天泽智云:开启工业智能新范式 让工业无忧

2018-12-26  |  作者:程梦瑶  |  来源:数据之翼  |  浏览:

进入2018年8月,天泽智云已经进入了第12个无忧工业场景的打造,这些场景都在国内,覆盖能源、轨道交通、钢铁制造、数控机加工等。

有人说,中国工业软件的发展是一份从未上交的答卷。最痛,却无医可疗。今天,几乎每一件工业品都是工业软件的结晶,每一台设备离开了软件几乎无法运行。犹如一把达摩克里斯之剑,工业软件之痛长悬于中国智能制造之项顶。
 
伴随着时代的更迭,数字化、网络化和智能化深入人心,当众人沉迷于大数据、人工智能、工业互联网等炙手可热的名词,并以此为视角去解读行业应用趋势时,真正的场景化应用还只是处于初期阶段。
 

将AT和IT技术融入工业场景之中

 
“在工业智能落地的过程中,我们其实是很有场景化能力的一批人。”北京天泽智云科技有限公司技术研发副总裁金超如是说。
 
“我们的目标是把PHM这样一个非常专业且目前只有少数人掌握的技术,通过更加系统化的流程设计和辅助工具,降低开发门槛,未来让更多的业务专家、运维工程人员也可以独立完成模型开发,使其更广泛地适用于工业场景之中。”天泽智云CTO刘宗长进一步阐述了天泽智云的使命所在。
 
通俗来讲,PHM是指故障预测与健康管理,它强调资产设备管理中的状态感知、数据监控与分析预测。PHM探索的是,如何通过机器数据分析、判断发生故障前衰退的征兆并预测未来的生命周期表现。其目标是,将设备故障后维修变成预测性维护,并结合生产维护排程,在资源效率最优、成本最小的情况下完成设备维护,最终实现近零停机的智能维护系统。
 
天泽智云,工业智能实践者
点击图片查看PHM更多解读
 
作为PHM技术应用研究的领导者,美国智能维护系统中心(IMS)在工业智能领域积淀深厚,而天泽智云的核心研发人员大多曾在IMS从事过多年的应用型研究和大量的工程化实践。
 
“与数学、物理等这些学科不同,PHM是多学科交叉的系统性工程学科。它来源于产业界,且必须要工业界买单,才能证明它的价值所在。在这个技术体系里,哪些技术是真正适合工业界的,哪些技术能适用于正确的场景,我们是非常了解的。”
 
作为核心研发成员,金超表示,基于IMS期间参与工业项目的实践经验、部署方法论以及工程应用成果,也正在逐渐转化为公司的体系化能力。 
 
与实验室做技术研究不同,如何为工业企业用户提供合理高效的智能化解决方案,是天泽智云要实现核心技术走向应用落地的关键。其核心要义在于,如何将AT智能建模技术和IT计算机科学技术有效地融入工业应用场景之中。
 
“我们将天泽智云的体系化能力总结为工业智能的AT、DT、PT、OT。”金超介绍道:“即AT建模分析技术、DT数据管理技术、PT平台技术和OT运营技术。我们在继承和发展了IMS的AT和OT技术的同时,在这几年的商业化道路上,又迅速地补全了DT和PT技术。” 
 
“将这些跨学科的技术进行有机地整合,这才是我们认为实现工业智能的基石。”金超补充道:“将IT技术和AT技术整合在一起,服务于用户的业务流程,将数据转化为知识,将知识转化为决策,最终实现价值。我们理解的工业智能,强调的是能力交付,而不仅仅是采购的一套技术系统。”
 

实现无忧工业生产与运营

 
天泽智云创立以来,致力于通过人工智能技术弥补工业系统中还未被定义或解决的核心痛点问题。
 
“工业智能的本质在于如何能从数据中挖掘价值,从数据到价值的闭环过程,是做应用的公司想要缩短的链路。做应用首先要准确定位问题,这个问题要直接能够对应用户的痛点,而解决这个痛点的过程,其实就是价值实现的过程。”刘宗长谈到。
 
