2017-12-01 00:00:00 np4rHI455vg29y2 阅读数 1999

来源:天泽智云 授权 产业智能官 转载。


8月2日,2017中国大数据产业生态大会在京召开。大会由中国电子信息产业发展研究院主办,中国大数据产业生态联盟联合达晨创业投资有限公司、中国软件评测中心、赛迪智库、赛迪顾问股份有限公司和《软件和集成电路》杂志社共同承办。此次会议吸引了政府领导、行业专家、中美近二十家大数据企业代表以及创投机构聚首京城,共同探讨大数据产业发展趋势,推动技术创新,助力企业成长。


美国辛辛那提大学讲座教授、美国国家科学基金会(NSF)智能维护系统产学合作中心主任李杰,作为联盟专家委员会主任委员受邀出席此次会议,并做主题为:工业大数据的前半生和后半生的演讲,分享了如何更好地利用工业大数据,从解决问题、避免问题的思维转换成价值创造的思维。


美国辛辛那提大学讲座教授、美国国家科学基金会 (NSF) 智能维护系统 (IMS) 产学合作中心主任李杰


大家好,很高兴跟大家分享。今天我演讲的主题是工业大数据的前半生和后半生。前半生怎么发展过来的,后半生该怎么去?这个主题也相当于对我个人经历和实践的一个小的总结。


先介绍我做工业大数据的前半生。我在美国37年,早在1983年的时候美国就开始做汽车自动化生产线,我先后在工业自动化与机器人领域工作。后来进入美国国家科学基金会(NSF),然后在联合技术公司(United Technologies Research Center UTRC)担任研发总监参与了普惠发动机、开利空调、奥迪斯电梯等开发技术研究。之后我又回到学校当教授,创办了智能维护系统中心(IMS)。 

  

IMS中心是2000年建立的,到现在已有17个年头,目前全球有90多个企业伙伴,现在做的最大的项目是跟日本电装合作的“Dan-To-Tsu” 可翻译成 “无人可及的工厂”。目标就是100万个零部件做出来只有一个质量不好,目前世界上没有任何其他工厂能够到达这样的水平。飞机也同样,起飞100万次才有一次失事,能做到安全系数这么高,主要是有工业大数据分析、故障预测与健康管理等技术的支撑。现在我们跟大金空调、华为、中船、中车高铁,还有马扎克-世界第一大机床厂等企业都有合作。



先来讲一下工业的发展历程。很多发展工业的国家首先从提高生产力开始着手。有五个阶段,第一个阶段是全员实践,日语叫Kaizen,中文叫改善。每天做好整理、整顿、清扫、清洁,做整体标准化持续化的改善。第二个阶段是数据化,丰田最早的精益与GE的“6-Sigma”,这是在80、90年代在做的事。第三阶段做预测性建模分析,那时2000年美国在做转型,解决数据层到信息层的问题。第四阶段叫做知识层,现在我们要做的就是把数据变成可以支持决策的系统。第五阶段是最高层,可以自主产生知识、自主决策,不需要管它,比如无人驾驶。但无人驾驶不是目的,无忧驾驶才是,就是说开车时不用担心前面的路况。假如前方一公里处有坑洼,这辆车以前经过此处,通过传感器跟我的GPS建立了关系,下一次我走同样的路线时,还没有开到这个地方,车子就会收到提醒 – 前方一公里处有坑请注意。我的车跟别的车分享,它们还没有开到,也会收到提醒说前面一公里处有坑请注意,这才叫无忧驾驶。这是我们所说的数据的价值转换,从性能优化到避免风险和忧虑。



在《工业大数据》这本书里面我讲了很多,前半部分讲的是从可见的问题入手去解决,比如从生产力开始来找大问题,问题要大到足够让我们去投资做数据,因此才能解决大问题,这是我的前半生做的事情。我的后半生就不是做这件事了,因为解决问题不是目的。目的是让问题消失,甚至让问题不出现。这就是我所说的从隐性的问题,甚至是客户都没有意识到的问题,从中找出价值,这是大价值。问题还没有出现,就把它避免掉了,这是大价值。


