【工業智慧】用AI來做工業裝置的故障診斷，目前還停留在“雞尾酒療法”階段
“對於工業裝置而言，從執行狀態資料蒐集到上傳雲端儲存分析，再到應用元件的整合，整個過程是一條非常長的產業鏈，做好產業鏈的某一點並不難，難的是將這些資料打通。”周北川告訴資料猿。
記者 | 郭敏
官網 | www.datayuan.cn
微信公眾號ID | datayuancn
一分鐘，“蛟龍號”最大能下潛50米，“復興號”前進5833米，“神威•太湖之光”運算750億次，333萬元投入研究和試驗，生產汽車55輛……每一分鐘，中國都在發生巨大改變，這樣的改變離不開工業的發展，更離不開智慧製造。
2015年5月，國務院印發了《中國製造2025》發展綱要，綱要將智慧製造作為“中國製造2025”九項戰略任務之一。製造業想要實現較大飛躍離不開雲端計算、大資料、人工智慧等技術，這些技術可以用於工程設計、工藝過程設計、生產排程等多個環節。
然而在眾多環節中，有一個環節經常被忽略，那就是裝置的故障診斷和維護。其實，搭建一個開放的控制和反饋系統，基於資料對裝置的執行故障以及異常問題進行動態反應才是實現智慧製造的根本。
“對於工業裝置而言，從執行狀態資料蒐集到上傳雲端儲存分析，再到應用元件的整合，整個過程是一條非常長的產業鏈，做好產業鏈的某一點並不難，難的是將這些資料打通。”中科雲創創始人兼CEO周北川告訴資料猿。
雖然難，但周北川卻和他的團隊做到了。
裝置的維修和維護是塊兒“難啃”的骨頭
5年前的一天，在微軟呆了10年的周北川與表哥的一次談話堅定了他創業的決心，“我表哥在德國巴魯夫公司擔任中國區副總經理兼銷售總監，做了15年的工業裝置感測器的銷售，他說工業網際網路已經到了一個爆發點，如果想做就早點下手。”
其實，在微軟工作期間，周北川一直有創業的想法，“我當時在微軟的企業服務部，做後端的雲平臺，包括如何給企業提供售後服務支援，一個專案接一個專案的做著，時間長了腦子裡就有了千萬個想法，但苦於沒有應用場景，想法就擱淺了。”
於是，在與表哥的一番交談中，周北川沉積多時的創業想法被喚醒，他覺得是時候了。不過工業網際網路有商品交易、專案撮合、社群論壇、物聯網、柔性製造等眾多細分領域，要從哪個點切入，哪個行業入手還需深思熟慮。
“當時，我們看到了工業客戶一個比較大的痛點——裝置的遠端監控和維修維護問題。”周北川決定把它作為切入點。
不過說起來容易，做起來難，擺在周北川面前有兩個棘手的問題：第一個是企業的資料溝通問題，第二個是資料量的積累問題。
企業的資料溝通分為兩個層面：企業內部的資料溝通和企業與企業之間的資料溝通。在考察工廠的過程中，周北川發現，雖然現階段大家都在提工業網際網路，但多數工廠依然沿著“裝置資訊化”的老路在走。
“他們依然沿用的是內網、區域網，走有線，為了互相之間的線不要走的太遠，控制室、中控室和車間必須挨在一起，一個工廠裡就有好幾個中控室，各個車間的資料沒法打通；裝置資料儲存在工廠內部，假如接入西門子的儀器遠端診斷工廠裝置的狀態，看不了，要維修裝置，必須要到現場。”
工業資料不可能放到公有云平臺？
在周北川看來，要打通這些資料需要一個物聯網平臺。但初創企業搭建工業物聯網平臺得先找一個“拳頭級”應用，不然“九死一生”。
據周北川描述，這個“拳頭級”應用要具備三個特徵：
第一、簡單可複製。網際網路領域講究長尾效應，每個專案需要投入大量的人力成本，在周北川看來並不可取，對於初創企業來說做通用性服務才是王道。可複製有兩種方式：一種是產品，另一種是SaaS。如果做產品的話，需要公司的技術人員到企業去部署，這樣算下來也是一大筆開銷，最終周北川選擇以SaaS的方式進行，這樣就可以下載即用。
第二、既然要做SaaS，它就要具備標準化。“很多工業領域需要的工具，比如MES、ERP等不好SaaS化，因為它的非標程度非常高，每個企業都必須要帶著一個諮詢專案去做這件事情，所以也沒有辦法複製，我們得找到一個可以複製且標準化的應用。”周北川說。
