工業人工智能：解鎖未來五年的機遇

2018-12-19 14:13

本地化：WitSight的優勢

通用電氣和西門子已經分別創建了Predix和MindSphere等原始大數據云平臺，并在業界占據領先地位。相比之下，三一集團重要的WitSight提供了哪些核心功能和優勢？

在這里，行業專家引用了百度、谷歌、阿里巴巴、eBay公司的案例。他解釋說，“當國外公司和產品進入中國時，本地化應始終是他們首先想到的舉措。三一重工是中國創立的世界級企業，其新興的數字產業大數據云平臺也在國內發展成熟。上海華興公司的工業大數據云平臺的目的是管理三一重工自己的設備。該平臺的開發和實現以來進行了多次改進。自2010年以來的經驗，現在以更快的速度處理來自300，000個在線設備的數據，其計算結果的時間是百萬分之一秒。”

發展過程并不順利

在這種規模的工業大數據云平臺的情況下，最困難和最具挑戰性的部分是如何啟動這樣的項目。人工智能團隊在開發平臺架構時遇到了重大障礙。問題是創建一個架構，支持分散在世界各地的機器和設備上的傳感器的實時數據傳輸；WitSight數據分析平臺的數據傳輸，處理和分析；最后通過可視化為用戶靈活顯示數據。

設計整體架構需要付出很多努力。混合使用正確的工具、技術、軟件產品和流程有助于構建出色的架構。該公司還負責不斷重復測試和驗證。雖然數據傳輸和處理過程看似簡單，但實際上并不那么容易。WitSight中的數據傳輸、存儲和處理平臺必須包含各種軟件，包括Kafka、Cassandra、Spark、Hadoop分布式文件系統（HDFS）和MongoDB。

該平臺還必須集成devops等工具，以實現敏捷開發和服務交付。隨著WitSight平臺、風電場和EVIcloud應用的發展，上海華興公司構思并嘗試了各種解決方案，其中包括利用傳統虛擬機進行交付或請求公共云基礎設施即服務（IaaS）資源進行交付。但是，這些解決方案面臨以下問題：

（1）復雜的部署配置：需要單獨的部署和配置專家來構建每個軟件。

（2）每個虛擬機的使用僅適用于特定服務：同一虛擬機無法同時運行多個不同的應用程序，因為它無法提高資源的整體利用率。

（3）在高峰需求時申請新的IaaS資源：由于在虛擬機上持續部署軟件并降低效率，整個過程變得復雜。因此無法實現資源的全自動擴展。

（4）像Kafka、Cassandra、Spark、HDFS和MongoDB這樣的軟件架構本身很復雜：企業需要招聘更多熟練的軟件維護人員，以運行生產環境或培訓現有員工來管理相同的工作。這個過程提高了使用軟件的進入門檻，增加了復雜性和成本。

（5）開發人員和運營人員必須自己查閱信息或單獨聯系每個軟件的供應商以解決問題，而無需考慮該版本是開源還是企業，如Kafka、Cassandra、Spark、HDFS和MongoDB。由于此過程過于分散，因此無法快速解決問題或響應管理。

（6）網絡和數據安全缺乏保證：不能集中管理和保護網絡，不能同時備份和恢復平臺數據。

上海華興公司需要開發下一代云原生應用平臺，該平臺可以支持同一基礎設施上的各種不同任務負載，從而減輕所有上述挑戰。在仔細考慮支持WitSight上的各種應用程序、工具和任務之后，三一重工決定利用DC／OS（Mesos）作為底層平臺，從而解決上述挑戰。

未來五年將為大數據平臺的發展帶來最大的機遇

工業大數據云平臺在“萬物互聯”這個時代獲得了很大的關注。可能會面臨一些問題，例如它在推動工業發展方面的作用是什么？或者像WitSight這樣的平臺在“中國制造2025計劃”所推動下，將為中國未來增長做出什么樣的貢獻？

行業專家表示，“在過去的幾年里，萬物互聯或物聯網已經蓬勃發展。可穿戴設備和智能家居設備的出現標志著物聯網的發展。物聯網的英文首字母縮略詞是IoT，而工業物聯網（IIoT）指的是物聯網技術在工業中的應用。工業4．0的理念最早是在德國提出的，之后中國迅速提出了自己的“中國制造”2025計劃。

