在巨量原料与工序混合交织的生产场景下,良率的提升一直是老大难问题。数据“记不全、易出错”且数据间呈现高相关性时,传统人工与人机协同的方式深陷溃败,怎么办?讯能集思带来基于AIoT融合技术的「先进品质与能耗管理」解决方案,帮助一家水泵业龙头大厂实现数字化升级,质化+量化均收效明显。




|与元宇宙相对相向的AIoT


当人们在谈论元宇宙的发展时,其实习惯于从虚拟世界来看问题:从互联网看入口,从游戏看构造,从动漫看内容,可实际上推动真正意义上的元宇宙,都不在上述,而在以「AIoT」为主导的现实世界


在AIoT的定义下,现实世界被接入到网络中,通过人工智能赋予物品虚拟化的人格,通过传感器赋予物品感知,通过通信将物品连接,由此新建出人与物、物与物连接的数据世界,此世界即为元宇宙的“本元”。


人工智能让物具备人的智能,物联网让物和物、物和人连接;结合AI与IoT技术,通过物联网产生、收集海量的数据,并将这些数据存储于云端、边缘端,再通过大数据技术和人工智能技术,实现万物数据化、万物智联化。可以说,让物和人拥有同等的智能就是AIoT的终极目标。



可是,拥有了智能后可以干什么呢?随着AIoT的发展完善,人们逐步也有了一些共识,那就是AIoT=AI+IoT+场景,我们应该注意到,除了负责智能的AI,负责万物互联的IoT外,还需要有落地的场景,这里的场景才是AIoT应用的星辰大海。


|AIoT的终极阻碍


在进入AIoT的星辰大海前,我们还是有一些现实问题需要解决。

回到构造层面说,数据是驱动能源,算法从数据中挖掘信息和知识帮助我们开发人工智能功能,继而智能功能加持的物联网终端成为新的场景

新场景也孕育着新应用,同时在云端、边端和终端侧积累与存储了海量的数据,且这些数据随着时间的推移还在不断积累。海量的数据为数据分析、数据挖掘和人工智能提供了大量素材,成为和石油、煤炭一样属性的资源。

随着应用的普及而实现指数级别的增长,数据甚至能够加速再生。人类的难题不再是信息不足,而是数据爆发带来的信息冗余、信息过载,以及非结构化数据弱相关性导致的无关数据。



IoT是可以通过信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术,实时采集任何需要监控、连接、互动的物品或过程的相关信息。但是放在实际场景中,对声、光、热、电、力学、化学、生物、位置等方面的信息收集,深度、广度、颗粒度都有待在反复试验中,形成最佳实践。说白了,人类的难题是如何处理这些信息以分辨有用与无用的信息、得出有效结论、开发出新功能


|讯能集思AIoT解方的价值


客户背景:


中国泵行业某上市公司,拥有员工近5000人,2020年实现营业收入155.5亿元。

产品在民用给排水、农业灌溉、工业水处理、水利建设等关键领域发挥着至关重要的作用。公司系国家智能制造试点示范企业。

(“十四五”智能制造规划500家之一)

客户痛点:

  • 需要抓取的原料、工序、流程数据众多,以往均为人手记录,易记错,记不全。

  • 各原料、工序与流程数据间的呈高度相关性,人工无法计算,无法找到关键质量异常原因。

  • 人工经验决定应变措施,无法判断措施好坏,更没有科学的依据。



我们可从项目前期调研中可知,在铸造工艺全过程对应所要收集的数据项目繁杂多样,明目众多,以最简洁维度归纳的话,可表达为原料与工艺众多,通过IoT的方式,是能够收集到生产完备的数据。但要系统层面实现能够对压力、流量、温度和振动等参数进行监测;能够对泵的轴、轴承和密封的状况进行评估;能够对故障的原因进行诊断等,则需要人工智能的深度介入,完成数据挖掘,真正地价值化。

但是在人工智能应用数据方面,项目前期遭遇了三大方面的问题:

1、算法与数据间的选择题

大多数数据集呈现的是中小型数据集,虽然在IoT的帮助下,数据会持续地产出,但是大多数据都是异构数据,需要在大批量学习下进行预处理,尤其是需要我们在算法优化与数据收集间做好选择题。


2、数据噪声、脏数据、无关特征

巨大的数据量,算法在执行时,偶有错误地添加非关联性的样本,需要进一步优化算法,排除噪声。对于源系统中的数据不在给定的范围内或对于实际业务毫无意义,或者数据格式非法,以及在源系统中存在不规范的编码和含糊的业务逻辑的数据集,统称为脏数据,则需要数据科学家从项目之初,设置数据规则排除掉。另外,无关特征的数据亦同理,只是排除环节发生在导入算法之初。