下面我们来看怎么做大价值。1984-1987年我在通用汽车机器人自动化生产线工作,MAP (Manufacturing Automation Protocol) 相当于今天的IoT。另外 87年的时候通用也投资了休斯卫星,92年安吉星研发出来。安吉星做了全球第一个工业物联网的前身 – 汽车里面所有的传感器直接跟人工打通连在一起。汽车出车祸,它马上就知道,你不回话,他马上派救护车和公安人员到现场,这是在1992年就实现了的安吉星。1998-2000年我在美国联合技术公司(UTRC) 担任研发总监时,奥的斯电梯是我们属下的单位。我们可以从电梯的使用情况知道哪个电梯明天会有故障,那是在1997年。1999年,GE医疗的磁共振超波能够在问题还未发生之前或者问题发生之后能进行快速诊断并派人过去维护,减少设备故障率与人员费用。在1990年的时候,GE医疗的磁共振设备在医院里面使用,有很多的问题,医生发现设备出现了问题就会打电话报修,那时一周平均有一千个电话报修,只有41%是不用过去就可以解决的;99年时,能做到还没有派人去之前就知道什么零部件要换了,甚至很多问题可以通过远程进行诊断,只有25%的问题必须要派人过去,这样节省了70%的不必要人力,这是一个简单的大问题。到2004年的时候,开始从医疗端的数据,即产品的数据转到了病人的数据,这时候才是真正的工业大数据的开始。比如做分子医学,可以用显影剂找到身体可能发病的地方,这才是最有价值的部分。再比如飞机,对于发动机里面所有的部件,能够预先知道哪里可能会发生什么问题。


2001年IMS中心成立时,我们的想法是怎么把前半生的大问题变成后半生的大价值。把传感器的数据和历史数据抓进来,做了细致深入的分析,这才把大数据的精髓发挥出来。找出了隐性的问题,即还未发生的问题,我们去解决甚至避免,并且创造价值。这就是工业大数据的后半生。


我们做过的项目很多,包括John Deere、GE发动机、阿尔斯通高铁、固特异轮胎、Intel、宝洁等。是从前半生开始做,先解决大问题 – 智能维护,到后半生做智能预测,最后做到无忧系统与大价值。无忧系统是未来任何系统都需要的,比如无忧驾驶、无忧工厂。


那么无忧该怎么做?先讲Intel半导体。现在中国正在盖26个8寸晶圆和12寸晶圆厂,是中国下一波经济来源和增长点。建一个厂大概需要20亿到45亿美金。晶圆厂里面用人的机会很少,人只需做一些简单的事情,是真正的自动化,所以里面的数据最值钱。英特尔在2000年的时候找到我合作,希望对数据进行分析和预测。因为这些装备很贵,他们希望能够提前预测装备什么时候发生故障,以及跟质量、速度等的相关性。2000年时这就是我们IMS的重点,将预测性和预防性做到很高端的半导体装备上面。今天中国半导体正在崛起,很多高端装备零部件是靠纳米线,中国现在是十几个纳米,美国现在是五个纳米、三个纳米。


下一个案例是宝洁。宝洁公司的尿布产品生产线设备经常停机。如果想要这个生产线减少停机,提高使用率,就需要用预测模型来预测。我们那时候跟宝洁的尿布生产线合作可以做到不停机,一直生产。帮助宝洁一年节省了4.5亿美金的不必要浪费,这是宝洁的统计数据。这种高效的投入产出比,就是从大问题到大价值的转变。


2005-2007年小松跟我们合作,也是做到预测哪个零部件会坏掉,然后优化工地的建设。现在小松在全世界的项目都可以用大数据先扫描,建立工地的基础模型,然后分工合作,给挖掘机分派指标。这是大价值,不是卖挖掘机,而是卖工地的管理服务,价值很高。



这是今天讲到的煎蛋模型,从大问题导向到大价值导向。蛋黄是大问题,蛋白是大价值。我们讲大数据是从大问题开始,但它绝对不是目的,要做到大价值,发挥最好的作用,从问题到数据到经验。经验可以传承,但无法长久传承;而数据可以传承,因为它有逻辑性。最后再把价值做好,把经验变成事实。下一个经济的竞争,是在evidence-based economy, 不是我们现在讲的social network, 或experience-based economy,像我们消费的小确幸感受,这是experience,这不是工业大数据。工业大数据是evidence – 什么时候坏、什么时候避免、什么时候没有问题,最好都没有忧虑。工业大数据要的是聚焦,是收敛的。而传统的大数据是发散的,谁是客户,定向推送广告,这些都是机会导向,不是精密性的价值导向。GE发动机通过远程监控省油,省掉1%的油钱,十五年下来节省一大笔成本,那这就叫蛋白。中船的案例中,船舶是蛋黄,针对每条船运行时的天气、海浪、风等参数建模,形成海浪跟耗油的关系模型,根据分析的结果来优化航线和速度,能够节省5%的油钱。