第三、可以放到公有云平臺上。相信多數工業企業因擔心資料的安全問題，不願意把資料放到公有云平臺上。但在周北川看來將資料放到公有云是節約成本、提升效率的關鍵，況且對裝置進行遠端監控和維護只需要狀態資料，並不涉及其他隱私資料，所以企業無須擔心這一點。
基於這樣的思路，周北川率領團隊搭建了工業物聯網裝置健康管理SaaS服務平臺——雲中控，以資料為基礎、裝置為節點、流程為準繩、人員為中心，將物聯網、語音識別、影像識別、機器學習等技術融入其中。
據周北川介紹，雲中控平臺通過公有云或混合雲的方式，為裝置製造商和裝置使用者快速實現裝置的執行狀態資料採集、傳輸、展示和加工等提供一攬子服務。
使用者在資料來源裝置加裝工控機或數採模組，標記裝置控制系統或感測器等採集點，通過操作圖形化介面完成本地裝置的資料採集，經由3G、4G、Wifi等方式將實時資料上傳到雲伺服器的資料庫。
使用雲中控的Web應用和手機APP，瀏覽裝置狀態，追溯歷史資料，將加工統計後的資料轉化為產能、良品率、裝置使用率、能耗等各類報表，為生產和運維的優化提供決策依據。
平臺有了，但企業為什麼願意把資料給你？
“雖然我們的定位很清楚，但剛開始確實沒有企業願意把裝置資料放到我們這個平臺上，畢竟沒有資料累積和具體的應用案例。”周北川坦言。
不過，當週北川拿著這套解決方案四處奔走的時候，他發現還是有很多企業願意試一試，畢竟生產裝置突發故障後，裝置專家不在現場或者無法聯絡，維修備件沒有庫存或者供應商無現貨，這些情況都會造成長時間的停機，這些問題已經困擾他們多年。
在採訪的中，周北川重點提及了東昇科技園的案例：
在東昇科技園的某個配電室裡，按要求每兩個小時工作人員需要進行一次巡視，對機房內部的變壓器、絕緣開關、斷路器、柴油發電機等裝置進行檢查，把電氣裝置上的電流、電壓、功率、溫度等資訊抄錄下來，發現問題及時報告和處理。
“配電房都依賴人員巡檢，而人員巡檢存在責任心、技能和裝置熟悉程度的差異，巡檢效果參差不齊。”周北川表示。
據瞭解，為了保證園區辦公區域不斷電，配電室需要兩個人輪班值守，一個配電房要配備八個人，一個園區通常是一個到四個配電房，每年花費在配電房人員監控方面的費用就有幾百萬。
為了節省開支，讓巡檢更加高效，東昇科技園在配電房外增加了現場監控一體機，接入“雲中控”的平臺後，採集配電房裡配電箱、配電櫃、不同線路、開關等幾千個點位的資料並傳到雲平臺，通過移動終端和運營中心大屏，隨時接受提醒、檢視資料，及時保養和搶修。
周北川告訴資料猿，中科雲創還將機器人用於配電房巡檢，“我們做了一個機器人，機器人會把配電櫃上的具體資訊拍下來，通過影像識別就可以知道哪個燈是亮著的、儀表盤的資料是多少、開關是什麼樣的狀態……通過這些資料和後臺資料做對比來檢測裝置是否正常工作。”
這樣的方式不僅能實現配電房的智慧化維護，還能結合人工智慧實現故障預測。
用“雞尾酒療法”做工業大資料
不過，利用人工智慧進行故障預測是什麼邏輯？周北川告訴資料猿，“把聲音識別器安裝在配電房裡，通過它來採集裝置振動或者打火的聲音，一段時間之後對累積的資料進行分析，就知道哪種聲音是打火的聲音，之後就可以通過聲音識別來做故障診斷、預判和實時告警。”
當下，在工業領域，影像識別、語音識別已經進入實用階段，但在演算法方面，周北川卻認為，用AI來做工業裝置的故障診斷，目前還停留在“雞尾酒療法”階段。
“將各種演算法運用到機器學習中，最開始的演算法扔進去可能只能達到40%的準確率，再換個演算法扔進去實現50%，再扔進去一個演算法實現70%……之後實現80%，找到方向了，然後再做一些調優，這時候可能用到一些專家、行業知識再去調，最後調到90%多，有一點像雞尾酒療法，不過這個過程需要很多有效資料的積累，通常不是短期能夠取得巨大成效的。”
在過去的幾年裡，一些工業領域的巨頭依靠自身的資料和技術獨自研發了工業網際網路平臺，例如三一重工的樹根互聯、瀋陽機床的i5系統……根據他們對外披露的資料，所花的費用均在10~16億之間，對於小企業來講，這樣高昂的研發費用他們是承擔不起的。周北川表示：“在我們平臺上，一臺裝置每年只需要支付一千塊的運營費，任何一個小企業都可以用得起這個平臺。”
