期刊信息
曾用名:基础自动化
主办:东北大学
主管:教育部
ISSN:1671-7848
CN:21-1476/TP
语言:中文
周期:月刊
影响因子:0.725289
被引频次:8
数据库收录:
北大核心期刊(2008版);北大核心期刊(2011版);北大核心期刊(2014版);北大核心期刊(2017版);中国科学引文数据库(2011-2012);中国科学引文数据库(2013-2014);中国科学引文数据库(2015-2016);中国科学引文数据库(2017-2018);中国科学引文数据库(2019-2020);日本科学技术振兴机构数据库;中国科技核心期刊;期刊分类:电子信息
期刊热词:
建模与仿真系统
工业+工程双基因结合,天泽智云打造模型驱动的(2)
【作者】网站采编
【关键词】
【摘要】区别于通用性设备的接入和数据获取,只考虑工业设备的特点,也不具备深入理解工业领域数据的特点,天泽智云坚持要做自己的边缘计算硬件和数据采集
区别于通用性设备的接入和数据获取,只考虑工业设备的特点,也不具备深入理解工业领域数据的特点,天泽智云坚持要做自己的边缘计算硬件和数据采集管理系统,不是与客户抢夺数据资产,而是为了确保数据质量。
技术研发VP金超用了一个形象的比喻:“这就跟做寿司一样,要自己去鱼市看鱼,好的厨子也要是懂鱼的人,能判断出食材新鲜的程度。我们也一样,有这样的能力,才能保证最终交付的东西可以满足客户需求。”
天泽智云的EdgePro能够不被国外厂商的垄断所限制,通过灵活的外加传感器等方式,实现高价值数据的获取,结合边缘计算提升数据质量,支撑实现工业智能化的业务目标。
在与某国内3C加工巨头合作的过程中,针对上百台不同种类不同型号的设备,获取振动、声音等高频数据,并进行实时处理,EdgePro的工程化能力轻松实现5步快速接入:硬件连线—添加设备—关联测点—配置策略—获取数据,将物联数采的效率提升了4倍。
设备数据采集上来之后,还需要经过一个十分重要的过程,那就是数据的汇集与管理。因为工业数据来源于多个系统,也包括大量第三方外部系统数据,“碎片化”问题严重,所以在数据可进行分析建模之前,需要对大量的原始数据进行集成、降噪、对齐、去重等预处理,还要对数据资产进行质量校验、分层体系化存储管理。
工业大数据服务中台CyberDataHub,凝结了天泽智云自成立以来,交付近百个工业智能化项目经验,同时结合全球领先的工业智能理念和方法论,以及对工业大数据3B(Bad Quality、Broken、Background)特点的深刻理解。
其中,对于工业领域尤为重要的数据质量的管理,是其他产品所不具备的功能。“不仅仅能告诉你数据采集上来了,你能看到它什么样,还能告诉你这个数据有什么问题。你的数据采集系统有什么问题,保证采集到的数据是能用的。”金超表示。
CyberDataHub帮用户探究数据质量背后可能的问题来源,比如发现了一些数据异常之后,天泽智云正在申请的专利能够判断这是由电磁干扰造成的、还是电源不稳定,可以直接指导数据采集如何更加科学、精确。
致力于打破工业制造经验认知孤岛的工业智能模型研发平台CyberCube,堪称天泽智云的独门绝技杀手锏。
早在IMS的时候,金超就曾经想在内部推动一个名为Project Excellence的项目,把IMS十多年来独有的一些案例、方法固化成为领域算子和行业模版,将建立模型的流程固化为通用工具。
然而,产品化在高校内部很难落地,“因为它不以规模化为导向,不会想到要把研究的脉络、创新的方法沉淀下来,对于学生来说,最迫切的问题是如何能毕业”,而不是把这套体系传承下去。
到了天泽智云这样一家商业化公司之后,金超终于有机会大展拳脚。将他在数十个工业项目中遇到的真实需求,挖掘其建模价值,再集成IMS 20年来积累的工业智能建模的专业经验,通过“数据清洗——标签生成——机理特征提取——场景化模型训练”四个步骤,降低企业的建模门槛,提升模型质量。
经过四年项目实践和十几轮迭代,天泽智云打磨出端到端的、覆盖工业智能全流程的算法工具包、数千个模型,以及20多个行业模板,瞄准解决工业用户在设备运维、良率提升、与节能降耗方面的痛点,覆盖工业领域多个行业。
早在2017年,这套工业智能分析与建模的概念就面向市场进行了发布,受到了工业界的高度评价。
CyberCube在很大程度上降低了工业智能分析的门槛,为企业跨部门的不同角色,如数据科学家、软件工程师、IT运维人员等提供统一的工具平台和运行管理环境,提升模型的研发效率、降低模型维护与管理成本。
工业基因与工程基因结合,模型驱动的工业人工智能平台随着越来越多智能化项目的交付,天泽智云发现随着智能资产的积累,模型的研发效率固然重要,但流程、自动化和跨团队协作则更加重要。基于这样的认知和实践,借鉴孙昕在IBM时推行的DevOps理念,天泽智云构建了完整的跨领域、跨部门、跨阶段、跨环境的工业人工智能体系,从数据的采集与管理,到算法的设计、探索、验证,以及监控和部署,将模力工场进一步升级为的以模型为驱动的工业人工智能平台。
初期目标是为了大幅提升工业AI应用的开发效率。
比如,工况分割是工业领域大数据分析的第一步,目的是要把设备在不同运行状态下的数据分割出来,做有针对性的信号处理与特征提取,只有先做好工况分割,才能进行下一步的处理和分析。
文章来源:《控制工程》 网址: http://www.kzgczzs.cn/zonghexinwen/2021/0411/751.html