【机械网】讯  2019年政府工作报告提到,要推动传统产业改造提升,特别是要打造工业互联网平台,拓展“智能+”,为制造业转型升级赋能。这也是“智能+”作为一个概念,第一次出现在政府工作报告中。  事实上,2017年11月份以来,加快“互联网、大数据、人工智能等新一代信息技术与实体经济的深度融合”已成为数字产业化与产业数字化共同的主题。“智能+”的提出,意味着智能化与制造业转型升级的契合度更为凸显,再次确立新一代信息技术赋能实体经济的重要作用。  3月13日,由天泽智云主办的2019未来工业智能峰会在北京举行,十余位来自制造业、科技行业的大咖分享了未来工业智能化的趋势,天泽智云技术团队则以场景情景剧的方式演绎了工业智能如何帮助企业解决错综复杂的生产现场问题,这让整个峰会呈现出一种“工程范儿”。  峰会上,天泽智云正式发布工业智能产品矩阵,其核心组件包括:工业物联网与边缘智能软件EdgePro、工业智能分析与建模工具GenPro、工业智能模型生命周期管理协作系统CyberRepository、企业级算法模型执行引擎CyberSphere及系列工业智能硬件产品iEC和iGW系列。  天泽智云CEO孙昕表示:“天泽智云的‘3+4’体系架构——融合工业领域知识、智能建模技术与计算机科学,衍生DT、AT、PT、OT四大工业智能支撑技术,打造出工业智能产品矩阵,为工业企业提供‘法’和‘器’,已经开始在第18个工业场景中落地。”  关于工业智能,目前业界还没有完整的定义,一般的理解,就是工业+人工智能,但这一界定包含的东西太多——不仅在对象上有高端制造、智能工厂、数字化车间、自动化生产线等,领域更是包罗万象,有机器视听觉、复杂环境识别、智能语音处理、状态信息实时感知、自适应控制、智能决策控制以及新型人机交互等等。在发展工业互联网的大背景下,企业如何找准合适的工业智能,并与工业互联网结合起来,解决场景痛点,成为数字化、网络化、智能化落地的重要挑战。  工业智能的3+4体系架构  我们先看看,天泽智云以及当天出席峰会的中国工程院院士邬贺铨等专家对工业智能的理解。  天泽智云CEO孙昕表示,工业知识、智能建模技术及计算机科学三者融合才能诞生真正的工业智能,其衍生的四大支撑技术,第一是AT,工业的人工智能和传统的人工智能有一定的差异,前者有相当多的工业属性和背景;第二是DT,包括边缘计算、特征工程,强调工业背景、工业场景以及工业对数据质量的要求;第三是PT,云、边缘计算以及模型的开发、建立到DevOps都需要一系列的平台技术;第四,最终所有的技术跟生产过程、运维技术和工业应用相结合,这就是OT。  孙昕认为,在AT分析技术中,模型应该被合理迭代开发、逐步成长,这个模型生命周期的管控,需要跑在PT也就是平台技术上,当然,所有的算法需要数据,数据如何有效处理并传到平台端,这就需要基于DT技术,而这一系列的循环,最终和OT结合,产生一个又一个工业APP。  中国工程院院士邬贺铨的观点是,工业智能需要“人工+机器智能”。人工智能推动企业向智能制造与智能运营发展,但人工智能需要与大数据、移动互联网、物联网及云计算等的协同融合,而且需要与企业运营技术紧密结合。机器学习着重于通过有限的输入数据流来了解环境,而人类则能同时洞悉各种不同的环境特征。基于大数据导出的数学模型未必能优于制造业基于长期积累对建模对象客观规律的理解所得到的机理模型。  北京大学教授侍乐媛则把关注的重点投向了生产现场,她表示,工业智能需要关注生产系统。工业生产存在着诸多数据孤岛、信息孤岛与系统孤岛,由于现有的系统有很大的局限性,生产过程中常见突发意外时无法实时动态优化资源等问题,并且很多企业实现自动化却损失了产能。