3、过度拟合

过度拟合是机器学习算法中比较突出的问题,一般有三个方式解决:简化模型、获得更多数据,减少噪声干扰。此次是讯能集思团队通过反复试验,以多种混合的处理来解决过度拟合问题。



最终以良率提升为终,针对泵厂现存生产与数据状况,讯能集思设计了基于智能网关ODIN+IoT管理平台+JarviX数据分析平台的AIoT自适应系统


自适应系统的方法论源于AI分析方法论「精进回圈」,具体落地分为以下三步:

一、聚合

过通智能网关ODIN+IoT管理平台聚合产线工艺上的物理数据,并整合各应用数据流程数据等虚拟数据,实现对有效数据的实时监控。

二、分析

在完成数据整合后,导入JarviX数据分析全流程平台,借助算法+人工智能建模进行异常分析,找出关键因子。

我们前面所说,数据间呈现高度的关联性,是人力所不能计算的问题,在JarviX平台就能实现有效的大数据根因分析。

三、洞见

JarviX平台完成异常分析,但数据出现异常时,系统会主动预警,实时对物理产线台机的实时控制。

「聚合、分析、洞见」跑完的一轮轮中,不断迭代升级,不断让生产良率逼近最佳,因此我们也将此基于AIoT技术的反馈系统称之为“自适应系统”。



在导入本次智能工业制造自适应系统后,本阶段所收获的效益如下:

质化效益:

1、质量:工艺参数与质量检测结果关联并建立模型后,可优化工艺参数,并可快速追溯质量异常的原因;紧实率在不同温湿度条件下实现动态优化。

2、能耗:通过减少废品数量与调整出炉温度来达成。

3、人工:将人力目检全检依据检出率下降程度改为动态抽检。

量化效益:

1、与工艺相关不良减少30%

2、产品整体合格率提升1-2%

3、铸造厂电费减少3-5%

4、目检人力减少50%

案件分享到此,从技术层面总体上看,AIoT代表了一种技术融合的趋势,它结合了人工智能、大数据服务、云计算、边缘计算、物联网、通信技术等技术。

相信你也感觉到了,当下的科技革命名词太多了,我们需要在其中寻找一个标志物串联起所有的革命,AIoT技术可以说就是第四次工业革命的标志物,而它的能源驱动力,毫无疑问就是数据。这也正是讯能集思为客户带来的核心价值——以标准化方式让数据产生价值,让用户以低成本、可规模化方式在JarviX平台上开发分析应用,大幅降低分析成本。



