<< 返回文章列表

徐培:以数据智能技术助力制造型企业降本增效

2023年5月17日
,
,
z
A
I
o
T
,
,
梁思然
14
 

导语

2023年4月7日,由中国DBA联盟(ACDU)和墨天轮社区联合主办的第十二届『数据技术嘉年华』(DTC 2023) 在北京新云南皇冠假日酒店盛大开启。次日,云和恩墨数据智能产品部总经理徐培博士在“智胜未来:数据技术创新应用”专题论坛上发表了《为数据插上智能的“翅膀”,数据智能技术助力企业降本增效》的演讲。

2023年伊始,云和恩墨在生态产品发布会上正式推出了机器数据智管产品 zAIoT。该产品将物联网、大数据和AI技术融入数据分析能力,为制造型企业的业务场景升级和数据智能转型提供了新的可能。本篇文章将带大家一起回顾徐培博士在DTC上针对 zAIoT 的三项核心技术展开的精彩分享。

DTC2023

行业背景与技术趋势催生 zAIoT

徐培博士首先从前沿的行业和学术视角分析了当下制造型企业的发展生态和转型方向。

物联网和智能制造的行业背景鞭策了我们对 zAIoT 产品的研发”,徐培博士介绍道。在物联网领域,随着国内市场规模的不断扩大,当下的制造型企业期待结合大数据和AI技术,探索进一步释放海量数据价值的可能性;在智能制造领域,国家层面予以了高度重视,并发布相关指导性文件以推动其蓬勃发展。

而AI技术经历了几十年的发展,正处于以知识、数据、算法、算力为基石的第三代人工智能历史方位,在提升可解释性和智能程度的同时,追求更高的可靠性、可信度和扩展性能力。

基于以上两个行业背景和一个技术趋势,云和恩墨将产品面向人工智能未来,以此助力企业客户的智能化转型,因此推出了 zAIoT 产品。

DTC2023

zAIoT 架构与核心技术

“作为数据智能平台,zAIoT 具备物联网、大数据和AI三块核心能力”,徐培博士分享道。物联网能力在实时和离线分析已贴合制造业场景的背景下,提供了海量时序数据的接入、存储和查询能力以及物联场景下边缘端和云端的计算能力。通过结合智能算法,为企业设备的健康运行提供进一步保障。大数据平台能够对接客户已经有的大数据技术平台,提供分布式计算和数据处理任务调度的能力,为访问不同格式的数据提供API接口。AI平台作为 zAIoT 最核心的部分,集成了通用算法模型、行业知识模型和模型训练管理通用算法模型对已有的在机器学习、数据挖掘、NLP等领域的相关算法进行集成和相关适配;行业知识模型对具体的行业中通用的可复制知识进行知识编码和建模;模型管理提供了智能算法模型的管理和对接。

基于以上架构,徐培博士在大会上首次对其中的三项核心技术进行了详细分享:

第一项关键技术是基于SPL和DAG的分布式计算

上图是 zAIoT 的数据处理架构,实时数据会按图中箭头顺序进入分析的流程:实时接入部分负责处理协议的适配和接入;实时分析部分解析接入的实时数据,其中的复杂事件处理器(CEP)可以对数据做基于规则的实时诊断或告警,需要做分析挖掘的时序数据会落盘到离线分析部分的时序数据库当中。SPL和DAG处于离线分析部分,其中SPL是检索处理语言,可以理解为承载各种计算的语法结构,其中包含多种类型算法,如评估函数、时序分析、用户自定义函数、AI算法模型等。SPL承载这些计算或函数后,底层由DAG调度来支持,对SPL的解析结果做底层的分布式算子和缓存。

在技术细节上,SPL的结构类似命令行语句,通过管道技术进行串联。每一条语句通过执行相应的调度,生成数据结果,再依次向下传递。SPL的底层内核由DAG原理支撑,使用分布式算子,执行生成的逻辑和物理执行计划。

该技术使得 zAIoT 能够达到较高的自主可控要求,同时使算法计算耦合更紧密、性能更高。

第二项关键技术是基于小样本(Few Shot)的故障诊断

AI技术的本质是对数据进行分类和识别。在实际生产场景中,常常会出现非理想情况下的负样本远小于正样本的情况。针对这一实际问题,zAIoT 的策略是在产品中植入指标分析的处理函数,同时在具体场景中做故障预测,以给出异常分析

这一技术的具体实现如下图所示,第一步对时序数据采用特征提取的处理;第二步通过关联性分析判断监测出的指标对异常数据是否敏感;第三步,重构小样本分组,利用关联性指标构建相应的适合样本不均匀的熵函数;最后,基于判断结果来做投票,最终形成对时序数据故障诊断的分类结论。

第三项关键技术为智能决策推理引擎。

该技术提升了数据分析结果的可解释性。其具体实现如上图所示,从左至右的路径是对行业机理模型进行知识编码,从而使知识经验数字化,形成图数据、规则库等。从右至左的路径是通过算法和数值计算来实现对传统数据的处理,以此呈现机器数据模型的分布。

以上两条技术路径支持了智能决策推理引擎将行业机理模型的数字化数据样本的计算反馈二者进行结合,能够完善地支撑对数据的演绎/归纳/反绎、增强数据的补缺与增补能力,以及增强数据的可解释性。

DTC2023

zAIoT 的应用案例

演讲的最后,徐培博士从 zAIoT 在大型装备、医疗设备和机械制造三大领域中的落地实践对以上三项核心技术展开了进一步阐释:

  • SPL和DAG技术在某大型装备设计研究所的应用

该研究所的一项具体工作是,各个部门需要同时登录 zAIoT 数据分析软件,对实验过程中的音频、视频和度量数据进行采集和同步。因此,有些部门需要做二级、三级回放,而有些部门需要关注指标是否合理、是否存在故障。在这一情况下,zAIoT 的SPL和DAG的分布式计算技术协调了部门间的进程协作和计算任务的分配,发挥数据中台作用,从而大幅提升了信息部门管理效率。

  • Few Shot在医疗设备远程监控中的应用

针对需要被远程监控的医疗设备数据几乎全部为正样本而缺少负样本的情况,zAIoT 提供的Few Shot解决方案流程如上图所示:首先通过对专家经验进行知识编码形成知识规则引擎,随后系统能够以较的高准确性进行评价评估故障诊断。当运行积累的正负样本达到一定数量后,便会启用模型在线训练,通过增量学习算法对数据进行特征提取。由此,便形成了数据模型规则引擎融合的整体评估系统,以此来对数据做故障诊断并输出结果。

综上所述,该方案通过逐级递增的方式完善了实际场景中负样本缺失时的故障诊断模型。

  • 智能决策推理引擎在某大型机械制造企业厂房态势感知分析的应用

zAIoT 为该大型制造企业提供了厂房的态势感知分析平台,包括对新建的厂房做调度,以及为智慧厂房做数字化建设。此外,该方案还更进一步为企业提供了时序数据的挖掘和决策分析中台。从宏观维度来看(见上图右侧),从物联设备到智能决策,zAIoT 实现了对数据采集和决策;从智能决策到物联设备,实现了将指令通过态势评估后发下发到设备上去,以此实现对设备的控制。

DTC2023

结语

随着近年来数据技术的飞速发展,如何将大数据与AI技术同物联网相结合,从而释放海量数据的巨大价值,成为制造企业实现面向未来的智能化转型关键。云和恩墨自主研发的 zAIoT 以三大数据智能技术,将AI能力注入产业的数据分析管理和决策推理中,助力制造型企业在智能化道路上展翅高飞。