企业要使用工业智能的手段赋能现有生产过程,补足对时间敏感性要求高,以及流程链、供应链复杂难以评估的能力。  联想集团副总裁田日辉表示,实现企业数据智能推动企业转型,需要构建以下几方面的关键能力:一是全域数据融合,包含生产经营数据、ERP、CRM等系统数据,及宏观经济、用户评价等;二是工业和人工智能的结合,通过数据进一步优化专家经验;三是通过微服务架构,实现敏捷智能闭环价值。  显然,不同的视角和定位,让工业智能呈现出多维特征。那么,天泽智云的工业智能产品矩阵到底是什么?其背后的理念又是什么?是如何解决企业场景痛点问题的?  行业场景而非数据  此次发布的天泽智云工业智能产品矩阵,包括了数据采集软硬件、分析与建模工具、模型生命周期管理、企业级算法模型执行引擎等。  工业物联网与边缘智能软件EdgePro:支持快速实现工业数据采集和边缘计算的工业物联网与边缘智能软件,可直接将机器学习模型和特征工程算法一键部署到边缘硬件,打通工业互联网与边缘智能的最后一公里,实现工业边缘计算、边缘智能与边缘决策。  工业智能分析与建模工具GenPro:融合信号处理、机器学习、机理分析、多语言编程等跨界能力,内置行业算子、建模模板,可拖拽式操作,快速构建预测模型,降低建模门槛。  工业智能模型生命周期管理协作系统CyberRepository:模型库,包括算子、模型、训练结果、特征、依赖库,以及这些智能资产的版本历史。可灵活部署于公有云、私有化等多场景。  企业级算法模型执行引擎CyberSphere:模型适应能力强,可运行GenPro、MATLAB、Python或R语言开发的工业智能模型。具有工业数据接入、存储和开放的能力。服务与交付方式灵活。  工业智能硬件产品iEC和iGW系列:前者是面向关键设备、高价值资产工业智能应用的多元数据采集及边缘计算单元,既可以采集CMS、PLC等低频协议数据,又可以采集振动、电流等高频信号;后者是工业智能网关,具备现场设备的远程数据采集、远程下载和远程维护等功能。与EdgePro相结合,实现设备的状态监测、异常检测、健康管理、寿命预测等。  可以看到,天泽智云产品矩阵的一个突出特点,就是围绕算法模型的数据采集、建模、管理、运行及维护。以模型为核心但不唯模型,这与其他人工智能解决方案具有较明显的差异。其背后的缘由,是对行业机理的深刻理解。  数年来,人工智能与数据的相互依存关系深入人心。人工智能落地的基础是数据,核心是模型的积累。但在现实中,用户往往并不买账。原因在于,一方面用户已经形成解决问题的传统机制,另一方面,由于信息孤岛的问题、数据质量的问题、数据标签的问题等等,使初期阶段的模型很难解决客户问题,基于这种情况,客户往往对模型持怀疑态度。  天泽智云技术研发副总裁金超认为,数据不应该是工业智能落地的一个起点,它的起点应该是用户的痛点或者有行业属性的工业场景。也就是说,不是所有的场景都可以用工业智能解决,也不是所有的数据都对工业建模有用。建模需要利用领域知识,同时一定对模型不断迭代,让它接近完美,这就要求对模型做全生命周期管理。  算法是工业场景的抽象与固化。没有对行业机理的理解,这一过程很难落地。作为一家初创公司,天泽智云有这种行业积累吗?  工业智能=算法+工程化  资料显示,天泽智云成立于2016年11月,是美国智能维护系统中心(IMS)技术孵化企业,团队以IMS机械工程博士为核心,具有19年以上专业经验和150个以上工业项目实践经验。19年间,IMS中心的合作伙伴涵盖了15个国家及地区的90多个世界知名企业,已成功申领多项重要发明专利,应用领域涉及能源、工业制造、交通运输、重型机械、微电子等行业。  