下载当决策AI走入EMS大厂:赋能一线 重塑组织
  • 名字*
  • 姓氏*
  • 手机号码*
  • 公司名称*
  • 公司电子邮件地址*
  • 职位名称*
  • 网站URL*
  • 国家*
    请选择
    • 阿富汗 (افغانستان)
    • 阿爾巴尼亞 (Shqipëria)
    • 阿爾及利亞 (الجزائر)
    • 安道爾共和國 (Andorra)
    • 安哥拉 (Angola)
    • 安歸拉島 (Anguilla)
    • 南極洲 (Antarctica)
    • 安地卡及巴布達 (Antigua and Barbuda)
    • 阿根廷 (Argentina)
    • 亞美尼亞 (Հայաստան)
    • 阿魯巴島 (Aruba)
    • 亞賽拜然 (Azərbaycan)
    • 巴哈馬 (Bahamas)
    • 巴林 (البحرين)
    • 孟加拉 (বাংলাদেশ)
    • 巴貝多 (Barbados)
    • 白俄羅斯 (Белару́сь)
    • 比利時 (België)
    • 貝里斯 (Belize)
    • 貝南 (Bénin)
    • 百慕達 (Bermuda)
    • 不丹 (འབྲུག་ཡུལ)
    • 玻利維亞 (Bolivia)
    • 波士尼亞-赫塞哥維納 (Bosna i Hercegovina)
    • 波札那 (Botswana)
    • 布干維島 (Bouvet Island)
    • 巴西 (Brasil)
    • 汶萊 (Brunei Darussalam)
    • 保加利亞 (България)
    • 布吉納法索 (Burkina Faso)
    • 柬埔寨 (Kampuchea)
    • 加拿大 (Canada)
    • 中非共和國 (République Centrafricaine)
    • 查德 (Tchad)
    • 中國 (中国)
    • 科克群島 (Cocos Islands)
    • 科摩洛 (Comores)
    • 科克群島 (Cook Islands)
    • 克羅埃西亞 (Hrvatska)
    • 古巴 (Cuba)
    • 丹麥 (Danmark)
    • 吉布地 (Djibouti)
    • 多明尼克 (Dominica)
    • 多明尼加共和國 (Dominican Republic)
    • 東帝汶 (Timor-Leste)
    • 厄瓜多 (Ecuador)
    • 赤道幾內亞 (Guinea Ecuatorial)
    • 厄利垂亞 (Ertra)
    • 衣索比亞 (Ityop'iya)
    • 法羅群島 (Faroe Islands)
    • 芬蘭 (Suomi)
    • 法國 (France)
    • 法屬圭亞那 (French Guiana)
    • 法屬波里尼西亞 (French Polynesia)
    • 法屬南部屬地 (French Southern Territories)
    • 加彭 (Gabon)
    • 甘比亞 (Gambia)
    • 直布羅陀 (Gibraltar)
    • 希臘 ('Eλλας)
    • 瓜達羅普 (Guadeloupe)
    • 瓜地馬拉 (Guatemala)
    • 宏都拉斯 (Honduras)
    • 中國香港(HongKong)
    • 匈牙利 (Magyarország)
    • 冰島 (Ísland)
    • 印度 (India)
    • 印尼 (Indonesia)
    • 伊朗 (ایران)
    • 伊拉克 (العراق)
    • 以色列 (ישראל)
    • 牙買加 (Jamaica)
    • 日本
    • 約旦 (الاردن)
    • 哈薩克 (Қазақстан)
    • 肯亞 (Kenya)
    • 吉里巴斯 (Kiribati)
    • 科威特 (الكويت)
    • 吉爾吉斯 (Кыргызстан)
    • 拉脫維亞 (Latvija)
    • 利比亞 (ليبيا)
    • 列支敦士登 (Liechtenstein)
    • 立陶宛 (Lietuva)
    • 中國台灣(Macao)
    • 尼泊爾 (नेपाल)
    • 尼加拉瓜 (Nicaragua)
    • 尼日 (Niger)
    • 奈及利亞 (Nigeria)
    • 北韓 (조선)
    • 北馬里亞納群島 (Northern Mariana Islands)
    • 阿曼 (عمان)
    • 巴基斯坦 (پاکستان)
    • 帛琉 (Belau)
    • 巴勒斯坦領土 (Palestinian Territory)
    • 巴拿馬 (Panamá)
    • 巴布亞紐幾內亞 (Papua New Guinea)
    • 巴拉圭 (Paraguay)
    • 皮特康 (Pitcairn)
    • 波蘭 (Polska)
    • 波多黎克 (Puerto Rico)
    • 卡達 (قطر)
    • 俄羅斯 (Россия)
    • 沙烏地阿拉伯 (المملكة العربية السعودية)
    • 所羅門群島 (Solomon Islands)
    • 南非 (South Africa)
    • 南喬治亞與南桑威奇群島 (South Georgia and the South Sandwich Islands)
    • 南韓 (한국)
    • 西班牙 (España)
    • 冷岸及央棉群島 (Svalbard and Jan Mayen)
    • 史瓦濟蘭 (Swaziland)
    • 台灣
    • 坦尚尼亞 (Tanzania)
    • 多哥 (Togo)
    • 托克勞群島 (Tokelau)
    • 東加 (Tonga)
    • 千里達與托貝哥共和國 (Trinidad and Tobago)
    • 突尼西亞 (تونس)
    • 土耳其 (Türkiye)
    • 土庫曼 (Türkmenistan)
    • 土瓦魯 (Tuvalu)
    • 阿拉伯聯合大公國 (الإمارات العربيّة المتّحدة)
    • 美國 (United States)
    • 美屬外部小群島 (United States minor outlying islands)
    • 未知的國家
    • 委內瑞拉 (Venezuela)
    • 美屬維京群島 (Virgin Islands, U.S.)
    • 瓦利斯群島和富圖納群島 (Wallis and Futuna)
    • 西撒哈拉 (الصحراء الغربية)
    • 尚比亞 (Zambia)
    • 辛巴威 (Zimbabwe)
  • 您的信息*
为了提供你要求提供的内容,我们需要储存和处理你的个人资料。如果您同意我们就此目的储存和处理你的个人资料,请勾选下方的核取方格。
我同意收取来自讯能集思的信息和通知。
若要进一步了解如何取消订阅、我们处理隐私的做法、我们如何致力保证和尊重你的隐私,请检阅我们的《隐私政策》。
你可以随时取消订阅这些信息和通知。