如今，中科雲創已經在數控機床、港口機械、智慧配電、高速裝置等領域累積了大量的客戶，取得了不錯的收入。發展至今，中科雲創的團隊也已經初具規模，其核心團隊多是來自於微軟、思科、索尼、華魯鍛壓等企業的經驗人士。對於2018年，周北川表示，中科雲創將重點聚焦在智慧消防、機床的維修維護、融資租賃的裝置風控三個方面。（文/郭敏）
製造業大資料標準化應用及成功案例分析
2018年3月29日，“2018全國大資料標準化工作會議暨全國信標委大資料標準工作組第五次全會”在北京國際會議中心召開。會議釋出了《大資料標準化白皮書（2018版）》，白皮書對大資料國內外政策、產業及標準化現狀和應用做了全面梳理和分析，完善了大資料標準體系，介紹了重點國家標準，並提出了下一步工作方向。
伴隨著“智慧製造 2025”國家戰略的實施，大資料應用已成為製造業生產力、競爭力、創新能力提升的關鍵，是驅動製造過程、產品、模式、管理及服務標準化、智慧化的重要基礎，體現在產品全生命週期中的各個階段，工業大資料正在加速製造業的轉型升級。
製造業大資料的應用
首先，基於統一標準化思路驅動的工業大資料產品研發設計，實現研發過程的智慧化，提升了創新能力、研發效率和設計質量。通過產品全生命週期資料的採集，工業大資料建模和數字模擬技術優化設計模型，及早發現設計缺陷，減少試製實驗次數，降低研發成本、提升設計效率，縮短了產品研發週期。
其次，綜合製造過程中裝置、效率、成本、耗能等資料展開建模分析，實現了執行過程的狀態監測與優化工藝引數推薦。通過生產工藝過程引數，裝置執行狀態引數與產品質量效能、生產線排產負荷、耗能等資料進行關聯性深度挖掘，形成資料閉環，可得出工藝引數的最優區間、車間排產計劃的最優方案、廠房能效優化的最佳調控手段等。
工業大資料技術的發展和相關標準化工作的推進，也帶來了製造業產業鏈上下游企業間各協同環節的資訊共享和同步升級，企業可根據自身優劣勢分析對業務進行重新取捨，整合資源實現平臺化運營，優化價值鏈。
另外，基於大資料構建的產品故障預測系統，能幫助使用者實時掌握產品狀態，在產品出現異常前展開預測性維修。基於資料標準化思路的企業全流程的資料整合貫通與工業大資料建模分析，支撐了大規模定製為代表的典型智慧製造模式。基於研發知識庫的大資料產品模組化分析，以及協同創新平臺所整合的內外部產業鏈協同設計能力，可實現產品的個性化設計；基於工業生產大資料的互聯工廠柔性化生產能力，保障了個性化設計訂單低成本高效率的製造；結合物流大資料分析優化的物流配送系統，可充分保障個性化定製產品在最短時間內按承諾交付至使用者。
相關成功案例
案例一
海爾 COSMO Plat 空調噪音大資料智慧分析
應用領域：家電行業、智慧製造
應用背景：海爾膠州空調互聯工廠部署有國內唯一的分貝檢測裝置，當空調測試分貝大於標準分貝時，系統判斷為不合格並將結果輸出至 COSMOPlat-IM（MES）系統，但此裝置無法識別空調執行中的異音，如摩擦音、共振音、口哨音等。此外，每天快節拍、高強度的空調裝配流水線工作導致檢測工人聽取噪音時間過長，易產生疲勞和誤判，偶爾有不合格品流到下線，影響產線整體檢驗的可靠性。因此，急需找到新式噪音識別方法，解決企業當前痛點。
核心方案：基於標準化思路的核心問題研究：COSMOPlat 是海爾自主研發、自主創新的共創共贏工業網際網路平臺，通過整合平臺上的軟體及硬體資源，與美林資料共同開發了空調噪音智慧檢測系統，有效地解決了無法準確、可靠識別異音的痛點。解決方案包括非結構化音訊資料實時採集與儲存、分析建模與智慧識別、結果輸出與視覺化展現三大部分，核心過程如下：
階段 1：模型搭建的標準化研究
針對生產線採集的大量歷史檢測音訊，利用端點檢測技術對產品運轉過程中起、停機階段的音訊區段進行智慧切割，利用數字濾波技術自動對音訊進行降噪。通過特徵自動提取與樣本標定，利用機器學習技術構建智慧分類模型，模擬人工判斷行為，構建標準化的模型研究思路。
階段 2：引數調優的標準化思路
