现身说法 | 解密工业智能研发新模式-天泽智云-新闻中心-中国工控网

    <label id="acedf"><col id="acedf"></col></label>

      1. 新闻中心

        当前页面: 首页 >新闻中心 >业界动态 >现身说法 | 解密工业智能研发新模式

        现身说法 | 解密工业智能研发新模式

        供稿:北京天泽智云科技有限公司 2019/3/29 13:07:41
        0 人气:--

        人工智能的通用实现思路,是基于数据挖掘价值,通过模型传递价值。这在工业场景的落地过程中,存在诸多挑战。

        其一,客户不买账。模型本身不是产品,也无法直接创造价值,这与企业现行的管理体系、现用软件的逻辑有着天差地别,企业很难理解并相信。第二,模型不准确。在工业场景中,普遍存在数据质量差、缺乏标签等问题,使得初期的模型很难达到好的效果。客户不信任、模型不靠谱,结果就是模型得不到使用和积累,造成了模型无法迭代优化的恶性循环。

        而工业智能落地的核心,需要将快速见效和持续优化相结合。这通过泛在的大数据及人工智能技术很难实现。

        天泽智云通过近年积累的项目经验,梳理了工业智能的最佳实践路径。从工业场景及企业痛点出发,融合工业领域知识、智能建模技术及计算机科学,衍生出DT、AT、PT、OT四大支撑技术。并基于此开发四大核心产品,纵向打通数据采集、边缘计算、分析建模,到工业应用的闭环,快速、流程化、标准化、系统性地为客户交付可持续传承的工业智能解决方案,实现客户价值。

        这之中包含4个产品:

        • EdgePro,工业物联网与边缘智能软件

        • GenPro,工业智能分析与建模工具

        • CyberRepository,工业智能模型生命周期管理协作系统

        • CyberSphere,企业级算法模型执行引擎

        工业智能产品矩阵与IAI DevOps理念构成了天泽智云的工业智能应用研发平台。

        ——天泽智云技术研发副总裁 金超博士


        如何使用这套研发平台

        加速工业智能的落地

        观察员小郭带领客户来到峰会

        和“无忧机床”项目组现身说法

        生动呈现工业智能研发新模式

        观察员:产品经理-小郭

        OT:富士康项目总监-武哥

        DT:边缘计算工程师-芳哥

        AT:首席数据科学家-学姐

        AT:算法工程师-男哥

        PT:软件工程师-小明

        OT-武哥:

        富士康打造灯塔工厂的目标可以用3W来概括,即Waste Reduction(节能)、Work Reduction(减劳)、Worry Reduction(无忧)。其核心不是无人,而是要通过工业智能做到无忧。

        举个例子,模具加工过程中,刀具磨耗程度是影响模具成品质量的关键因素,但其磨损状态不透明,现场工人无法掌握最佳换刀时间,以至于经常发生换刀过早或过晚的情况,造成刀具浪费和产品缺陷的问题。

        我们之前做了很多尝试,但是落地难度太大。然而与天泽智云合作之后,短短4个月就开发出了一个刀具剩余寿命预测的工业智能App,并在2个厂区试点无忧机床系统上线,取得了很好的效果。

        这次峰会,很想请你们讲讲背后的技术和研发过程,给我好好做个“解密”。

        观察员-小郭:

        没问题,就让我们一同走进工业智能DevOps研发新模式的解密之旅。

        首先来了解一下系统的架构,这一套系统包含了5个关键环节,对应着李杰教授CPS系统的5C框架。

        DT:数据采集

        观察员-小郭:

        搭建系统的第一步是采集关键有效的数据。芳哥,给我们介绍一下,根据当时算法科学家建模的需求和现场的情况,我们的数采遇到了哪些挑战?

        DT-芳哥:

        关于机床刀具剩余寿命预测问题,数据科学家需要两种不同类型的设备数据。

        振动数据采集的挑战在于它的采样率要求很高;低频机床状态数据采集难度在于不易解析机床控制器的通信协议;最后,还有一个难点在于高低频数据在时间轴上的同步。

        观察员-小郭:

        这三个挑战如何解决?