根据美国自然科学基金会(NSF)2012年对全美所有产学研合作实验室的贡献度调查中,IMS以其1:238的投入/收益比,位列NSF所有产学合作研究中心第一位。  这意味着,天泽智云专业团队不仅具有系统的机械工程知识体系,更具有全球重大工业项目的实践经验。据介绍,天泽智云的团队来源由三个I组成,一个是IMS中心,代表工业算法成熟的历史积累,第二是IBM,平台技术中当年的黄埔军校,第三是NI(美国国家仪器),在边缘计算领域的领军企业。  孙昕回忆,2016年天泽智云成立之时,从IMS中心毕业的团队成员已经在全球做了大量工业数据分析类的项目,而恰巧有很多项目是在中国落地生根的。其中有一个地标式的项目是中车青岛四方的高速列车故障预测与健康管理系统(PHM系统)。“工业是强国的脊梁。这个项目2018年在美国拿到了Intel物联网全球奖。让我们看到在强国脊梁中技术的价值,我们真的感受非常深。”  但孙昕认为,工业最核心的不是数据,而是模型,数据是客户的,真正有价值的是模型,模型的积累会颠覆很多商业模式,因为模型驱动APP,APP又驱动商业模式。所以,工业场景、工业知识的积累,既是一个漫长的过程,也是一条必经之路。  所以,算法不是唯一,仅靠一个光鲜的算法不可能做成一个好的、伟大的企业。工业一定是系统工程。通过形成一个整建制的系统化、工程化的队伍,才能把算法的力量通过工程化能力变成产品交付出去。但这个过程很漫长。  从互联网+到智能+  依托工业智能研发平台,天泽智云可以实现快速流程化、标准化、系统性地为客户交付可持续传承的工业企业智能解决方案。目前,天泽智云的工业智能技术体系已经在风电、钢铁、电子制造、轨道交通、焊接等行业落地应用。  富士康项目总监徐文武介绍,富士康希望可以做到无忧生产,设备不仅可以高效的运作,亦不需要担心其稳定性及发生故障。通过应用天泽智云研发的刀具剩余寿命预测系统,不仅降低了60%的意外停机,节省了16%的刀具成本,更令良品率由99.4%提升至99.7%,真正帮助富士康实现无忧生产。  “第一要懂哪些数据要采集?哪些是关键有效的数据?第二要懂加工的机理和工艺过程。第三这些数据采集之后,要懂得怎么去做数据的分析和建模。团队要有这些能力。通过四个月的努力,富士康刀具生命预测系统在两个厂区同步上线。”徐文武说。  协合新能源的愿景是希望所有的风车转起来,所有人可以用到最便宜的清洁能源。但由于风场和光伏电站多建在偏远地区,要实现这个愿景就必须对资产进行智能化管理和运营。“天泽智云的解决方案基于大数据平台,进行智能的数据分析服务,最终实现风场的智慧运营。”协合新能源执行董事尚笠在演讲中表示。  对于工业智能与工业互联网的关系,天泽智云高级副总裁谢炯说:“工业智能是从工业互联网最终达到工业APP当中必经的途径,并且是很好的推手。”他表示,工业智能的发展需要与合作伙伴、客户、最终用户等多种角色,实现广泛和多样化的合作,从赋能物联网、赋能平台、赋能组织和赋能人才等方面,进行技术体系和能力的提升。只有与合作伙伴携手并进,才能在行业纵深创造并落地贴合业务的工业智能应用。  2018年以来,工业互联网蓬勃兴起,并以网络、平台、安全三大要素囊括了工业数字化、网络化、智能化的所有解决之道,成为当前网络强国和制造强国的主要抓手之一。“工欲善其事,必先利其器。器欲尽其能,必先得其法。从互联网+到智能+,我们相信将+出一个新兴的改革之路,尤其针对制造业。我们坚信中国要走向强国,这是必经之路。”天泽智云CEO孙昕说。(周宝冰)【打印】
【关闭】