智慧分類模型需通過大量音訊資料進行模型訓練與優化，並驗證其準確性。演算法專家利用歷史音訊對模型進行驗證與引數調優，通過不斷擴充訓練樣本及模型自學習，確保識別準確率滿足生產線質檢精度要求，最終形成一套基於標準化思路的調優方法。
階段 3：上線實施，技術標準研究成果的應用
構建音訊採集系統，實現產品分貝檢測產線對音訊的實時同步採集與型號關聯。智慧識別模型自動完成音訊檔案的接入、特徵提取、智慧判別等工作，輸出對應產品條碼號的實時判別結果，對異音自動報警，並針對識別結果對產品異音原因進行智慧分類，輔助返修排故。系統將智慧檢驗結果實時反饋至企業COSMOPlat 工業網際網路平臺，支援產線質量問題線上統計與分析。
系統核心思路
專案實施過程中參考了《資訊科技 大資料 術語》《非結構化資料管理系統技術要求》《資訊保安技術 資料庫管理系統安全技術要求》等大資料相關標準，並與海爾工業智慧研究院有限公司一起，結合專案具體實施過程中的現場問題和解決過程為《資訊科技 大資料 儲存與處理系統功能測試規範》《非結構化資料訪問介面規範》《實時資料庫通用介面規範》等在研以及擬研製的大資料相關國家標準反饋了標準立項訴求和標準內容建議。
實際效果：海爾 COSMOPlat 空調噪音大資料智慧分析專案通過感測器、分貝檢測系統、業務系統、模型演算法的整合與互動，在企業解放人力、減少誤判、提高檢驗可靠性等方面均有了極大提升。此項智慧檢測系統的實施充分利用了裝置端的嵌入式智慧計算技術，以分散式資訊處理的方式實現了裝置端的智慧和自治，通過伺服器、業務系統間的互動協作，實現了檢測系統整體的智慧化。專案的實施為海爾集團在旗下其他分廠生產線部署基於聲音檢測的空調狀態智慧識別系統積累了豐富經驗，為行業內公司在產線智慧化改造與轉型升級等方面做出了示範。
案例二
長安汽車智慧製造技術研究所衝壓質量大資料專案
應用領域：汽車工業、智慧製造
長安汽車作為中國知名汽車製造企業，中國品牌汽車產銷累計已突破 1000萬輛，並連續 10 年位於中國品牌汽車銷量前茅。近些年，長安總體戰略也是從傳統汽車製造企業轉向智慧製造服務型企業，重點發展科技、智慧製造、服務三大方面，並在重慶本部成立了智慧化中心。長安汽車某工廠衝壓車間共建有三條衝壓生產線，主要負責生產側圍、翼子板、車門、引擎蓋等輪廓尺寸較大且具有空間曲面形狀的乘用車車身覆蓋件。
目前在衝壓生產過程中，一方面由於衝壓裝置效能、板材材料效能、生產加工過程引數等波動，部分側圍在拉伸工序中易產生區域性開裂現象，需反覆進行引數調整與試製；另一方面，在衝壓產線線尾，需對衝壓件外觀質量進行統一檢測，現有檢測方式為人工手動檢測，需在有限生產節拍時間內，快速分揀出帶有開裂、刮傷、滑移線、凹凸包等表面缺陷的衝壓件，檢測標準不統一、穩定性不高、質檢資料難以有效量化和儲存，不利於企業資料資源收集、質量問題分析與追溯。
美林資料通過建設大資料儲存與處理平臺，實現了工廠衝壓車間的所有裝置、
模具、材料、生產製造過程資料、質量檢驗資料的整合、儲存與統一管控。平臺
建設過程參考了《資訊科技大資料參考架構》《大資料儲存與處理平臺技術要求》《資訊科技資料質量評價指標》《非結構化資料訪問介面規範》等標準。
解決方案
依據大資料儲存與處理平臺，藉助基於機器學習的資料探勘、基於機器視覺的智慧檢測技術，實現了衝壓側圍件開裂預測與產品件表面缺陷的智慧識別檢驗。
▶ 依據衝壓裝置加工引數、板材引數、模具效能引數及維修記錄等，通過資料探勘機器學習演算法，建立衝壓工藝側圍開裂智慧預測模型。通過樣本積累與模型訓練調優，準確預測衝壓側圍件的開裂風險。最後，確定了衝壓製造過程影響因素間的相關性，制定了生產過程引數組合控制策略，為衝壓製造過程工藝優化和質量把控提供支援。
▶ 基於機器視覺的衝壓件缺陷智慧識別檢測，立足生產線現有條件，設計影像採集系統，通過影像實時採集與智慧分析，快速識別衝壓件是否存在表面缺陷，並自動將所有檢測影像及過程處理資料儲存至大資料平臺。通過質檢資料、生產過程工藝引數、產品設計引數間的關聯，藉助大資料分析技術，形成衝壓產品質量問題分析管理的閉環連線，實現衝壓產品質量的精確控制和優化提升。