        DT-芳哥:

        对比之下我们使用了天泽智云自主研发边缘智能硬件iEC-1001来采集这些不同类型的数据。

        iEC-1001具备4个高速动态信号采集通道可集成常见传感器,包括振动、声音、转速计或电流等,无缝实现高频信号采集。

        同时内置高性能嵌入式处理器,可部署常见的工业协议,在一体化硬件中实现对高低频数据的混合信号采集,轻松完成数据同步。

        观察员-小郭:

        当时要采集的机床有几十台品类、规格,我们如何加速数采硬件的安装调试,实现数据又准又快地接入呢?

        DT-芳哥:

        这就要依靠我们边缘层的核心工具-工业物联网与边缘智能软件EdgePro。

        有了EdgePro的加持,就可快速实现规模化智能硬件的配置和数据接入。

        OT-武哥:

        这样的高频数据上云开始只有一两台设备时还好,但是如果一个厂区平均有500台机床的话,我们现场的网络带宽就很难承载了,要改造网络成本又很大。这个问题如何解决?

        DT-芳哥:

        当时我们就应用了边缘计算技术,在边缘端完成数据预处理和特征提取,只将少量有效特征数据传输上云,再在云上进行AI模型训练和执行。这个功能iEC-1001也能支持。

        经验证,采用该系统后数据总量从之前的600MB/s缩减为10MB/s,降低60倍。

        这套系统方案也可扩展到上千台机床的工厂,同样能有效降低对工业现场网络带宽的需求。

        AT:算法建模  

        观察员-小郭:

        完成关键有效数据采集之后,下一步进入算法建模。工业场景建模需要同时具备机理和算法知识,面临着行业门槛高等挑战。下面请学姐分享一下,在这个项目中模型如何又快又好地完成交付?

        AT-学姐:

        你说得很对,专业性强是工业智能建模的难点,比如在“无忧刀具”这个项目中,就涉及到振动信号预处理、故障特征提取、机器学习建模等多个环节,需要不同领域的知识和经验。

        我们的做法是将整个建模问题解耦,形成尽可能独立的任务,并交由专业人员处理。我作为数据科学家,任务是定义这些子问题和设计解决问题的整体框架。

        观察员-小郭:

        这种模型研发方式听起来是一种非常不错的思路,但是在项目中如何落地?

        AT-学姐:

        这就需要提到我们自主研发的GenPro了,它是一个专门面向工业场景的数据分析和建模工具,我们整个算法研发都是基于它来实现。

        GenPro不仅可以包含基础的统计分析、机器学习算法,同时内置非常丰富的行业算子,这些算子由天泽智云的数据科学家们结合IMS 中心的实践经验沉淀而成,是工业智能建模的一把利器。

        比如在“无忧刀具”这个项目中包括针对振动信号的故障特征提取算子、自动工况分割的算子、处理复杂环境下的信号降噪算子等。

        基于GenPro这些行业算子,算法工程师可以站在更高的起点上:他们无需特别深入掌握跨学科技术,而是可直接采用“拖拉拽”的方式,快速完成建模。

        观察员-小郭:

        GenPro具体如何使用?

        AT-男哥:

        我来简单介绍一下:我在GenPro中的建模并不是从零开始,而是可以基于之前建好的行业模版库快速建模。比如搜索“机加工行业刀具剩余寿命预测”,打开后即可看到完整的模型流程,包含数据读取、数据预处理、特征提取、模型训练、调优、验证等全部建模环节。接下来,我可以直接配置EdgePro数据库信息,读取模型训练所用的数据。再基于刚才提到的行业算子提取稳态切削工况、自动筛选趋势性故障特征。最后执行流程就可以查看结果、快速完成模型的开发和验证。

        要是在以前,开发一个初版的模型算法至少需要个2个工程师耗时3个月的时间。现在基于GenPro只需2周即可完成模型的原型化和初步验证,而且算法团队不同角色之间的协作也变得更加规范了。

        PT:模型上线  

        观察员-小郭:

        从建好模型到它能上线提供服务,还需要做哪些工作?