【机械网】讯  如同点开手机应用商店一样,在工业APP应用商店里,各类工业APP琳琅满目:有监视、分析能耗类的,有监控设备位置和状况的,还有分析生产线运行的……如今,这幅工业领域的未来场景正加速向我们走来。  工业和信息化部日前发布的《工业互联网APP培育工程实施方案(2018—2020年)》(以下简称《方案》)提出,到2020年,将面向特定行业、特定场景,培育30万个具有重要支撑意义的高价值、高质量的工业互联网APP。  如果把工业互联网比作新一轮信息高速公路,工业APP就是跑在这条路上的车,工业大数据则是车里拉的货。拥有目前全球规模最大、门类最全工业体系的中国,如何在这一轮工业互联网发展大潮中抢占先机?有专家认为,抓住工业APP,就抓住了开启工业互联网市场的“金钥匙”,也将由此打开人工智能和先进制造的入口。  攻关共性关键技术让创新从封闭走向开放  作为物联网、大数据等新一代信息通信技术与现代工业技术深度融合的产物,工业互联网是当前全球新一轮工业产业竞争的制高点,工业APP则是其应用生态的重要内容。  状态监测、故障诊断类工业APP多,预测预警类尤其是智能决策类工业APP少;基于工业机理模型或数据驱动模型开发的工业APP多,基于机理模型和数据驱动模型联动开发的工业APP少……“当前,国内工业APP面临着数量不多、质量不高的窘境,正是受限于大数据建模分析能力较弱这一‘卡脖子’因素。”中国电子信息产业发展研究院信息化研究中心袁晓庆博士说。  对此,《方案》提出,要瞄准产业发展制高点,组织实施一批重点产业化创新项目,推进复杂系统建模、执行控制引擎等共性关键技术攻关,推动工业通信协议适配、数据交换等核心关键构件研发。  针对目前我国工业企业软件化能力总体上较弱这一现状,福州大学先进控制技术研究中心主任郑松研究员认为,要提升工业企业软件化能力,就必须要建立良好的企业软件生态,提供很好的软件工具,而不是仅仅局限于具体的应用软件,这样才能使得工业企业软件能更好地适应企业发展需求的变化。同时,除关注工业APP的框架技术外,还必须建立一种通用的云端计算环境。  工信部电子第五研究所所长陈立辉表示,要通过“众包”“众创”“开源”等创新模式参与工业互联网APP研发,以形成开发、流通、应用的新型网络生态体系,为分布在全国乃至全球的智力资源、制造能力提供汇聚平台,推动企业从封闭式创新走向开放式创新。  发力应用生态建设推动工业APP向平台汇聚  2015年8月,通用电气(GE)发布了全球首款专属于工业领域的云服务平台Predix,吸引了250多个工业APP入驻。  “GE不能成为一个只有扁平增长的千亿美元级公司,我们把它想象成是一个超级商店,一个全球知识交换中心。”通用电气前董事长杰夫·伊梅尔特在《哈佛商业评论》的撰文,揭示了这家昔日的传统工业制造巨头转型的勃勃雄心。  GE的跨界之举点燃了全球制造业竞争的引信,德国西门子、瑞士ABB等也相继推出了工业云应用商店,吸引各个商户(用户)进驻,争夺大数据这一未来工业的“石油”。  作为建立在平台之上的平台,“工业APP应用商店”相当于一个知识交换中心,其中入驻的工业APP则是商店里兜售的主要物品。据不完全统计,我国工业APP数量目前不超过5000个,远远难以满足企业上云需求,建设“工业APP应用商店”任重道远。对此,《方案》提出,推动工业APP向平台汇聚,指导和支持互联网平台企业、协会、第三方机构设立工业APP应用商店,提供专业化的工业APP上线和下载服务。  机械科学研究总院海西分院副院长庄承淮认为,应加快工业APP创新以及应用,集成多方资源、合作共赢,并在工业数据采集、大数据建模分析、工业软件培育等方面尽快取得突破。  “工业互联网平台发展机遇稍纵即逝,生态建设需要政府和企业共同发力。”袁晓庆建议,企业应围绕跨平台间工业APP流转,积极采用区块链等新技术促进平台间工业APP互联互通;政府部门需要面向工业APP开发、测试、交易等全生命周期,完善公共服务支撑体系,形成建平台和用平台双向迭代、互促共进的良性格局。  