▶ 專案實施總體框架如下：
專案實施總體框架圖
在專案具體實施過程中，美林資料通過與長安汽車專案團隊進行業務研討及評定，綜合製造業底層資料採集、平臺資料規範設計、資料質量檢測、大資料分析總體技術要求等方面內容，編寫了企業級《製造業大資料分析業務指南》。此外，根據專案實施經驗，為工業大資料領域相關標準、應用規範的立項、研製、釋出等提供了資訊反饋和經驗積累，後續將協助大資料標準工作組確定並推出相關標準內容。
案例三
江蘇省重點領域共性技術攻關專案---工業大資料後設資料規範與驗證技術攻關專題---工業大資料標準體系研究及重點標準編制
應用領域：工業
1、主要攻關內容分為兩大部分：工業大資料標準體系研究和重點標準編制。
（1）工業大資料標準體系研究
全面分析智慧製造發展的要求和工業大資料產業發展趨勢，研究智慧製造企業的研發、生產、運營、營銷和管理方式，分析國內外工業大資料服務產業標準的現狀、趨勢和需求，梳理相關國際標準、國家標準、行業標準、團體標準、企業標準，提出符合針對智慧製造相關技術研發和業務應用需求，研究工業大資料標準化需求，以指導成體系成系統的標準制定工作，形成工業大資料發展趨勢的標準體系框架和標準體系表。
（2）重點標準編制。
結合產業需求，針對現階段工業領域急需解決的問題，採用急用先行的原則，結合工業大資料標準體系框架，研製《工業大資料產品核心後設資料規範》、《工業大資料 OID 標識分配與註冊解析規範》、《工業大資料 OID 物件識別符號編碼與儲存規範》等重點關鍵的工業大資料領域重點標準。
2、本案例先進性和技術路線
（1）總體設計
1）各項研究任務協調配合、有機互動、整體推進
本專案研究內容包括相關技術、相關標準體系和文字的研製工作。各項工作相互配合，相互促進。
工作流程圖
2）標準研究與標準驗證、應用驗證等內容協調互動
工業大資料相關業務、產品和標準化三者之間是相互促進、相互制約的，標準的需求主要來自業務和系統的需求。這三者之間相互依託，層層遞進，協同完成專案目標。
邏輯結構圖
3）相關標準研製
工業大資料相關服務標準的制定將徵集使用者需求，並針對尚未規範化的、緊迫需要規範和統一的內容，適時推出標準內容。
以現有技術為基礎，提煉適合系統的技術及引數要求，結合技術發展趨勢，聯合相關生產廠商、學術機構、高等院校和行業協會及使用者等各方組成標準起草組共同研究標準內容。
（2）專案實施
按照標準化法規定，標準在研製過程中主要經歷起草、徵求意見、送審和報批等四個階段。
專案實施階段說明
3、案例實施
（1）江蘇中堃資料技術有限公司基於公關專題，結合工業大資料重點線上纜行業的能耗分析和預警預測、營銷分析和預警預測突破。其中通過能耗橫向對比分析，縱向時間序列分析，發現企業耗能裝置，並結合入廠時間，單位產量能耗等指標，幫助企業能耗下降 5%。通過裝置能源利用率分析，為企業提升10%左右的產品產量。營銷分析預測是通過分析同行業的相關資料，為決策者提供有力的決策支撐，輔助決策者做出最優的選擇。
（2）在新能源領域，江蘇中天科技軟體技術有限公司在相關標準的指導下構建智慧能源管理平臺，實現了集中資料儲存和大資料分析評估，可以輸出多維度報表；支援平臺電站資產評估分析，投融資決策；充分考慮了大資料的採集和處理穩定性和安全性。
（3）徐工資訊公司結合工業大資料重點服務標準的研製和標準試點驗證系統建設，在工程機械智慧製造新模式探索中積極應用該標準系統，同步開展產品核心後設資料規範和 OID 標識管理規範標準驗證試點工作，同時擴充套件行業推廣應用。
（4）江蘇藍創智慧科技股份有限公司將在橡膠機械行業智慧製造新模式中推廣應用系列標準，驗證標準在該行業中產品資料描述匹配能力，提高企業有效維護和管理產品資料的能力，提升工業產品生產溯源查詢和產品資料共享能力。
（5）徐工集團牽頭承擔了標準試點驗證專案，積極參與了標準草案和驗證系統方案的編寫及討論，並在子企業進行試點，開展驗證系統對接研發和驗證系統的應用與驗證，輸出工程機械行業的標準驗證效果和相應的《應用指南》。