接下来讲一下人工智能。有四个技术,DT数据处理技术、PT平台接口技术、AT分析软件技术、OT运营技术,是四个不同的操作层面。工业大数据有三大特点:分裂性、低质性、背景性,这三点也是工业数据的基础。所以DT数据处理技术去解决这些问题是很重要的,但是运用DT技术时需要一些背景资料,需要懂发动机、电子制造等领域知识才能做得下去;AT分析技术需要用到计算机科学与人工智能方面等计算技术;PT平台技术产生知识之后可以分享,也要反馈到运营层面OT。我们要用人工智能加强工业大数据,因为工业大数据里面的数据背景很难去鉴别。比如风机在动,风速在变,空气湿度在变,叶片到冬季会结冰,这些人看不到,机器也不知道,需要通过风速和发电的参数,建立集群,慢慢建立起相关性,把分类、分割、分解、分析、分享、分忧这六个步骤实现出来。



未来这些方法都可以用,用哪个速度?用在精密性、用在复杂性、用在不确定性,用在速度性的工具不完全一样,所以不能简单地用工具解决。另外这些工具会与嵌入式结合成为趋势,英特尔在跟我们合作,要做一些嵌入式技术,把所有智能软件放在机器里面,放到边缘端甚至云端。这里面我可以把以经验为主的数据集合在FPGA,包括GPU, TPU框架里等等。



未来智能化一定需要互相分享,这就是我接下来要讲的 – 用CPS(信息-物理系统)做记忆管理。所有物理系统都要能够把数据的关系建立起来,这是人工做不到的。就比如微信连接每一个人,一个人再聪明,但是三个臭皮匠胜一个诸葛亮,联网之后智能就更高。把Resource数据的来源、Relationship数据的关系、Reference数据的意义整合在一起,这时候智能化会更高,所以说社会的基础来源于人的智慧。


未来中车能够实现一套智能的轨道交通系统。比如协和号在动的时候,每一个零部件自己可以感受到衰退、变化、轴承有问题,实时可以看到这些动态问题,芯片可以算出来是什么问题,可以把每一节车厢拉出来比较,看哪个车厢最差。整体有2000多列的列车,乘以8节,总共2万多节的车厢,每一节车厢都可以实现以上这些能力。一带一路出去之后,中车可以做蛋黄,也可以做蛋白,这就是未来的CPS。


最后我想做一个结论,我们过去前十年走的前半生是把传统的“大问题”变成可以预测问题并解决,后面十年把大问题变成“大的价值”。把无忧系统变成引导未来的技术,具备自维护性、免疫性、强韧性,这是未来十年工业大数据要走的路线。挑战虽然很高,但我很希望我们每个学大数据的人能够把精力放在工业上面,工业是任何强国的基础,也是世界财富的来源。比如在医院急诊室实现CPS,避免出现病人意外死亡,救人一命胜造七级浮屠,同时也是功德。



最后,CPS带出来的人工智能是超越机器的人工智能,因为它更有传承性。《工业大数据》、《从大数据到智能制造》、《CPS新一代工业智能》、《云上工业智能》这四本书给大家作为参考,我今天跟大家分享到这里。谢谢!



人工智能赛博物理操作系统

AI-CPS OS

人工智能赛博物理操作系统(新一代技术+商业操作系统“AI-CPS OS”:云计算+大数据+物联网+区块链+人工智能)分支用来的今天,企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中,利用AI-CPS OS形成数字化+智能化力量,实现行业的重新布局、企业的重新构建和自我的焕然新生。


AI-CPS OS的真正价值并不来自构成技术或功能,而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化,这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合,没有颠覆现状的意愿,这些将不可能实现。


领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量,领导者必须在行业、企业与个人这三个层面都保持领先地位:

  1. 重新行业布局:你的世界观要怎样改变才算足够?你必须对行业典范进行怎样的反思?

