您的位置 > 首页 > 商业智能 > 工业人工智能与企业转型应用案例

工业人工智能与企业转型应用案例

来源:电子发烧友 | 2019-06-18 | 发布:新葡京官网


美国辛辛那提大学特聘教授、美国NSF智能维护系统中心/工业人工智能中心创始主任李杰上台演讲;

大家好,今天我想讲一些案例,因为我的一本新书《工业人工智能》马上要出版了,预计6月份会在上海宣布发布。今天我把这本还在修订的书带来了,主要给大家介绍为什么要重新定义工业人工智能,以及这和互联网有什么关系。我认为在工业互联网里尽管每个人都不一样,每个企业做法也不太一样,但是有一个关键点却相同,即一定要为客户解决其不能解决的问题,或者客户可以通过你达到目的从而得到价值。不管是卖鱼的、卖清酒的还是轮船高铁的经营者,其目的都是一样的。

1991年我进入美国NSF,大家都知道这家机构比较中立,做出来的东西全世界分享,完全公开。当时克林顿在任,官员的责任就是研究20年之后的事情,每天吃饭谈20年之后的事。1995年我被公司派到日本先进产业研究院,即日本的工研院,我带去日本的项目就是把互联网用在机器上面,这就是美国的第一个“互联网+”项目。那时候日本是利用卫星实现远程控制机器。当时我代表NSF进行发动机和电梯的远程控制研究,成果形成的论文也是唯一可以找到最早的文章。那时的速度建模一定与远程控制相关,至于为什么要建模,原因在于不可能只靠数据做决策,这明显不够。

后来1998-2000年我在美国做研发总监,2000年之后在智能维护中心担任了教授,这个中心拥有全世界100多个企业,而且还诞生了很多新的企业。我今天就讲中国的高铁和中船。

最近这几年我写第一本书的时候,也是从滴水湖这里开始写起的。2015年开会期间上海交大创办了先进产业研究院的工业大数据,我在会上讲完之后便决定将书写出来。这本书描绘的是2001年-2015年整合的案例,后面包括智能制造,云上的工业智能以及最新的工业人工智能都能在下个月看到。

今天讲工业互联网,按照历史来看基本上有以下几种转型做法:一是像互联网公司说我也可以加上一个应用,变成“互联网+”、“互联网+金融”、“互联网+零售”,我用人脸辨识看顾客购买了多少次,多少次不买,根据零部件的喜好来确定顾客信息。这些叫做工业互联网与智能转型模式,能够带动制造后面的过程,新制造、“工业+互联网”、汽车、钢铁、风电都是如此,他本来做产品的,有问题就加互联网,远程可以看到,就专门监控你,不行就关掉。质量+互联网,生产线连在一起,把整体质量问题找到,我就可以解决生产线的问题。这个成功率很高。还有就是AI大数据+云技术赋能模式,我也可以给你解决很多问题,只要给我题目,所以你就可以做赋能。



重点来看为什么要做互联网,这一定有原因,虽然人是一个事情的核心,但是人和物是自然的连接,人不能没有物。麦克风是演讲的目的,所以人和麦克风要互动才能产生价值,重点是麦克风不会告诉人要做什么,需要人有系统地管理物,比如说某某APP管理出行。我们可以利用AR、VR等技术进行远程的管理,但是当物加上传感,它就能以通知的方式管理人的观念。这说却对也不对,比如说汽车可以直接通知人在哪里,但是必须有一个系统管理它,告诉它人是什么东西,这个系统就是我们今天讲的工业人工智能。工业互联网是管理系统,而不是一个高大上的技术系统。工业互联网中,我们今天要做的一定是解决顾客最大的痛点,工业互联网公司要准备好看到最丑陋的一面,否则不要去做。这里面的数据的技术,包括分析的技术、平台技术、OT技术,这里面要做的东西都是很重要的。今天讲到DT,AT,PT,OT,这几个T现在谈得最多是PT。我是平台公司,你和我合作就可以解决问题了,这个是梦想和幻想。做平台的公司自己一定要已经成功,自己有一个平台,接着让问题得到解决,甚至两个不认识的人在平台上面解决问题。我们现在很多企业把平台当成阳台用,有什么东西都放平台上。云平台基本上是一个平台,有6个分享,分享存储,分享网络,分享计算机,这个是基本的功能。最重要的是分享资源,不是自己有一个东西专享,而是你用的东西别人可以用。还有分享服务,分享生态,这可以带动其他很多做生态的东西。机器出了问题,传感器公司、维修公司都可以在这里,数据在我这里,所以谁先拿到数据。数据是用户的而不是你的,所以这到底是谁的数据。这到底来讲就是今天互联网的战常很多公司说我要做云平台,要求别人给它们做出来。话不是这么说,因为用户和价值是在这里产生的,只是看别人愿意不愿意用你的。比如说一个设备,一个机器,数据出来了,我开车就可以马上利用车子里面的数据和GPS定位,路况信息都一清二楚。上海政府对此不清楚,因为没有实地考察过,但是我自己开车经过这些路,所以我知道。因此可以把车子产生的数据变成一个生态,这个数据生态从传感器出来,这个是知识生态,哪一个地方不好,哪个地方正在赛车等信息都知道,这就是服务生态。三个生态做成之后就变成自然生态,但是从哪一个开始则是随机的。就像轮胎振知道哪一个轮胎不好就从哪里调整一样,车子数据是你的,所以你可以做很多事,但是轮胎公司不知道。就看谁可以想到。