（6）蘇州洞察雲資訊科技有限公司——星雲測試精準測試系統為銳捷網路的大型核心交換機程式提供視覺化、智慧化全生命週期測試解決方案，實現以極低的硬體消耗採集裝置內部程式高速執行的程式碼邏輯資料，提供達到航天級別的測試資料和智慧測試分析結果。
宣告：本文素材來自《大資料標準化白皮書（2018版）》
軌道交通的PHM故障預測與健康管理
“我國正在開發400公里時速的變軌距列車、600公里時速的下一代磁浮列車也在進行研究，以後旅客坐進我們的高鐵，感覺就會像進入家庭影院一樣舒服……”2月26日國務院新聞辦公室召開的新聞釋出會上，中國高鐵控制技術領軍人物之一、中國工程院院士丁榮軍向記者描繪了這樣一幅“未來高鐵”的“暢想圖”。
高速軌道交通系統（HSR）在過去十年間連續保持高速增長。2016年，中國高鐵的總長度已經達到22000公里，每天有高達2000多列高鐵列車在執行。隨著設計與製造技術的進步，可靠性得到了明顯提高的同時，建設成本也逐步降低。
如何運用有效的運維手段，將隱性問題顯性化，實時瞭解裝置及軌道的執行狀態並做出合理的應對策略，規避安全風險，節約維修成本，成為軌道交通亟待解決的問題，下面和大家分享兩個天澤智雲在故障預測與健康管理方面的實踐案例。
天澤智雲核心技術成員來自美國智慧維護系統（IMS）中心，期間與阿爾斯通的高鐵部門進行合作，參與開發的技術被整合到了在2013-2014年釋出的高鐵健康維護系統Health Hub。
阿爾斯通是全球領先的軌道交通解決方案的供應商，不僅基礎設施龐大而且維護費用也高，所以阿爾斯通推出智慧管理系統Health Hub，實現從車輛級到基礎設施級的智慧管理。在遠端監測系統方面通過Train Tracer、Track Tracer、Train Scanner等產品，實現將執行過程當中的實時狀態資料傳遞到Health Hub中進行分析，實時評估關鍵部件的健康狀態，預測未來的風險，並且用預測性的方式進行排程優化。
這套系統支撐起了阿爾斯通向服務型製造的轉型。
整個系統運用了典型的CPS技術框架，包括裝置中資料的智慧連線，實時的資料分析流，雲端實現建模過程，經過大資料分析之後，對這些問題預測和決策，最終將決策運用到所有的相關部門中。自2010年起IMS中心與阿爾斯通進行合作，提供了很多分析模型的核心演算法，包括高鐵叢集健康管理、車輛牽引電機、軌道的轉轍器、車載的軌道監測系統等。通過故障預診與健康評估模型，將傳統的不可見的問題顯性化，分析問題發生的過程，從而避免潛在的風險和問題發生。
目前阿爾斯通已經有超過35%的收入、50%的利潤來源於對已經賣出裝置的服務型管理。其中的價值在於，車輛賣給使用者之後，通過智慧的分析、預測與優化排程，幫助使用者節省維護成本，這是生產價值模式的轉變。
針對高速軌道交通系統的預測性維護需求，CRRC啟動了“軌道交通裝備故障預測與健康管理技術研究與應用”重大科研專項，將預防性維護轉變為預測性維護。在任務多樣化和大資料環境下，為了能夠對高速軌道交通系統進行實時監控，採用了資訊物理系統（CPS）架構作為其PHM系統的框架。
天澤智雲參與了由中車青島四方機車車輛股份有限公司牽頭的動車組整車PHM子課題，共同開發基於CPS技術的動車組PHM（故障預測與健康管理）平臺，通過進行大量的實驗，將軸箱軸承的映象模型建立出來，包括失效模式、失效的狀態，以及過去探測到具有隱性失效特徵的演算法等等。
基於與合作伙伴NI的整合解決方案中，很好地支援了高速併發同步採集的需求，其車載資料伺服器也經受住了高速採集負載的考驗。在資料分析方面，由於高鐵執行環境中有非常大的振動噪聲，且早期故障特徵非常的微弱，需要開發先進的訊號處理和特徵識別演算法才能實現故障的精準預測。這些演算法所需的計算量很大，如果將原始資料傳回遠端中心進行分析，那將會產生巨大的通訊和計算資源成本。
