹的搜索數(shù)算法，不斷提高人工智能計算能力，而且在實戰(zhàn)中，它更是把實際下每一步棋都作為輸入條件，進入它的模型算法中繼續(xù)進行迭代。
評估整體盤面的優(yōu)略，并計算圍棋盤上每一個位置落子概率，最終確定落子在哪個位置?***有上百臺服務器在云端為AlphaGo提供計算資源，AlphaGo也僅能計算出未來的三步棋，其實把AlphaGo的訓練和應用模式應用到工業(yè)領域中，是非常有實際意義的。我有時來個對比，我也不知道是不是恰當，但是我是這么理解的，就拿AlphaGo，原來我們以為人機對戰(zhàn)就像我們很多現(xiàn)在手機上的下棋游戲的這個算法一樣，其實它就是被棋蠱被定勢，這種方式放在工業(yè)上，好比就理解是工業(yè)領域的機理模型的方式。也就是基于工藝的限制，通過試驗各種可能性，根據(jù)實際生產(chǎn)的特定條件來求出自由解，這種方法其實跟剛才我說的被定勢的方法一樣的，但是目前我們給企業(yè)推薦工業(yè)大數(shù)據(jù)應用，是要用數(shù)據(jù)分析模型的方法，就是用工業(yè)生產(chǎn)中實際產(chǎn)生的生產(chǎn)運營中的大量數(shù)據(jù)，結合各種聚類分類算法，訓練企業(yè)自有的人工智能系統(tǒng)。最近在智能制造領域，其實聽的最多就是工業(yè)機器人，工業(yè)機器人確實可以幫助企業(yè)實現(xiàn)人類成本大幅降低，所以很多企業(yè)我看跟很多制造業(yè)企業(yè)聊天，他們特別認可在工業(yè)機器人領域的投資，因為可以替代人嘛，現(xiàn)在人工成本增長太快，那么他們在這個領域投資，遠遠超過企業(yè)對工業(yè)大數(shù)據(jù)平臺和分析模型投資的愿望。
其實我認為這是一個誤區(qū)，目前的工業(yè)機器人更多是在仿生學進行突破，目前的機器人還遠沒有人工智能，而且我認為不經(jīng)過長時間的數(shù)據(jù)訓練也不會實現(xiàn)人類智能。開句玩笑話，現(xiàn)在機器人的人工智能思維能力，也許還介于猩猩和人之間，這種工業(yè)機器人我認為仍然只能被認為是一種智能設備，像數(shù)字機床一樣。在相當長的時間內(nèi)人都是不可替代的，人機的高效交互協(xié)作，應該是未來智能工廠的典型場景，而且我覺得也應該不是未來了，應該很快的出現(xiàn)在各位的企業(yè)里邊，工廠里邊，只不過傳統(tǒng)的工作場景都是由工人，有經(jīng)驗的操作工人，憑借經(jīng)驗、憑借工藝單，去操縱一個一個獨立的設備，但是，一個智能工廠里邊的具有人工智能一個智能工廠工作場景，應該是人和設備，成為智能工廠里面平等的二元，他兩是平等的。人和設備都要接受后臺的人工智能系統(tǒng)給出的決策和控制指令，進行高度協(xié)作。
所以，企業(yè)應該認識到，建設人工智能系統(tǒng)是整個企業(yè)進行決策創(chuàng)新的重要戰(zhàn)略。具體實施上我們還是建議采用架構整體設計，大膽小步快走的方法，針對每一個問題實現(xiàn)局部，首先實現(xiàn)局部的人工智能，最終積少成多，構建強壯穩(wěn)定的人工智能系統(tǒng)，使數(shù)字化企業(yè)有一個強大的大腦，這很像人類從小長大學習知識逐漸成長過程。局部的人工智能技術的開發(fā)，我們認為必須要經(jīng)過數(shù)據(jù)采集、數(shù)據(jù)建模、機器學習、多次反復迭代，最終實現(xiàn)人工智能這樣一個過程。
所以，我認為在人工智能在智能制造領域的實現(xiàn)，應該以工業(yè)大數(shù)據(jù)的理解和應用為主線。我相信可能群里邊有些朋友，對我這個看法可能會不完全同意，有自己的看法，但是我這是我自己的理解，我認為應該以工業(yè)大數(shù)據(jù)的理解和應用為主線，我國制造業(yè)企業(yè)在這方面的人才儲備，數(shù)據(jù)儲備，模型儲備，投資規(guī)模都還處于起步的階段。首先我們企業(yè)的業(yè)務人員，工業(yè)專家不了解數(shù)據(jù)分析的方法算法，他們對數(shù)據(jù)的使用還停留在報表階段、可試化階段。
第二，缺少專業(yè)的數(shù)據(jù)分析人才。缺少專業(yè)的數(shù)據(jù)分析人才，而工業(yè)大數(shù)據(jù)如果不經(jīng)過科學的數(shù)據(jù)挖掘計量實施方法處理，你是很難看到其中的價值。