  2. 重新构建企业:你的企业需要做出什么样的变化?你准备如何重新定义你的公司?

  3. 重新打造自己:你需要成为怎样的人?要重塑自己并在数字化+智能化时代保有领先地位,你必须如何去做?

AI-CPS OS是数字化智能化创新平台,设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端,可以帮助企业将创新成果融入自身业务体系,实现各个前沿技术在云端的优势协同。AI-CPS OS形成的字化+智能化力量与行业、企业及个人三个层面的交叉,形成了领导力模式,使数字化融入到领导者所在企业与领导方式的核心位置:

  1. 精细种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切,进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。

  2. 智能:模型随着时间(数据)的变化而变化,整个系统就具备了智能(自学习)的能力。

  3. 高效:企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力,这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。

  4. 不确定性:数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验,其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域:技术、文化、制度。

  5. 边界模糊:数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化,还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长:

  1. 创造虚拟劳动力,承担需要适应性和敏捷性的复杂任务,即“智能自动化”,以区别于传统的自动化解决方案;

  2. 对现有劳动力和实物资产进行有利的补充和提升,提高资本效率

  3. 人工智能的普及,将推动多行业的相关创新,开辟崭新的经济增长空间


给决策制定者和商业领袖的建议:

  1. 超越自动化,开启新创新模式:利用具有自主学习和自我控制能力的动态机器智能,为企业创造新商机;

  2. 迎接新一代信息技术,迎接人工智能:无缝整合人类智慧与机器智能,重新

    评估未来的知识和技能类型;

  3. 制定道德规范:切实为人工智能生态系统制定道德准则,并在智能机器的开

    发过程中确定更加明晰的标准和最佳实践;

  4. 重视再分配效应:对人工智能可能带来的冲击做好准备,制定战略帮助面临

    较高失业风险的人群;

  5. 开发数字化+智能化企业所需新能力:员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说,创造兼具包容性和多样性的文化也非常重要。


子曰:“君子和而不同,小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和 人工智能,像君子一般融合,一起体现科技就是生产力。


如果说上一次哥伦布地理大发现,拓展的是人类的物理空间。那么这一次地理大发现,拓展的就是人们的数字空间。在数学空间,建立新的商业文明,从而发现新的创富模式,为人类社会带来新的财富空间。云计算,大数据、物联网和区块链,是进入这个数字空间的船,而人工智能就是那船上的帆,哥伦布之帆!


新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力,将进一步释放历次科技革命和产业变革积蓄的巨大能量,并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节,形成从宏观到微观各领域的智能化新需求,催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革,深刻改变人类生产生活方式和思维模式,实现社会生产力的整体跃升。





产业智能官  AI-CPS



用“人工智能赛博物理操作系统新一代技术+商业操作系统“AI-CPS OS”:云计算+大数据+物联网+区块链+人工智能)在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能;实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链






长按上方二维码关注微信公众号: AI-CPS,更多信息回复:


新技术:“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”;新产业:“智能制造”、“智能农业”、“智能金融”、“智能零售”、“智能城市”、“智能驾驶”;新模式:“财富空间”、“特色小镇”、“赛博物理”、“供应链金融”


点击“阅读原文”,访问AI-CPS OS官网



本文系“产业智能官”(公众号ID:AI-CPS)收集整理,转载请注明出处!



版权声明产业智能官(公众号ID:AI-CPS推荐的文章,除非确实无法确认,我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题,烦请原作者联系我们,与您共同协商解决。联系、投稿邮箱:erp_vip@hotmail.com