“我們融合邊緣計算技術，將訊號處理與特徵提取的分析在車載硬體端完成，再將計算後的健康特徵傳輸到資料中心，再通過模式識別等機器學習演算法實現故障識別等功能。這樣原本百兆/s的原始資料就變成了2Kb/s的特徵資訊，既滿足了對資料分析的實時性要求，又降低了資料中心的傳輸和計算壓力。這樣我們就實現了分散式的監測和分析與集中式地決策優化和知識挖掘相融合的高鐵PHM系統。”天澤智雲技術長劉宗長說。
人工智慧賽博物理作業系統
AI-CPS OS
“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧）分支用來的今天，企業領導者必須瞭解如何將“技術”全面滲入整個公司、產品等“商業”場景中，利用AI-CPS OS形成數字化+智慧化力量，實現行業的重新佈局、企業的重新構建和自我的煥然新生。
AI-CPS OS的真正價值並不來自構成技術或功能，而是要以一種傳遞獨特競爭優勢的方式將自動化+資訊化、智造+產品+服務和資料+分析一體化，這種整合方式能夠釋放新的業務和運營模式。如果不能實現跨功能的更大規模融合，沒有顛覆現狀的意願，這些將不可能實現。
領導者無法依靠某種單一戰略方法來應對多維度的數字化變革。面對新一代技術+商業作業系統AI-CPS OS顛覆性的數字化+智慧化力量，領導者必須在行業、企業與個人這三個層面都保持領先地位：
重新行業佈局：你的世界觀要怎樣改變才算足夠？你必須對行業典範進行怎樣的反思？
重新構建企業：你的企業需要做出什麼樣的變化？你準備如何重新定義你的公司？
重新打造自己：你需要成為怎樣的人？要重塑自己並在數字化+智慧化時代保有領先地位，你必須如何去做？
AI-CPS OS是數字化智慧化創新平臺，設計思路是將大資料、物聯網、區塊鏈和人工智慧等無縫整合在雲端，可以幫助企業將創新成果融入自身業務體系，實現各個前沿技術在雲端的優勢協同。AI-CPS OS形成的數字化+智慧化力量與行業、企業及個人三個層面的交叉，形成了領導力模式，使數字化融入到領導者所在企業與領導方式的核心位置：
精細：這種力量能夠使人在更加真實、細緻的層面觀察與感知現實世界和數字化世界正在發生的一切，進而理解和更加精細地進行產品個性化控制、微觀業務場景事件和結果控制。
智慧：模型隨著時間（資料）的變化而變化，整個系統就具備了智慧（自學習）的能力。
高效：企業需要建立實時或者準實時的資料採集傳輸、模型預測和響應決策能力，這樣智慧就從批量性、階段性的行為變成一個可以實時觸達的行為。
不確定性：數字化變更顛覆和改變了領導者曾經仰仗的思維方式、結構和實踐經驗，其結果就是形成了複合不確定性這種顛覆性力量。主要的不確定性蘊含於三個領域：技術、文化、制度。
邊界模糊：數字世界與現實世界的不斷融合成CPS不僅讓人們所知行業的核心產品、經濟學定理和可能性都產生了變化，還模糊了不同行業間的界限。這種效應正在向生態系統、企業、客戶、產品快速蔓延。
AI-CPS OS形成的數字化+智慧化力量通過三個方式激發經濟增長：
創造虛擬勞動力，承擔需要適應性和敏捷性的複雜任務，即“智慧自動化”，以區別於傳統的自動化解決方案；
對現有勞動力和實物資產進行有利的補充和提升，提高資本效率；
人工智慧的普及，將推動多行業的相關創新，開闢嶄新的經濟增長空間。
給決策制定者和商業領袖的建議：
超越自動化，開啟新創新模式：利用具有自主學習和自我控制能力的動態機器智慧，為企業創造新商機；
迎接新一代資訊科技，迎接人工智慧：無縫整合人類智慧與機器智慧，重新
評估未來的知識和技能型別；
制定道德規範：切實為人工智慧生態系統制定道德準則，並在智慧機器的開
發過程中確定更加明晰的標準和最佳實踐；
重視再分配效應：對人工智慧可能帶來的衝擊做好準備，制定戰略幫助面臨
較高失業風險的人群；
開發數字化+智慧化企業所需新能力：員工團隊需要積極掌握判斷、溝通及想象力和創造力等人類所特有的重要能力。對於中國企業來說，創造兼具包容性和多樣性的文化也非常重要。
子曰：“君子和而不同，小人同而不和。” 《論語·子路》雲端計算、大資料、物聯網、區塊鏈和 人工智慧，像君子一般融合，一起體現科技就是生產力。
