低代码到底是不是行业毒瘤?一线大厂怎么做的?戳此了解>>> 了解详情
写点什么

40 年工业大数据研究,这位科学家总结了 5 个关键要素

2019 年 1 月 22 日

40年工业大数据研究,这位科学家总结了5个关键要素
00:00 / 00:00
    1.0x
    • 2.0x
    • 1.5x
    • 1.25x
    • 1.0x
    • 0.5x
    网页全屏
    全屏
    00:00


    21 世纪初,当技术世界还并无“维护”二字时,发动机、电梯等设备故障维修解决的是后果,而维护则是“事前诸葛”。有了预测,就可预防,维护优化工作才可真正实现提质增效降本减存。“直到 2000 年,我发现有些事情不是那么正确了,因为很多数据没有被高效地利用。”李杰教授在采访中说道。


    为此,先后在美国自然科学基金会(NSF)、美国联合技术公司(UTRC)担任研发要职的李杰教授在 2000 年做出了一个重要决定——去大学任教并启动工业大数据的研发。在当时,这还是一个从未被挖掘过的领域。


    那么,工业人工智能如何提升产业竞争力? 人工智能会造成大量失业吗?工业大数据和我们日常常说的互联网大数据究竟有什么关系?带着这些问题,小编此次采访到了身处工业自动化与机器人领域近 40 余年的科学家——李杰教授,这位为“工业大数据”命名的科学家将向你讲述关于人工智能、工业大数据领域的那些事。


    挖掘工业大数据的价值痛点

    20 世纪 80 年代初,当美国汽车产业开始逐渐意识到与日本产业之间的竞争时,自动化、机器人视觉等技术相继获得重视,美国品质革命就此开始。在此期间,李杰教授先后在美国自然科学基金会(NSF)、美国联合技术公司(UTRC)担任研发要职,主持研发了普惠发动机、奥迪斯电梯等新一代产品和项目,并资助了包括增材制造(3D 打印)与纳米制造等多个项目。


    众所周知,大数据的来源之广、历史背景之深共同组成了“大”的特性。但相比于互联网大数据,工业大数据来源于供应链和制造流程等众多环节,其特性更聚焦在问题点,而不是需要点。


    “互联网大数据是从数据中找寻还未产生价值的东西,工业大数据则是从痛点中寻找怎么避免让你‘痛’的东西。”李杰教授解释道,工业大数据与互联网大数据最大的区别在于工业大数据有非常强的目的性,而互联网大数据更多的是一种关联的挖掘,是更加发散的一种分析。


    换句话说,相比于互联网大数据通常并不要求有多么精准的结果推送,工业大数据对预测和分析结果的容错率远远比互联网大数据低的多。互联网大数据在进行预测和决策时,仅仅考虑的是两个属性之间的关联是否具有统计显著性,其中的噪声和个体之间的差异在样本量足够大时都可以被忽略,这样给出的预测结果的准确性就会大打折扣。但是在工业环境中,如果仅仅通过统计的显著性给出分析结果,哪怕仅仅一次的失误都可能造成严重的后果。


    李杰教授曾提出一个“煎蛋模型”,来阐述产品与服务价值之间的关系。蛋黄代表的是产品自身,其差异性程度并不明显,例如一台电视机在挡住了 Logo 之后就很难被区分出来是哪家公司生产的。而蛋白所代表的价值却是差异化的重要体现,也是企业的品牌和可持续性价值的所在。而数据将成为挖掘这些价值的重要手段,其主要体现在:


    1、利用数据挖掘在使用中获得新的知识和技术对现有产品进行改进;


    2、利用数据去发现和定义用户未知的需求;


    3、以数据为媒介向用户提供增值服务。


    经验可以传承,但无法长久传承,但具有逻辑性的数据可以传承。煎蛋模型,就是从大问题导向到大价值导向。蛋黄是大问题,蛋白是大价值。数据是从大问题开始,但它绝对不是目的,必须要做到大价值并发挥最好的作用。