        AT-男哥:

        以前,模型从建好到上线还需要单独开发很多软件模块,如算法数据服务、算法执行管理、运行时等,这就要软件团队花费几周甚至更长的时间来支持。

        为了解决这个问题,天泽智云研发了CyberSphere作为工业智能算法模型标准的运行环境,可部署多种主流算法语言开发的智能算法模型。只需一个算法工程师花费几小时即可完成上线 ,实现算法的即交付即使用。

        OT-武哥:

        CyberSphere性能能否支撑起整个工厂设备的数据分析?以及安全性怎样?

        PT-小明:

        完全没有问题,因为CyberSphere采用了高性能、分布式的微服务架构体系,可以轻易地进行资源扩展,模型结果的实时性也不会受到任何影响。

        去年CyberSphere曾成功支持数百台设备的1500多个模型的并行运算,自部署以来运行得非常稳定。

        在安全性方面CyberSphere做了很多增强,如对算法代码进行混淆、加密,模型文件进行验签、防篡改校验;容器化运行模型;基于用户角色权限的数据隔离机制;用户操作日志等。

        AT:模型全生命周期管理  

        OT-武哥:

        模型上线以后,如果以后刀具的规格、加工模具发生变化,之前的模型是否还能发挥作用?

        AT-男哥:

        模型上线到CyberSphere平台中之后,我们就可以对其运行指标进行监控,如耗时、故障检出率、预测误差等,并可以迅速排查模型的异常指标,确保模型上线后的风险可被管理。

        针对算法模型经常出现的两类问题,我们也设计了一套模型自学习框架,来保障模型结果的持续准确和稳定。

        第一种是模型偏差比较严重,这个往往是因为初期算法设计的泛化性能不足,可能需要系统性的升级模型流程,这种情况就会交给我们的算法团队在GenPro中重新去修正模型。

        另一种情况是外部状态发生变化,如更换了尺寸不同的刀具,此时的模型流程是无需修改的,只需在CyberSphere中重新训练模型,优化参数,这种情况客户现场的操作人员自己就能够完成。

        OT-武哥:

        这套系统中的模型是很好的知识资产,未来我们也想在其他工厂复用,如何对其进行集中管理?

        AT-学姐:

        模型资产是工业智能App研发的基石,在项目实施的过程中,我们开发的算法都被管理在工业智能模型资产管理库CyberRepository中。

        小到一个行业算法组件,大到整个建模流程,它们每一次的版本更新迭代都可以通过CyberRepository进行追溯。

        此外,当其他类似场景需要复用这些模型时,可基于模型仓库中的资产快速建模,加速价值落地。从更高的层面来看,CyberRepository也将改变工业资产沉淀、使用、分享、传承知识的方式。

        OT:现场效果  

        观察员-小郭:

        感谢大家的解惑和分享,到这里无忧机床智能APP的开发过程就介绍完了。这套刀具剩余寿命预测系统的效果如何呢?

        OT-武哥:

        刀具剩余寿命预测系统,经过几个月的实践取得了杰出的效果,感谢天泽智云团队的支持!

        观察员-小郭:

        有了这些工业智能研发“神器”,工业智能应用的研发效率可以被加快,技能门槛也可以被降低,知识也可以被持续地传承。除了机加工外,天泽智云的工业智能应用研发平台已经在风电、钢铁、电子制造、轨交、焊接等领域落地。我们以“让工业无忧”为愿景,一路前行。

        审核编辑(刘婷)
        更多内容请访问 北京天泽智云科技有限公司(http://c.fskgwzz.com/?cid=56503)

        手机扫描二维码分享本页

        工控网APP下载安装

        工控速派APP下载安装

         

        我来评价

        评价:
        一般

        亿电竞 |亿电竞ti8 |亿电竞首页 | |手机版 | | 澳门皇家赌场|e77乐彩|手机彩票平台|易发彩票|亿电竞|亿电竞|