如果說上一次哥倫布地理大發現，擴充的是人類的物理空間。那麼這一次地理大發現，擴充的就是人們的數字空間。在數學空間，建立新的商業文明，從而發現新的創富模式，為人類社會帶來新的財富空間。雲端計算，大資料、物聯網和區塊鏈，是進入這個數字空間的船，而人工智慧就是那船上的帆，哥倫布之帆！
新一代技術+商業的人工智慧賽博物理作業系統AI-CPS OS作為新一輪產業變革的核心驅動力，將進一步釋放歷次科技革命和產業變革積蓄的巨大能量，並創造新的強大引擎。重構生產、分配、交換、消費等經濟活動各環節，形成從巨集觀到微觀各領域的智慧化新需求，催生新技術、新產品、新產業、新業態、新模式。引發經濟結構重大變革，深刻改變人類生產生活方式和思維模式，實現社會生產力的整體躍升。
產業智慧官 AI-CPS
用“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧），在場景中構建狀態感知-實時分析-自主決策-精準執行-學習提升的認知計算和機器智慧；實現產業轉型升級、DT驅動業務、價值創新創造的產業互聯生態鏈。
長按上方二維碼關注微信公眾號： AI-CPS，更多資訊回覆：
新技術：“雲端計算”、“大資料”、“物聯網”、“區塊鏈”、“人工智慧”；新產業：“智慧製造”、“智慧金融”、“智慧零售”、“智慧駕駛”、“智慧城市”；新模式：“財富空間”、“工業網際網路”、“資料科學家”、“賽博物理系統CPS”、“供應鏈金融”。
官方網站：AI-CPS.NET
本文系“產業智慧官”（公眾號ID：AI-CPS）收集整理，轉載請註明出處！
版權宣告：由產業智慧官（公眾號ID：AI-CPS）推薦的文章，除非確實無法確認，我們都會註明作者和來源。部分文章推送時未能與原作者取得聯絡。若涉及版權問題，煩請原作者聯絡我們，與您共同協商解決。聯絡、投稿郵箱：erp_vip@hotmail.com
相關文章
- 專訪中科雲創周北川：用AI來做工業裝置的故障診斷，目前還停留在“雞尾酒療法”階段AI
- 雞尾酒排序排序
- 印刷機械行業裝置遠端監控及故障預警診斷系統行業
- 遠端醫療診斷、便攜感測智慧裝置引爆新體驗
- rust-algorithms:4-雞尾酒排序RustGo排序
- 向工業4.0跨步，我國服裝智慧製造處於怎樣的階段？
- 藏身幕後的巨人，正將工業AI帶入下一階段AI
- 基於PLC和工業智慧閘道器，實現智慧工廠裝置遠端監控和故障報警
- 企業內部區域網網路故障診斷
- 工業物聯網賦能智慧工廠，助力企業實現裝置智慧運維管理運維
- Mockito雞尾酒第一杯 單測MockMockito
- 數字病理與AI輔助診斷，助力腫瘤精準診療AI
- Oracle故障診斷Oracle
- 可穿戴裝置進軍醫療行業：很好很實用行業
- 智慧工廠：工業裝置聯網及資料採集解決方案
- 華米科技的AI“芯”與醫療可穿戴裝置的未來AI
- 工業智慧閘道器實現工業裝置資料採集和狀態監控
- 醫療行業軟體開發流程-立項階段行業
- 智慧工業+數字孿生，打造智慧裝置運維最優解運維
- 資料結構&演算法實踐—雞尾酒排序資料結構演算法排序
- 光纖故障診斷和故障排查
- 聚焦工業裝置智慧運維，雲洲扁鵲賦能行業數字化運維行業
- 智慧通訊閘道器管理裝置（藉助工業智慧閘道器實現工業裝置線上監控和維護）
- 分散式多工廠的製造業如何實現裝置智慧管理分散式
- 觸想工控裝置在工業“無人化”場景的應用
- 【智慧裝置】智慧工廠如何運用視覺化進行裝置管理視覺化
- 在未來AI如何變革醫療行業？AI行業
- 醫療視覺化為醫療診斷方式帶來巨大變革視覺化
- ASM磁碟故障診斷（二）ASM
- ASM磁碟故障診斷（一）ASM
- 故障診斷學習工具
- RAC故障診斷指令碼指令碼
- 能源物聯網為工業裝置管理帶來更多便利手段
- 故障分析 | Kubernetes 故障診斷流程
- 【工業智慧】傳統工業如何實現工業智慧？工業發展的痛點體現在哪裡？
- 國內醫療器械行業整體步入高速增長階段行業
- 醫療診斷中影像識別技術還有哪些潛在的應用價值呢
- 輕鬆一刻：什麼是雞尾酒排序和地精排序？排序