    就在不久前,由工业和信息化部指导,中国信息通信研究院、工业互联网产业联盟主办的第二届工业大数据创新竞赛决赛答辩正式落下帷幕 [注]。作为竞赛连续两年评审团的专家,李杰教授在倍感欣慰的同时也深有感触。高校参赛者的基础算法能力虽不容小觑,但是由于没有基础数据,项目构建过程中仍有很多问题。对此,李杰教授总结道,若要真正实现智能制造,我国仍需要一批工业大数据的年轻生力军,下到工厂,让算法的能力补偿有经验的专家,相互结合补充,共同助力工业智造高质量发展。


    工业智造关键要素 ABCDE

    传统人工智能概念始于上世纪 50 年代。半个多世纪以来,人类利用自然语言、神经辨识、神经网络或形象辨识等方法,让机器学习规律,进而提供广泛维度解决方案。相较于前者,工业人工智能隶属垂直领域,其属性聚焦于工业制造系统,涉及汽车、飞机、轮船等移动工具的安全性、节能性、耗油性,工业制造机器人的稳定性、精密性、风力发电的效益性、节能性等相关课题。


    李杰教授在谈到工业人工智能的关键要素时说道,工业人工智能可以用“abcde”的特征进行分类,这些关键要素包含分析技术 (Analytics Technology),大数据技术 (Big Data Technology),云或网络技术 (Cloud or Cyber Technology),专业领域知识 (Domain Knowledge),证据 (Evidence)。


    分析(A)是 AI 的核心,它只有在其他要素都存在时才能产生价值。大数据(B)与云(C)是提供数据来源和工业人工智能平台必不可少的两个要素。然而,专业领域知识(D)和证据(E)也是常常被忽略的两个重要因子。专业领域知识(D)是下列事项的关键要素:


    1、了解问题并专注于利用工业人工智能去解决它;


    2、理解系统以便于收集正确且高质量的数据;


    3、了解参数的物理含义以及它们如何与系统或流程的物理特性相关联;


    4、了解这些参数因机器而异。


    证据(E)也是验证工业人工智能模型以及它们与累积学习能力相结合的重要要素。收集数据形态模式及与它相关联的证据,我们才能改进 AI 模型使之更加准确全面并且与时俱进。这也是当代人工智能、工业大数据领域从业者需要具备五个重要资质。


    现如今,人工智能时代已悄然来临,机遇就在前方,发展就在脚下。但自 AI 热潮掀起以来,业界对于人工智能取代人类工作的讨论就没有停止过。对此,李杰教授表示人工智能并不是取代人,而是在做人类做的不好,或者人类不想做的事情。


    早在上个世纪 80 年代的美国,人工智能就已应用在一些简单的控制领域,包括机器人,机器视觉,形象识别等技术。而机器人智能化并不是要取代人们工作,而是帮助人找到一个更高效、更灵活、更健康的环境。当业务的空间维度高,复杂性高,不确定性高的时候,人工智能就可发挥自身优势,协助人类进行工作。


    [注]:2019 年 1 月 13 日,由工业和信息化部指导,中国信息通信研究院联合工业互联网产业联盟、华为、富士康、积微物联共同主办的第二届“中国工业大数据创新竞赛”决赛答辩会议在中国信息通信研究院隆重举行。


    竞赛自 2018 年 11 月启动以来,吸引了来自海内外近 3000 名参赛选手。两道竞赛题目分别为“钢卷仓储吞吐量预测”和“刀具剩余寿命预测”,由清华大学软件学院王建民院长和美国智能维护系统(IMS)中心主任、富士康工业互联网副董事长李杰教授分别担任专家组组长。联合主办方华为公司也为竞赛提供了云计算资源和华为云 EI 机器学习服务的支持,富士康和积微物联分别提供了真实数据资源和应用场景。同时,竞赛也得到了北京工业大数据创新中心、昆仑数据、天泽智云、美国国家仪器、ABB、蒂森克虏伯等国内外企业和研究机构的大力支持。


