如何利用物联网数据来构建工业智能

    然后是数据建模。对于故障预测，我们进行了多个模型的选择，尤其是在分类和异常检测方面。分类是要告诉设备是否会坏，这会用到二元分类、回归、多元分类和异常点检测。

    建模后要进行模型评估

    这张图显示的是，在自由的算法包中进行评估来预测下5个小时内发生变速箱过热的概率。右下角是预测的对比值（逻辑回归、增强决策树、决策树、支持向量机）：

    最终评估下来，增强决策树算法在准确性、精准度等拥有很好的表现，所以最后选择用这个算来作为变速箱过热的预测。

    最后是模型部署。做完模型之后，输出的结果是一条记录，例如变速箱在未来5个小时发生过热的概率是多少。这之后有三种选择：第一是和现场维修工单系统对接，第二是把结果推送到系统监控平台，另外也会发邮件提醒给管理人员。

    从目前来看，能做数据采集的公司一般都具备这样的维修工单系统平台。

    变速箱智能化主要给客户带来了四个方面的价值：提升设备、人员的生产力；减少故障停机，提高客户满意度；建立智能码头；构建新的价值体系。

    另外，这个案例还得出了一个结论：如果要做成套设备的话，一定要从组件开始做预测。

    三、通过预测性模型进行刀具故障预测

    在工业制造里面，机床最核心的问题就是刀具问题。实际上，刀具之于机床就如牙齿之于人类，如果刀具发生问题能提前感知，才能第一时间修复。

    如果问题发生之后，再去修复就已经产生了废品，这也会造成更大的损失。

    上图显示的是某公司通过控制器收集了不同机床运行的数据，包括电流、电压等。这里有几个原则：因为影响刀具寿命的变量很多，所以需要人工智能算法来预测；另外，可以和多年经验曲线进行结合；刀具寿命是非线性关系，一定要通过实时数据进行在线学习。

    应用大数据算法形成智能化机床设备管理体系之后，会根据数据建模分为两大问题：第一类，刀具会不会发生故障，第二类是多久发生故障。

    针对第一类问题，用分类模型来解决，例如选择用逻辑回归、决策树还是神经网络来告诉我们会不会坏，如果会坏，就来到下一个问题。预测多久发生故障，则主要用决策树、泊松回归、神经网络回归等来告诉设备提供商设备多久会坏。

    总结

    之前，我们看到的智能算法主要聚焦在商业或者交互领域，现在我们正在尝试把智能算法带到工业领域。

    工业智能，解决问题的算法体系主要分为三大类：第一是预测性维护，这对于基于物理损耗为主的设备是最行之有效的算法；第二类是能效管理；第三类是质量管理。

    精彩问答

    Q：对于流程工业生产环境下的生产设备故障预测，在数据采集汇总阶段，需要考虑哪些因素？或者需要哪些数据输入呢？

    A：这里面有两个层次的问题：第一个是自上而下来做，现在流程工业里面，DCS（雷锋网注：分布式控制系统，Distributed Control System）已经采取了很多数据，现在我们用这些DCS数据，我们可以做一些基本预测性维护；

    第二种是自下而上，以泵为例，DCS有些数据是关于泵的，但是有些数据是没有的，在这种情况下，一定是前装＋后装的方式。前装就是利用DCS固有的数据，后装就是加装一些没有的数据，这样配合才能准确预测泵或者管道的预测性维护的点。

    我认为前装方式所拿到的数据是最好的，后装则更具挑战。

    Q：阿里云正式发布了ET工业大脑。这个大脑目前已经被用在了协鑫光伏工厂里，可以提高1％的生产良品率。常伟老师如何看待这个产品？对传统工厂来说，怎么选择？

    A：阿里云这个是上文提到的第三类解决方案，质量管理方案。对于生产良品率来说，每个工厂都要case by case做分析，对传统工厂肯定需要找一个比较靠谱的方案。

    Q：小型工厂缺乏数据的积累，以您的经验来看，对我们来说接入大数据方案需要考虑哪些问题？

    A：小型工厂我建议采用SaaS解决方案，现在很多服务商提供一些现成的SaaS解决方案，帮助现有的工厂机床、泵等做到云端，然后再来根据数据做分析，对小型工厂来说，这种方案还是比较靠谱可行的。

    Q：国内政府一直在喊数字化转型，从目前来看，国内技术是否成熟了？

    A：从现在来看，尤其是对制造企业而言，技术是比较成熟了，数字化转型无非是数据采集、传输、存储和分析这几块。目前的企业在几部分都有比较成熟的解决方案，不过有些企业的管理水平有待提高。

    大家一直在谈我们的工业水平比较低，现在有一个问题是我们的管理能力是否能支持中国制造2020。

    Q：工业化转型最大的挑战是什么？怎么去克服这些问题？

    A：最大的挑战我们认为有两个方面：一个是人的管理水平；第二个是技术方面的问题。

    觉云有一个客户是做刀具的，通过传统的方式他认为没有法提升了。他们希望通过数字化的方式来提取数据，来告诉他这种刀具在加工哪种材料和工艺是最佳的，这就可以帮助他去挑战国外一些企业。

    目前来看，数字化转型是解决技术问题的主要方式。做数字化平台第一步是建立数字化预测，第二步是数字化工单系统，第三步建立和工艺之间的关系，这几步下来最少要2－3年，所以工厂要对这个周期有一个认知。