2017-03-06 08:57:39 alex3714 阅读数 190
mysql数据库基础—4183人已学习
课程介绍    
201703031758132448.jpg
    数据库(database,DB)是指长期存储在计算机内的,有组织,可共享的数据的集合。 数据库管理系统是一种操纵和管理数据库的大型软件,用于建立、使用和维护数据库,简称DBMS。它对数据库进行统一的管理和控制,以保证数据库的安全性和完整性。mysql就是我们主要学习的DBMS。 课程主要包括SQL语句,即对数据库,表以及记录的增删改查,数据库的索引,完整性约束以及事务等概念。
课程收益
    能够熟练掌握sql语句,对查询中的分组,聚合函数,关联查询等能熟练应用。
讲师介绍
    李杰更多讲师课程
    TriAquae开源运维软件创始人,混迹IT运维领域多年,曾就职于松下、国政通、飞信、中金、NOKIA等公司,维护过少至几十台,多至数万台设备的IT系统,致力于提高企业运维自动化水平,坚信一人管理一万台设备是可以达到的目标,坚信不会开发的运维工程师应该下岗。自称业余政治观察员,屌丝愤青,热爱旅游、美剧。现任职于某美资金融软件公司,兼任老男孩PYTHON开发讲师
课程大纲
    1.MySQL内容概要  5:08
    2.数据库管理系统是什么鬼?  22:31
    3.MySQL安装  26:05
    4.SQL语句初体验  23:42
    5.MySQL用户管理以及授权管理  35:59
    6.以上内容梳理  7:22
    7.SQL语句基本操作  18:59
    8.QL语句之创建表  40:01
    9.SQL语句之外键(一)  26:34
    10.SQL语句之外键(二)  4:35
    11.SQL语句之外键(三)  0:44
    12.SQL语句之修改表结构  5:42
    13.MySQL基本数据类型  31:19
    14.MySQL基本数据类型之枚举和集合  11:56
    15.SQL语句之基本增删改查  22:14
    16.SQL语句之条件、分页以及排序  15:43
    17.SQL语句之分组  15:49
    18.SQL语句之连表操作  23:19
    19.今日内容梳理  7:20
    20.上节内容回顾  16:16
    21.今日内容概要  2:36
    22.Navicat基本使用  24:51
    23.工作中开发者和DBA的职责  16:34
    24.SQL测试题之表结构  9:07
    25.SQL测试题之三表连表操作  5:24
    26.导入导出SQL结构和数据  16:54
    27.SQL测试题讲解(一)  20:52
    28.SQL测试题讲解(二)  19:13
    29.SQL测试题讲解(三)  16:11
    30.SQL测试题讲解(三)未完待续  51:14
    31.pip的使用  14:01
    32.pymysql之基本插入数据  9:51
    33.pymysql之增删改查  28:17
    34.pymysql之SQL注入以及其他  19:56
    35.今日内容梳理  4:37
    36.MySQL内容回顾  22:57
    37.MySQL测试题(一)  31:05
    38.MySQL测试题(二)  32:26
    39.MySQL测试题(三)  01:02:33
    40.MySQL测试题(四)  1:17
大家可以点击【查看详情】查看我的课程
2017-03-23 15:27:15 pengpengjy 阅读数 1174

1、工业4.0价值创造煎蛋模型

(6M+6C)


价值的体现主要是在“”“蛋白”,以苹果手机为例,价值的主要来源是为苹果手机配套的服务,如iTunes,Siri,APP Store等等。


来自:李杰(Jay Lee) 工业大数据

2017-03-06 13:26:32 alex3714 阅读数 46
MySQL数据库—4407人已学习
课程介绍    
png
    本课程为你讲解mySQL功能。 学完了基本的SQL语句,在数据库开发中还会用到数据库系统提供的功能,实现数据完整性的机制,在SQL语句使用自定义函数展现数据,使用视图隐含底层数据的复杂性,使用存储过程优化查询,使用触发器实现复杂业务逻辑,使用索引优化查询,在SQL语句中使用事务实现数据完整性。
课程收益
    掌握数据库高级技术,在数据库中创建索引优化查询,创建和使用函数展现数据,创建和使用存储过程,使用触发器实现复杂业务逻辑,使用事务实现数据一致性,使用视图查询数据。
讲师介绍
    李杰更多讲师课程
    TriAquae开源运维软件创始人,混迹IT运维领域多年,曾就职于松下、国政通、飞信、中金、NOKIA等公司,维护过少至几十台,多至数万台设备的IT系统,致力于提高企业运维自动化水平,坚信一人管理一万台设备是可以达到的目标,坚信不会开发的运维工程师应该下岗。自称业余政治观察员,屌丝愤青,热爱旅游、美剧。现任职于某美资金融软件公司,兼任老男孩PYTHON开发讲师
课程大纲
    1.权限管理系统作业表结果设计(一)  16:51
    2.权限管理系统作业表结果设计(二)  12:15
    3.权限管理系统作业表结果设计(三)  16:56
    4.权限管理系统作业基于反射调用方法  20:37
    5.权限管理系统作业动态导入模块  4:24
    6.权限管理系统作业示例代码讲解(一)  14:48
    7.权限管理系统作业示例代码讲解(二)  40:00
    8.权限管理系统作业示例代码讲解(三)  14:31
    9.今日内容概要以及视图  22:19
    10.存储过程(一)  20:23
    11.存储过程(二)  56:47
    12.存储过程(三)以及其他  25:07
    13.触发器  32:53
    14.今日内容回顾  12:18
    15.上节内容概要以及事务  16:36
    16.MySQL内置函数  37:21
    17.MySQL自定义函数(一)  8:47
    18.MySQL自定义函数(二)  2:58
    19.MySQL索引介绍(一)  33:03
    20.MySQL索引介绍(二)  5:24
    21.MySQL索引种类的创建以及介绍  21:34
    22.MySQL覆盖索引以及合并索引  23:30
    23.MySQL执行计划(一)  15:05
    24.MySQL执行计划(二)  14:27
    25.MySQL坑爹的索引(一)  19:51
    26.MySQL坑爹的索引(二)  17:57
    27.MySQL分页(一)  9:58
    28.MySQL分页(二)  10:51
    29.MySQL分页(三)  23:02
    30.MySQL慢SQL记录  19:12
    31.今日内容概要  7:12
大家可以点击【查看详情】查看我的课程
2019-05-03 15:34:36 czyt1988 阅读数 159