比如说轴承APP的使用。我在通用公司工作的时候,1983年我们有一个叫查理的专家,他只要耳朵一听,就知道这机器是轴承的内环坏了,再一听就能发现轴承本身外环也不好,因为内环、外环、滚珠的频率不一样。我想说为什么需要人去看?我们对轴承进行分类,绿色就是正常的,白色是外环,黑色是滚珠,蓝色是内环,这个分类方法很好,只要开始绕了就能发现是外环问题,我们过去需要有37年工作经验的专家来识别,而现在只需要用一个振动信号即噪音信号,而且这个数据可以全世界用,我们将数据捐给美国NASA。现在在NASA网站查一下,已经有超过3万次下载。利用这个数据写毕业论文并毕业的博士有850多位。我也要做成一个APP,任何人只要告诉我什么样的轴承,什么样的速度,APP直接自动帮你判断有什么问题。这样一个APP在每个人都使用后就会变得值钱。不分黏性和弹性,大小型号轴承都可以用,因为顾客的输入才能形成APP,这现在已经很成熟了。我们做工业大数据、工业人工智能,要帮助顾客找到他不了解的问题。重要是用户和价值驱动。这个是最重要的目的。

现在怎么看数据质量?发动机、轮船,高铁等数据很多,第一个可以找到高铁,滚珠轴承,中国的高铁是跑300公里一小时,200公里以下的轴承中国自己可以做,200公里以上中国不能做,都是进口的,因此要知道可不可以用。很多公司说我有很多数据,我们花了6个月的时间来收集数据,但是你们的这些数据不能用,因为你们没有背景资料,这就好比捐了很多血,但是不知道你有没有艾滋病或者胆固醇一样,所以我们不敢用你的数据。数据可不可用是一个重要标准,这已经是上亿的产业,因为很少公司可以做这个事,这要做人家不能做的事,数据本身是断裂的,因为拿来的时间不一样,拿来做的方法也不一样,数据的背景不一样,轮船航行时天气的背景,飞机起飞时的高度、风速都没有,要做数据的省油服务几乎是不可能的事。不了解天气的资料,对发动机懂再多也做不出来。可不可以用历史数据或者同类型的数据做比较呢?能不能找到关系,找到还不了解的问题,什么样的风速,什么样的湿度,风电叶片会结冰?甘肃不会结冰,到安徽会结冰,因为天气湿度不一样,路况和车子的平稳度什么关系,都不知道,因为数据没有归类,所以人很难做决策。

2017年我们信通院办的工业互联网,主要看风电会不会结冰,当时1600个团队,最后选了12个团队,6个团队做皮带损伤,6个团队做风电结冰。其中富士康有3个团队,有人会问他们怎么搞这个东西,因为他们说做大数据很强,不搞风电也可以预测出来。我慢慢更了解富士康,发现这个里面我们可以有很多合作,就协助他们做工业互联网。

后来我到富士康捐出这个数据之后,华为用云平台,一个是物流,一个是刀具,能预测出来刀具怎么断裂怎么损耗。来参加的全部都是高校的,没有企业界。中国企业界自己独当一面搞工业互联网真的很难,第一没有时间,第二没有环境,给你数据但没有分析时间。有的有工具但没有顾客数据,有的则正好相反。

我发现人工智能从上世纪80年代开始到最近已经有了相当大的改变。近几年国内炒作的特别厉害,从互联网+到工业互联网,到云再到CPS,再到人工智能都有连续炒作。纳米技术从1993年的时候就开始研究,搞了将近20年,现在博士生都找不到工作,现在纳米还谈吗?没有钱所以不谈了。我看人工智能再搞十年也没有钱了,因为做不出东西怎么有钱。大家要清楚,一个领域不能炒过了,人脸识别、声音智能之后,人工智能怎么赚钱,是比较大的挑战。



因此未来我们人工智能投资的可能性、可成长性、可用性都很难验证。我产品可以用还需要你投资吗?我直接找客户马上用了,为什么还要你投资。以前搞机器人,机器一故障半个小时,损失的钱你来赔。那还要不要?所以机器人企业一个个死了。我可以用你的,但如果判断损失你要承担,你却又不敢,那叫什么人工智能。数据环境会变,它不是固定的。需要辨别出来什么地方出问题,所以在很多方式里面解决一个系统工程,如何验证这个系统是否可用就很重要。所以我当初定义工业人工智能(维基百科也是我写的)时写道,人工智能是认知科学,是研究如何将图像和自然语言用在医疗以及辨识上的科学,所以成功率是有的,但问题是怎么让成功率不受到任何变化的干扰。国外的人工智能并不是解决一个奇幻的问题,问题解决完之后,就可以重复解决,这可以很稳定地传承下去。