在工业智能化过程中,要直面碎片化、个性化和专业化带来的挑战。
 
天泽智云
金超进一步解释道:“碎片化主要体现在,工业领域产生的问题十分庞杂,仅解决一些点上的问题很难实现系统性地提升(实现1%的价值提升需要系统性地解决10个0.1%的问题)。而不同的应用场景产生的问题差异性比较大,即便是在同一行业,用户的定制化需求也十分明确。另外,要解决工程系统中的问题,很大程度上依赖于专家经验,缺乏跨学科人才。这些问题为工业智能服务的规模化带来了很大挑战。”
 
因此,如果要打通从数据到价值这条链路,需要通过全栈式和系统性的解决方案来疏导企业智能化过程中的技术或能力的瓶颈。这套方案需要具备三个方面的核心能力:其一,数据接入与管理;其二,数据分析与建模;其三,模型与业务融合。
 
所以,降低工业智能和大数据应用的高门槛是其中的关键,这样可以为工业界输送更多拥有面向工业问题进行数据分析和建模能的人才。
 
2017年12月1日,天泽智云正式发布了首款工业智能应用孵化器GenPro产品。这是天泽智云为工业企业实现智能化量身定制、度身打造的建模分析平台。随着这款产品的问世,让工业智能普适化,从而实现无忧的工业生产与运营,不再是不可触达的梦想。
 
天泽智云
从产品设计上看,GenPro具备五大特点:
 
第一、端对端的建模支持。平台内置丰富的机理分析和机器学习建模组件,完整覆盖数据预处理、特征工程、模型训练、模型评估等建模环节。
第二、融入领域知识的行业组件。将天泽智云在轴承、风电等行业的建模经验转化为平台算法组件,降低用户建模门槛,提升建模效果。
第三、丰富的工业智能建模模板。为典型行业和工业建模场景提供建模模板,固化成熟的技术路径,支撑模型快速原型化。
第四、“拖拉拽”画布式建模。简单直观的建模流程画布和可视化图表,所见即所得。
第五、生产环境无缝对接模型快速部署。在GenPro开发的模型可快速部署至CyberSphere模型运行引擎中,接入实时数据流并根据用户设定的调度策略给出计算结果。
 
GenPro融合了天泽智云深厚的行业知识与建模经验,能够帮助工业企业快速实现数据分析与建模能力。2018年,天泽智云还陆续推出了EdgePro和CyberSphere两款产品,旨在解决数据接入与设备管理、快速灵活部署模型等问题。
 
“工业智能要落地需要的是灵活部署的智能系统、能够融合专业知识的同时具备一定通用性的解决方案。”金超补充道。
 
“我们不怕场景的多样化和需求的个性化,但定制化是失败的道路。我们目前在做的产品,都在遵循平台化+组件化的方式,只有这样我们10年100个工业场景的目标才有可能实现。”刘宗长总结道。
 

打造工业“杀手级”应用

 
做深做实技术研究与拓宽工业应用场景,二者并行不悖。
 
从2011年GE智能数控磨床健康监控与预诊、上银科技线性传动系统健康预测,到2013年上海电气风场智能维护、2014年中国船舶SOMS智能船联合开发到2017年参与中国中车动车组PHM系统开发等,天泽智云核心技术团队曾参与过的工业项目遍布全球,应用领域涉及能源、智能制造、轨道交通、装备制造、工程机械、海洋工程、电子制造等行业。
 
天泽智云
“天泽智云的长期目标是十年实现100个无忧工业场景。我们不仅关注智能算法和建模技术本身的研究,更关注技术和工业领域知识的结合。比如在风电领域,我们不仅关注风机的故障预测,更深入了解了业务流程,把设备的故障预测和客户的维护排程策略关联起立,让PHM能真正指导客户的运营活动,为客户的业务带来有效的价值。”
 
近年来,天泽智云的场景化能力已经逐渐得到用户的认可,“每个项目启动之前,我们都要进行大量的用户需求调研,挖掘出企业的隐性问题和用户的隐性需求,在这个基础之上再给出方案。这是一套成功的工业智能化项目的必备前提条件,然而在工业AI领域里又非常稀缺的一项能力。”金超谈到。
 