因此，可以看到，工業物聯網的發展既是工業的需要，也得到了國家層面的支持。此外，它還為未來增長開辟了方向。因此，工業大數據云平臺是極其有利的環境的產物。它適應了這個時代的工業需求，未來五年將為其發展提供最重要的機會。”

沒有創新就沒有進步。創新對工業企業的轉型至關重要。在公司層面，三一重工為其工業大數據云平臺制定了三年和五年計劃，以及一整套商業模式和發展戰略。然而，憑借其創新，三一重工多年來一直是國內挖掘機行業的第一大銷售公司，該公司也將能夠在行業內引領產業大數據云平臺的發展。

物聯網代表了新一代信息網絡技術的高度集成和全面應用。它是新一輪工業革命的重要方面，也是重建世界工業格局的重要推動力。工業物聯網將在未來呈現三種主要的演變趨勢：

（1）數據處理：設備連接變得更加多樣化。互連設備的類型和數量將呈指數級增長，這將對云計算資源造成很大壓力，因為生成的大量信息將在云上進行分析和計算。在未來，數據的初始處理和計算將越來越多地轉移到互聯網的“邊緣”——這就是所謂的“邊緣計算”。

（2）工業生態系統：如今，許多公司在物聯網領域隔離的專有平臺上工作，將與個人數據區分開。未來，每個工業設備生產商都將成為工業物聯網系統的成員，平臺和數據將被共享，從而形成集群效應和協調發展的新生態系統。

（3）關注不同的應用：工業物聯網不僅可以實現設備之間的交互。它還可以通過優化產品和維護與客戶的關系為公司服務。目前，工業物聯網不側重于設備資產，而是優化產品或維護客戶關系。隨后，工業物聯網將在收集產品和客戶信息方面發揮重要作用，該數據將用于增加產品的吸引力，并提高客戶滿意度。

當今和未來的工業人工智能

自從AlphaGo在圍棋比賽中擊敗世界冠軍以來，人工智能已進入人們的生活，并增加其在工業領域的存在。OpenAI機械手自主操作魔方的能力是人工智能的一種形式。同樣，裝配挖掘機和機器學習的機械臂也是人工智能的形式。

大家都知道機器學習＝數據＋特征＋建模。而在工業物聯網行業中，數據并不是一個大問題，因為有設備的地方就會有數據。但是，從該數據中提取特殊特征并基于它創建模型是工業物聯網中的挑戰。這是因為不同行業的特征和模型各不相同。因此，工業部門的更詳細分類和深入研究對于整個工業部門的人工智能的進一步發展是必不可少的。目前，人工智能在業界普遍水平的表現有三個方面。這些如下：

（1）應用數據的可視化分析：除了收集各種設備運行數據（如溫度、轉速、能耗狀態和生產率狀態）之外，人工智能還可以同時存儲數據進行二次分析，優化節約生產線能耗，提前識別操作偏差，并提供減少能源消耗的措施。

（2）機器自診斷：人工智能可以允許機器自己診斷問題發生的原因和位置，就像生產線突然發出故障警告一樣，同時規定檢查維修記錄或標準的步驟來解決問題。它甚至可以使機器修復問題并獨立恢復自己。

（3）預測性維護：人工智能可以使機器在發生問題之前通過分析來感知問題或預測問題。例如，挖掘機上的部件可能在使用一段時間后磨損，機器可以通過分析歷史操作數據預先知道零件的磨損時間，并安排更換零件的準備，以及安排更換維護。

工業人工智能的使用還包括：

（1）設備故障狀態的預測與分析。

（2）根據確定的參數進行挖掘工作。

（3）通過使用面部識別技術，并通過挖掘機上的攝像機分析操作員行為，為挖掘機操作人員提供安全提醒。

然而，工業人工智能和其他新技術一樣，在其早期階段將面臨各種困難和挑戰。

隨著人工智能在當今和未來變得越來越普遍，安全仍然是一項重大挑戰。例如，數據的安全性、設備安全性、人員安全是工業人工智能所面臨的最大挑戰。希望當“工業人工智能的三大法則”出現來解決這個問題時，這不是一個遙遠的夢想。

<上一頁 1 2