第三，缺少與行業(yè)業(yè)務結合緊密的數(shù)據(jù)分析模型資源庫。現(xiàn)在大家談大數(shù)據(jù)談的都是Hadoop,Spark這些IT技術，說模型算法說的都是各種回歸，各種決策數(shù)據(jù)算法，其實企業(yè)不知道這些技術如何與企業(yè)的業(yè)務結合，解決實際問題。這是為了解決上述人工智能技術，在智能制造領域實際應用的難題，我們在這個領域進行了專注的產(chǎn)品研發(fā)，那我想也快9點了，我再花幾分鐘時間吧，簡單介紹一下我們公司的，我們的公司產(chǎn)品和解決方案。
我們公司的名字叫北京水木聯(lián)合科技有限公司，英文是TangMIX，“Tang”我們起唐朝的唐，有中國特色，而且我們的產(chǎn)品也都是全都自主研發(fā)的，我們目前有幾個核心產(chǎn)品，一個是我們專門為工業(yè)大數(shù)據(jù)優(yōu)化的一個大數(shù)據(jù)分析平臺，叫“數(shù)笈云”，我們給大家發(fā)一下我們界面，“數(shù)笈云”集成了我們專門為工業(yè)數(shù)據(jù)采集開發(fā)的一個數(shù)據(jù)適配器，它完成多種工業(yè)協(xié)議與“數(shù)笈云”直接的協(xié)議和接口轉換。
數(shù)據(jù)到了“數(shù)笈云”之后，我們提供一系列的認證、加密、安全、分布式計算、數(shù)據(jù)預處理功能。這層其實我們有一個核心技術，我們這個核心技術就是對物理系統(tǒng)的一個抽象規(guī)范，無論你是哪個品牌、哪個型號的設備，在進入“數(shù)笈云”的時候，我們已經(jīng)利用我們的抽象規(guī)范，或者IT的語言，叫語音命名規(guī)范，對物理系統(tǒng)進行了抽象，這樣就可以方便進行一下步，數(shù)學模型的通用調用。這一步非常重要，因為工業(yè)領域和互聯(lián)網(wǎng)的一個重要差別，我覺得就是封閉，工業(yè)領域的大廠家各有各的規(guī)矩，大家互不，互不相通，如果要相通可能就通過OPC連一連，但實現(xiàn)工業(yè)互聯(lián)網(wǎng)的***步，就是要在數(shù)據(jù)準備階段，打破物理系統(tǒng)的封閉。
這一步在技術上我們是用標簽庫實現(xiàn)的，目前“數(shù)笈云”中的物理系統(tǒng)抽象規(guī)范，是我們自己和行業(yè)專家在定義。我們準備在將來把這部分開源出來。
第二個產(chǎn)品是人工智能引擎叫功夫云。這一部分抽象規(guī)范目前是我們自己在和行業(yè)專家在定義，我們準備將來把這部分開源出來，提供給大家不斷補充，形成共同的標準，這樣每個行業(yè)都有這種物理系統(tǒng)的定義，比如說，一個鍋爐有哪些參數(shù)?我們該怎么定義它?一個典型的通用設備，一個變頻風機，該用哪些參數(shù)去來定義一個風機?
可能大家的叫法，不同的控制系統(tǒng)，不同的設備型號，大家叫法不一樣，但是在“數(shù)笈云”上，我們用標簽的方式，我們有建立一個大家共同認可統(tǒng)一的一個抽象規(guī)范，這樣我們的模型就可以直接去調用。這個產(chǎn)品的用戶可以是企業(yè)的業(yè)務人員，工藝專家，也可以是專業(yè)的數(shù)據(jù)分析人員，功夫云這個產(chǎn)品它的設計研發(fā)是依據(jù)我們的大數(shù)據(jù)挖掘計量模型實施方法論進行設計研發(fā)的，這個方法論分為六步，我給大家看一看這個圖，這六步從數(shù)據(jù)的準備和差異分析，模型規(guī)范要求，探索性數(shù)據(jù)分析，模型細分，確立最終模型，最終到模型驗證生成，因為今天時間有限，我在這里就不展開了，大家有問題可以微信私信我，或者給我打電話，我給大家詳細講解。
我們現(xiàn)在正在不斷提高這個方法論在功夫云中的自動迭代的效率，它背后采用的機器學習的算法，可以幫助客戶迅速完成數(shù)據(jù)的準備，算法的選擇，和模型的生成，很多的工作是自動形成，自動實現(xiàn)的，其實這也是跟很多的一些做數(shù)據(jù)分析咨詢的一些企業(yè)差別，在那個我們把很多的重復性的，初級的數(shù)據(jù)準備的活動，比如像我剛才談到常量的排篩查，數(shù)據(jù)的前空值的補充，數(shù)據(jù)的統(tǒng)計分布特征的選擇，針對什么樣的分布的特征數(shù)據(jù)采用什么樣的算法?