    2019 年 1 月 22 日 15:135652
    用户头像

    发布了 35 篇内容, 共 14.8 次阅读, 收获喜欢 35 次。

    关注

    评论 2 条评论

    发布
    暂无评论
    发现更多内容

    堪称最全的JAVA开发手册(基础+框架+分布式微服务+调优)

    Crud的程序员

    Java 程序员 架构

    【百度技术分享】San介绍以及在百度APP的实践

    百度Geek说

    Java JavaScript feed

    百度亮相全球量子信息处理顶会QIP2021 推动全球量子科技进步

    爱极客侠

    第十一周作业&总结

    胡益

    函数式编程Stream接口真的有那么好用吗?

    码农架构

    Java 程序员 Java 8 架构·

    Kafka消费者提交消费位移时提交的是当前消费到的最新消息的 offset 还是 offset+1?

    码农架构

    Java kafka 程序员 架构 消息中间件

    Kafka在哪些场景下会造成重复消费或消息丢失?

    码农架构

    Java kafka 程序员 消息中间件 架构·

    重磅发布 | 2021年OpenAtom XuperChain开源技术路径

    百度开发者中心

    百度 #区块链#

    LoraWan的第一个网关与设备

    LanLiang

    物联网 IoT ChirpStack LoraWan

    “双循环”下的数字货币棋局

    CECBC区块链专委会

    数字货币

    通过配置开关 Spring Boot 中的 @Scheduled 定时任务

    码狐

    Java 定时任务 springboot

    第一次凡尔赛,字节跳动3面+腾讯6面一次过,谈谈我的大厂面经

    Crud的程序员

    Java 编程 架构 java面试

    Clubhouse是个啥?一夜爆火一码难求

    架构精进之路

    七日更 2月春节不断更 clubhouse

    为什么联盟链系统没有“激励”?

    CECBC区块链专委会

    区块链

    Spring Boot 微服务性能下降九成!使用 Arthas 定位根因

    Java架构师迁哥

    Kafka生产者哪些重要的参数是我们需要注意的?

    码农架构

    Java kafka 程序员 消息中间件 架构·

    商务部CECBC专委会-商务联络部长王聚师:中医国际化的数字创新密码

    CECBC区块链专委会

    数字

    微服务调用链日志追踪分析

    Java王路飞

    Java 程序员 架构 面试 微服务

    LeetCode题解:529. 扫雷游戏,BFS,JavaScript,详细注释

    Lee Chen

    算法 LeetCode 前端进阶训练营

    即构发布 LCEP 产品「RoomKit」 ,实现房间内0代码接入

    ZEGO即构

    SDS离全面EC(纠删码)还有多远?

    XSKY融合存储

    存储

    5年crud经验,三个月啃透888页Java王者级核心宝典,翻身阿里p7

    周老师

    Java 编程 程序员 架构 面试

    【得物技术】AB实验设计实现与分流算法

    得物技术

    算法 AB AB testing实战 实现 得物技术

    JDK1.8升级这么久!Stream流的规约操作有哪些?

    码农架构

    Java 架构 jdk 函数编程

    日记 2021年2月5日(周五)

    Changing Lin

    个人感悟 2月春节不断更

    架构师week11 作业

    Geek_xq

    🎨 HTTP 协议的前世今生

    飞天小牛肉

    Java 程序员 面试 计算机网络 2月春节不断更

    架构师week11总结

    Geek_xq

    用 JSX 实现 Carousel 轮播组件

    三钻

    前端 组件化 前端进阶 JSX

    阿里新晋 CNCF TOC 委员张磊:“云原生”为什么对云计算生态充满吸引力?

    阿里巴巴云原生

    云计算 容器 微服务 云原生 cncf

    anyRTC新春大礼包

    anyRTC开发者

    音视频 WebRTC RTC

    2021 ThoughtWorks 技术雷达峰会

    2021 ThoughtWorks 技术雷达峰会

    40年工业大数据研究,这位科学家总结了5个关键要素-InfoQ