|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。