数据驱动智联制造

2019年4月18号,在上海交大举行了主题名为数据驱动 智联制造的主题论坛,此次论坛的主办单位为上海交通大学,在此论坛上,成立了上海交大工业大数据联合创新实验室。有幸代表公司参与了此次论坛,并聆听了业内大佬的演讲和讨论,本次论坛邀请了现任富士康工业互联网副董事长李杰教授、中国工程物理研究院总工程师,工程院院士徐志磊院士等多方大牛,对大数据在工业界的应用进行了探讨。

会场图片

先说感想

此次大会给我的感受总结为以下几点:

  • 工业大数据的发展思路要向服务化转变
  • 工业大数据能否给企业带来足够的利润是关键
  • 制造业向服务化转型,工业大数据是桥梁
  • 服务化是工业界以及学术界前沿主流思想,制造业不应只想着如何制造,而是要想如何服务

新一代工业互联网及工业人工智能

本次论坛给我印象最深的汇报时李杰教授主题为新一代工业互联网及工业人工智能的汇报
李杰教授的汇报主题:新一代工业互联网及工业人工智能

工业互联网模式

李杰教授总结了当今工业互联网的三种模式:

  • 互联网加模式(Internet+XYZ)
  • 工业互联网化模式(Industry+Internet)
  • 人工智能,大数据+云技术赋能模式(ABC+XYZ)

这三种模式不同场合有不同应用,不能说谁好谁坏,但都有一个共同点:互联网+大数据

工业互联网价值

工业互联网大数据肯定而且是必须值得做的,从表层上看,可以解决一些看得见的问题,如很多工业监控故障诊断,这些都可归结为看得见的东西,工业大数据真正的潜能是另外三个方面:

  • 利用新知识做加值的改善
  • 创造新方法与技术解决未知问题
  • 利用智能信息创造新知识

总结一下,就是发现新知与利用新知
工业智能转型战略

工业大数据的特性总结(–李杰)

大数据这个概念已经兴起了那么多年,工业大数据这个概念也提出了挺久,那么回过头来看并总结,工业大数据的特点到底是什么呢,总结出来就是3B特性:

  • 数据分裂性(Broken Data)
  • 数据优劣性(Bad Data)
  • 数据的背景性(Backgroud Data)

关于工业大数据的特性,后面徐院士也有总结,且略微有出入

李杰教授后续还介绍了一些关于工业人工智能的情况,同时介绍了富士康的应用例子,其中富士康的关灯工厂的确是一种非常强的数据把控能力的展示(工厂不开灯,全黑暗环境运作,完全无人干扰,也不需要人为盯着)

计算工程科学与大数据

本次论坛另一位重量级人物就是徐志磊院士,他发表了题为计算工程科学与大数据的演讲
徐院士已经89岁高龄,他负责或参与了第一颗原子弹、氢弹的关键技术的攻关,对国家做出过无比卓越的贡献,也是见证了中国乃至世界工业的发展与变迁,虽然89岁高龄,但其思想却是走在时代的前列,非常让人钦佩。
徐志磊院士,他发表了题为计算工程科学与大数据的演讲