比如说我退休,有人接替我,取代我,比我以前稍微好一点,但是好不到哪里去。以前一个个学,不同的专家不一样,人工智能用训练的方式可以做,但是每次零部件要更换,系统有变化都要重新做,老系统和新系统无法自动覆盖。因此现在人工智能必须要做自动调整,它可以一直做调整。这个里面他需要这种东西。我们要看哪一种方式适合解决什么问题。

第一个中国船舶案例。我之所以要做中船互联网,是因为当时韩国在做并且技术处于第一,那个时候中国还不是第一。要做船的监控,泵,轴承,我说船最大的问题就是耗油性,当时根据船舶的位置,每天角度的变化,根据它的阻力可以找到关系。现在整个团队都已经形成并实现了民营化,我们可以一年省掉6%的油费。第一条智能船是2017年12月6日正式成立,业务并不是卖船,而是卖船的管理和服务。有几个人听过宽度学习?这是我们犯错经验得出来的,很多东西在运转,有很多风电在运转,但是要监控每个风电吗?所以我们申请宽度学习专利,学生3次考试,总考好的没有问题,总考得不好就补习,所以就知道哪一个不好哪一个好。高铁有两个转向架,每个转向架有4个电机,一比就知道哪一个不好。我可以很快知道哪一个风电好或不好,放在一个风电里面看,看哪一个风电哪一个不太稳定。不管天气好不好,船出去就可以做维修,一比就知道哪一个不好了。我们要去巴黎旅行,问十个朋友哪里好玩,问了十个知道了,哪一个地方好就去哪一个地方。

高铁在开动的时候,很多的数据从轮毂中产生,高铁十几节,一节有两个转向架。我们当时做了整个群的监控,这个里面根据速度变化爬坡加速减速找到类似性,就可以找出哪一个好哪一个不好。我知道中车哪一个电机不好,哪一个节车箱什么问题,一比较就出来了。这样很快,因为总共2万多辆车要怎么用。所以整个高铁可以往上拉起来。有一天比如说中车的车子出来之后,动车和谐号,信号出来一比知道哪一节哪一个电机不好,集中在这个电机和其他的电机做比较,就可以得出哪一个最差。把整个系统变成整个集成,中车可以很快找到不好的电机。这个就是宽度学习。

下一个案例就是电池,电动车也是一样,特斯拉有2000多个电芯。电池充放电的时候会变,我要找的电池是哪一节电池,在云上面直接做运算。数据并不需要存储,因为云上就可以完成。充电的时候就知道电池什么问题。那个时候韩国某市长特别来看电池信息基地,建模。这个就是我们讲的智能大数据,2010年开始做的,现在有十个专利,我们等企业碰,碰了之后找他们。用云做电子的很少,只有两个。

接下来我们讲工业互联网的案例。我们去年协助富士康申请了灯塔工厂,全国有17个,因为富士康有17万的机床,18000条线。如果要做这个事,数据量是足够大,工业云需要加强边缘的智能化。物端不用这么快, 因为不需要马上做决策。我们用了很多工业互联网软件预测生产当中的问题,问题预测出来,最后关停工厂。富士康目前有8个停运工厂,我不需要看机器了。目前全世界有16个,今年有7个,第一年有9个,今年7个富士康和西门子总共16个。基本上我们这个东西最重要就是集中在边缘端。

最后我们现在有一个问题,人工智能找不到人,请不起人,留不住人。我们建立一个产业学院,专门培养人才,我帮富士康做的时候只有30多人搞AI,现在有1000多人。

传统人工智能是传统科学,永远不会停的,但是工业人工智能是要解决过去的问题和未来的问题。人工智能不能解决过去的问题,但是工业人工智能一定要解决过去的问题,高铁、车辆、风电,深度学习,宽度学习都要有。我的书是6月份出,是由交通大学出版社发行的,大家有兴趣可以看一下,也有很多案例在里面。今天就讲到这边,谢谢大家。


原文标题:李杰:工业人工智能与企业转型应用案例丨浦江创新论坛

文章出处:【微信号:mfg2025,微信公众号:智能制造】欢迎添加关注!文章转载请注明出处。

本文已经过优化显示,查看原文请点击以下链接:
查看原文:http://www.elecfans.com/d/958539.html

看图学经济more

院校点评more

京ICP备10217856号  京ICP证090565号 京公网安备1101084107号 论坛法律顾问:王进律师知识产权保护声明免责及隐私声明   主办单位:新葡京娱乐 版权所有
联系QQ:2881989700  邮箱:service@wangjiaotuan.com
合作咨询电话:(010)62719935 广告合作电话:13661292478(刘老师)

投诉电话:(010)68466864 不良信息处理电话:(010)68466864