深挖大数据潜力培育数据驱动型工业体系  在新一轮工业革命中,工业大数据正成为世界各国争相抢夺的焦点。为克服数据孤岛、碎片化现象,加快工业数据资源开发应用,《方案》指出,将工业APP纳入工业大数据应用试点示范项目,支持工业企业利用工业APP加强对机器设备、业务系统、产品模型等数据的采集,开展数据集成、挖掘、分析、建模,提升工业大数据创新应用能力。  国内大数据行业龙头企业东方国信的转型发展正是其生动注脚——  在原有工业大数据的基础上,该公司不断向互联网云平台上延伸,并于2017年底正式发布工业互联网平台Cloudiip,上线了数百款覆盖能源、水电、冶金等行业的APP。  “基于平台上的大量数据积累和成熟的行业算法模型,形成了从平台到应用,从开发工具到知识微服务的全产业链条,可提供设备安全预警、设备故障诊断、能源管控优化等服务。”该公司负责人介绍,其中能源云平台服务了全球35个国家近1300个用户,每年帮助客户节约3%—15%的成本,每台高炉可节省成本2400万元左右。  “当采集的工业数据规模上去以后,就可以用机器学习技术对其进行分析,可以产生更多的智能应用。”福州大学数学与计算机科学学院院长郭文忠举例说,可通过工业大数据对设备进行异常状态检测,及时发现设备异常;也可以通过工业大数据学习出产品质量与各环节设备参数间的关系,优化设备参数设置等。  “中国既是制造大国也是网络大国,并由此正成为工业数据大国,急需深挖工业大数据的潜力,培育数据驱动的新型工业体系。”在工信部信软司副司长李冠宇看来,智能制造的核心就是从需求分析、设计,到生产制造、销售,打通全生命周期、全产业链的数据链,并催生出网络协同制造、个性化定制、服务型制造等一系列新的商业模式。最终,利用工业大数据和人工智能“训练”出一大批能解决实际业务痛点的工业APP,给工业发展模式带来革命性的驱动力。【打印】
【关闭】

【机械网】讯  促进新能源汽车发展,是今年全国“两会”的热点话题。湖北作为汽车制造大省如何抢占先机?3月10日,国网湖北省电力有限公司宣布,即日起启动电动汽车“畅行无忧”工程,高速服务区年内实现充电设施覆盖;在国内率先探索建设智能充电塔楼,推行“一车一桩”,破解城市电动汽车充电难题,让充电像加油一样方便。  智能充电塔楼,是国外提出的新方案。塔楼占地面积很小,仅能容纳1至4辆电动汽车并排停放,但高度达数十米,可实现6至7辆汽车“住楼房”。塔楼外墙涂覆反射性、多孔金属,第一层用来停车充电,楼上用于停车。  国网省电力公司透露,计划在汉口火车站北广场建设省内第一座智能停车充电塔楼示范工程。这种立体式“停车+充电”设施,除了解决插电式混合动力车、纯电动车的充电问题外,也增加了土地使用效率。目前,国内仅深圳比亚迪建设了一座10层环形充电塔楼示范工程。  针对部分小区居民申请安装充电桩而物业公司不配合的矛盾,省电力将探索直接供电模式,为停车位充电桩提供独立稳定电源,避免汽车充电形成的瞬时电流波动影响小区微电网安全。同时,在老小区实施“一车位一电表”电气化改造,新建小区按“一车一桩”需求配置。  根据规划,今年我省将新建高速充电站113座,实现全省高速公路服务区充电设施全覆盖;加大武汉、襄阳、宜昌等重点城市核心区域充电设施布点密度,建设城区充电站51座。  今年,电动车主,还可选择电力公司提供的充电桩共享、电动车租售、充电设施代运维等“一条龙”服务。车主只要下载“E充电”APP,就能随时找到充电桩,开着电动车畅行全国。目前,全国接入国家电网车联网平台的充电桩总数超过16.5万个,其中国家电网自营充电桩4.5万个,社会运营充电桩12万个。【打印】
【关闭】

相关文章