我們都已經(jīng)做自動化的實現(xiàn)了，但這里邊也離不開業(yè)務專家我們在業(yè)務上一些理解，我們把很多的數(shù)據(jù)能夠最快的速度形成寬表，然后數(shù)據(jù)科學家來做***的模型的調試，一旦模型生成在功夫云上你可以將模型用刀客技術封裝成一個工業(yè)APP，這個APP干嘛用呢?它可以在線對模型所有的自變量的實時數(shù)據(jù)，進行實時監(jiān)測和計算，輸出預測結果。那么依托這兩個核心產(chǎn)品，我們開發(fā)了預測性質量管理，安全風險預警，設備預測性維護，精準營銷一體化四個解決方案。
這就是我們大概我們的產(chǎn)品的一個解決方案情況，下邊我用***的用結束前一點時間，我給大家分享一下我們在建筑陶瓷行業(yè)一個案例。企業(yè)是佛山一個建筑陶瓷企業(yè)，是國內(nèi)一個知名品牌，我們和他們一起拿了一條窯，做一個工業(yè)大數(shù)據(jù)分析應用的示范項目，這個項目的目標是進行瓷磚生產(chǎn)過程中變形品的副品率的預測，因為我看好像大家有提問，那我這樣我先講完，然后咱們一起來解答。
這個項目的目標是進行瓷磚生產(chǎn)過程中變形品副品率的預測，結合生產(chǎn)過程數(shù)據(jù)，建立瓷磚變形品副品率的一個預測模型，同時分析生產(chǎn)過程中設備數(shù)據(jù)對副品率的影響，客戶目前的變形品副品率是在10%到30%之間波動，尤其而且在新產(chǎn)品生產(chǎn)的時候，副品率的波動會更大，但是企業(yè)通過傳統(tǒng)的工藝調整，也幾乎沒有什么更好的辦法去穩(wěn)定他的副品率。那通過業(yè)務的考察，業(yè)務的理解和考察數(shù)據(jù)，我們定義數(shù)據(jù)模型輸出的一個結果，就是我們說的目標變量，預測每天每個產(chǎn)品生產(chǎn)批次的變形副品率，這是目標變量，那自變量來自于什么?
來自于陶器壓機，干燥爐、燒制爐工序的一些生產(chǎn)數(shù)據(jù)，那這里邊包括了，這里邊包括了壓機工礦的參數(shù)，風機頻率、電流、電表的功率因數(shù)，熱電溫度值，這樣近千個采集點，采集頻率是秒計。另外還有一些自變量是企業(yè)一些質量檢驗數(shù)據(jù)，工藝要求和訂單數(shù)據(jù)，企業(yè)為這個項目前面做了一些前期數(shù)據(jù)采集的一些前期改造，后來等我們拿到數(shù)據(jù)采集到數(shù)據(jù)運營以后，我們發(fā)現(xiàn)其實這個項目我們發(fā)現(xiàn)有這樣兩個主要的挑戰(zhàn)。
一是由于質量數(shù)據(jù)，按照生產(chǎn)批次進行每小時抽檢，所以質量數(shù)據(jù)的數(shù)據(jù)量，遠遠小于設備數(shù)據(jù)，數(shù)據(jù)很不平衡。我想這個我剛才在介紹工業(yè)大數(shù)據(jù)的一個特點的時候，大于小的矛盾統(tǒng)一的時候，其實反反復復提到，那我想各位以后在做工業(yè)大數(shù)據(jù)分析項目的時候，這個一定要注意到這一點。
第二，就是設備中的記錄的設備參數(shù)多達500多個，那么這些數(shù)據(jù)進行聚合后，它的變量更多。需要從海量設備參數(shù)中選取變形副品率相關的設備參數(shù)，我們在功夫云上實施了這個項目，最終我們是采用了拉鎖算法，和邏輯回歸算法，在近千個自變量中，找到了20幾個左右的獨立變量，建立了這些變量與變形副品率的預測模型，預測結果與實際值的均方跟差小于0.08。客戶還是能接受的比較滿意，同時我們通過跟客戶業(yè)務人員溝通，在這20多個獨立變量中，我們確定了11個變量作為關鍵變量。
那這個關鍵變量然后我們根據(jù)數(shù)據(jù)分布，按照期望的副品率界定了這些變量的一個正常范圍，也就是說一旦這個模型在線使用的時候，一旦實時采界值超過這個范圍，監(jiān)測模型就會報警，就會提示變形副品率有突破目標值的風險。
這是我們給客戶做的這個就是模型生成以后，然后模型工業(yè)APP，在線來使用的時候一個界面，大家可以看到下邊儀表盤就是我們確定一個11關鍵變量，那么這11個關鍵變量，我們會為它設定了界定值，那么，這個界定值的依據(jù)，是由企業(yè)希望達到的變形品的副品率的控制要求來提出的。那客戶也還是比較滿意，這個項目得到了客戶的認可，目前正在進行二期的實施，我想今天很榮幸有機會在咱們協(xié)會總群里，給大家介紹了，給大家匯報了我們對于工業(yè)大數(shù)據(jù)，很人工智能技術，在智能制造領域的應用體會，謝謝。
