有 Know-How 才有智能
据麦肯锡数据显示中国工业市场体量约有 106 万亿元 ， 人工智能在工业领域的应用可以为工业节省 1% 以上的成本 ， 以 AI 单个项目能为企业创造三倍的价值来计算 ， 人工智能在工业领域的市场也至少有千亿之多 。
Markets 的预测报告认为 ， 2025 年人工智能制造市场规模将达 172 亿美元 ， 预测期（2018-2025 年）内的年复合增长率为 49.5% 。 Automation Technology 则预测到 2035 年 ， 人工智能对制造业增值占比可达 2.2% ， 排名社会 16 个主要行业之首 。
在千亿市场蛋糕的诱惑下 ， 工业智能市场一片繁荣 ， 大大小小的工业技术、AI 技术、IT 技术供应商挤满了这条赛道 。 截止目前 ， 中国工业互联网产业联盟已有的会员单位超过 1600 家 ， 国内工业智能平台和应用数量在全球范围均占比颇高 。
很多企业认为 IoT、大数据、人工智能这些背后的逻辑就是数据分析 ， To C 也好 ， To B 也好 ， 工业也好 ， 消费品也好 ， 都是数据驱动技术 ， 只要把数据采集和分析做好 ， 就能得到放之四海皆准的「技术公式」 。 然而 ， 工业智能与互联网的智能有着本质的区别 。
在工业场景中 IT 与 OT ， 机械与电器、工艺之间 ， 存在很深的鸿沟 。 例如 ， 工业数据与商业 AI 的大数据不同 ， 大多是模拟信号 ， 并非数字信号 ， 每个信号都有其背后的机理含义 ， 收集数据以后要对数据进行处理才能应用 。
「我曾经接触过一个企业 ， 他的核心设备是一个 0.5 秒每次的往复机构 ， 但企业最初建立的大数据系统收集的数据都是以 1 秒为单位的 ， 这样的数据对于工业智能来说很难起到实际作用 。 」天泽智云 CEO 孙昕说 ， 工业中要做精确的故障诊断往往要用到高频数据 ， 包括声学信号、振动加速度等 。 通常采样频率足够高了以后 ， 尤其针对旋转类机械部件 ， 才能识别到故障早期的细微变化 。 而如果故障的早期没有细微变化表现 ， 通常是无法诊断的 。 这样的场景 ， 只用通用的 AI 分析思路和数据采集方法很难给客户创造实际价值 。
此外 ， 对于工业 AI 来说大数据并非需要绝对的「大」 。 无论是预测性维护还是缺陷检测 ， 只有出现「不正常」情况时的数据才是有效数据 ， 因此工业界应用的大数据常被称为「Big Small Data」 。
风机发电机轴承的温度传感器显示温度过高时 ， 工程师不能马上拆机检查；核电设备的主泵、管路振动故障 ， 也很难实现停机深入探查 。 这意味着 ， 算法建立之初拿到的训练数据 ， 很难有准确而高质量的故障标签 。 在这些有效数据有限的场景中 ， 就需要更多蕴含机理的数据 。 「强机理弱标签 ， 弱机理多标签」 ， 工业 AI 训练的过程中 ， 更需要的是结合场景 Know-How ， 根据目标要识别的故障模式 ， 采集与这些目标故障相关的数据 。 这些数据可能是高频振动、声音 ， 也可能需要结合工况数据如转速、温度等针对实际问题的多维数据 。
推荐阅读
- 星链|石豪：在太空，马斯克和美国当局是如何作恶的
- 建设|这一次，我们用SASE为教育信息化建设保驾护航
- 生活|气笑了，这APP的年度报告是在嘲讽我吧
- 精度|将建模速率提升10倍，消费级3D扫描仪Magic Swift在2021高交会大显“身手”
- 最新消息|世界单体容量最大漂浮式光伏电站在德州并网发电
- 公司|科思科技：正在加速推进智能无线电基带处理芯片的研发
- 测试|图森未来完成全球首次无人驾驶重卡在公开道路的全无人化测试
- Monarch|消息称微软Win11 2022重大更新将在明年夏天到来
- 社交|Facebook被指试图在美政客中抹黑前雇员Frances Haugen声誉
- Intel|Intel在Alder Lake平台演示PM1743 PCIe Gen 5 SSD，带宽达14GB/s