Cyber

在前面的李杰教授还是到徐院士,以及本论坛的后续报告,都提到了一个叫赛博科学(Cyber Science and Engineering)的名词,目前这个还没有官方的中文名称,大多叫赛博也有叫赛伯的

将科学、工程、计算科学、计算和应用数学整合在一起,使用CI(Cyber Infrastructure,译作信息基础设施或信息基础架构)协同的创新技术

CI的目标是利用网络技术将地理上位置不同的计算设施、存储设备、仪器仪表等集成在一起,建立面向网络服务的通用基础支撑环境,实现Internet上计算资源、数据资源和服务资源的有效聚合和广泛共享,从而建立一个能够实现区域或全球合作或协作的虚拟科研和实验环境,支持以大规模计算和数据处理为特征的科学活动。

CI的观点是在2002年美国国家科学基金会(National Science Foundation)发表的由9位科学家提出的研究报告《通过Cyberinfrastructure促进科学和工程的革命(Revolutionizing Science and Engineering through Cyberinfrastructure)》提出的。

从目前行业的发展趋势上看,整个工业界的发展,越来越趋向于当时定义赛博科学(Cyber Science and Engineering)的情形。

工业大数据的特性总结(–徐志磊)

徐院士也对工业大数据进行了一个总结:

  • 工业大数据样本全面性
  • 工业大数据数据混杂性
  • 工业大数据数据相关关系
  • 工业大数据的机器学习性
    徐院士总结的工业大数据特点
    和之前李杰教授的总结略有不同,我都认同他们的观点,但由于各自面对的数据领域不一致,因此,各自的总结也会有所不同,通过两个业界大神的总结后,我个人也有对工业大数据的特点也有一点想法,后面将讲讲我的感受。

对未来大数据更深层次的思考

徐院士后面把整个数据科学上升到更深层次的思考,就是网络和大数据重新定义了人们的认知和知识,举个例子,假如未来大数据和人工智能足够精确和应用足够广泛,个人的所有数据都可以被收集并进行训练,哪天你要和某人结婚,结果大数据告诉你,你和他/她结婚未来不会幸福,因为根据大数据分析统计,两者性格的结合有高概率不幸福和离婚,那么你会怎么选择。
假如未来都被数据支配,人的行为意识可能会被潜移默化的引导及改变,甚至渐渐失去了自我,这的确是一件细思极恐的事情。

在这里插入图片描述

关于制造业服务化转型

上海交大的明新国教授一直是制造业服务化转型的倡导者和架构师,本次论坛也是由明老师牵头主办。
在这里插入图片描述
本次论坛主题一直围绕着服务化展开,尤其是针对智朝业的服务化,一直是人为解决制造业困局的关键

在这里插入图片描述
明老师总结的服务转型路径:
在这里插入图片描述

关于工业大数据的特点的思考

此次论坛很多学者都总结了大数据的特点,其中李杰教授以及徐院士都对其进行了剖析,结合各个学者的总结,我认为工业大数据应该是由一下特点的:

  • 工业数据要求样本全面的数据

    我认为,工业数据不像互联网数据,互联网数据是从杂乱中找到关系,工业数据是从结构中找到新知,由于工程以及物理上的一些特性某些变量(如温度压力这些参数)是缺一不可的。
    这点就是徐院士提到的样本全面性

  • 工业大数据的容错性低

    这点李杰教授和徐院士都有提及,就是数据优劣性(Bad Data)以及工业大数据数据混杂性,我认为就是数据的容错性低,机器数据是1就是1,一旦出错将导致分析结果的偏移变大,因此它的容错性低

  • 工业大数据的关联性强规律性明显

    工业数据的特点,是有很强的关联性的,受物理规律的影响,某些参数高必定就导致某些参数低,强关联性可以为算法的准确性提供佐证,但也会应为其导致发现新知的难度加大

  • 工业大数据的时序性

    工业大数据大部分都是有时序性的,因为机器时按照程序去执行,产线是按步骤运行,所以数据或多或少都会带有时序性,正是因为有时序性,才要求工业大数据的低容错性

没有更多推荐了,返回首页