经过一年多时间的迭代,天泽智云已基本完成了平台架构的设计与搭建,“我们现在开始做以PHM为核心的‘杀手级’应用。什么叫‘杀手级’应用?其实就是具备快速和规模化复制的行业级应用,它可以迅速产生价值。而且很多都是轻量化的。”
 
正如刘宗长所言,这种应用以一种零进入成本的产品形态,将工业领域专家和技术专家汇聚到同一个平台,打通技术和系统的壁垒,将迅速驱动工业领域ROI的提升,并将衍生出大量可持续发展和创新的商业模式。
 
接下来,“我们将不断完善这些‘杀手级’应用,通过平台的方式不断累积用户和培育开发者,让大家更清晰地理解和应用工业大数据,并促进工业智能应用开发的分工和生态体系。促进中国的工业企业携手共同实现世界级领先的工业智能化。”
 
刘宗长表示,现在是天泽智云在提供应用开发和运营服务,未来希望更多人能够基于天泽智云提供的平台和工具,共同为我国工业实现智能化转型与升级提供高价值的服务。
 

访谈实录

 
Q:中国大数据产业生态联盟 、《软件和集成电路》杂志社
A:天泽智云CTO 刘宗长博士、天泽智云技术研发VP 金超博士
 
Q:如何理解PHM?
 
金超:天泽智云的核心技术——工业智能的关键组成部分之一是故障预测与健康管理,或称之为PHM。PHM是从可靠性分析学科中衍生出来的,是工程师们为了理解复杂工程系统老化过程、并且预测它们的故障时间而产生的一门多学科交叉的系统工程学科。传统的可靠性评估是利用统计方法估算某一产品的平均使用寿命,由于这种统计意义代表的是“通常使用情况下的期望寿命”,因此更多被用于系统设计阶段的 评估与优化,很难在实际运行中提供精准的决策支持。
 
随着工程系统复杂度的增大和任务场景的多样化,传统的评估方法难以保证不发生意外故障,PHM技术的诞生,正是为了解决这一问题,在健康管理(HM)中,加入故障预测技术(P),让用户更精确地管控维护排程时间,从而在减少维护冗余的同时避免非预期的故障发生,降低成本,提高效率。PHM应用对象的针对性和解决问题的收敛性,决定了做PHM一定要从问题出发。
 
刘宗长:我们现在做的不仅仅是局限于PHM,PHM可以变成工业互联网里衍生无数“杀手级”应用的核心支撑技术,而不再是一个应用。
 
因为透明化的设备状态是支持其他应用的重要输入和决策变量,企业关注的是如何提升综合运营效率、降低运营成本,我们要帮助企业基于设备的健康管理和预测去做一些优化。PHM这部分做得越好,支持决策所得到的信息就越准确,所以PHM是一个基础。
 
Q:对工业智能的发展趋势,有何看法?
 
金超:从工业智能技术的角度看,比较明显的一个趋势会是,机器学习算法的开源化和智能建模的工具化,会让预测性建模的门槛越来越低,并逐渐形成社区,数据科学家与有智能建模需求的用户之间的距离会被拉近。对于技术本身,大家会更重视数据分析技术中对数据质量的管理和工具适用性的研究,并与领域知识相结合。
 
在未来几年内,很可能会出现越来越多典型场景的基线数据集。虽然由于工业中数据敏感,数据量有限,可能无法做到类似ImageNet的广度,但具备行业属性的场景选择方法、典型特征工程方法以及算法选择原则,会逐步形成“套路”,分析方法逐渐趋同,同时准确率也会趋于稳定,形成行业共识。
 
提供智能服务的公司的重心,会从零到一的“智能”,转移到从一到一百的“服务”,市场能力、产品的用户体验以及与业务逻辑的整合深度,将决定提供工业智能服务类公司能够分得的蛋糕大小。
 
Q:在工业互联网领域,国内外发展的差异性体现在哪些方面?
 
刘宗长:工业智能技术的落地场景主要来自国外,但在国内能够得到规模化应用。因为中国的应用场景特别丰富,市场体量也很大。所以在场景丰富度和市场规模上,国内外差异性比较明显。
 
另外,国外企业的管理模式相对成熟,成熟的另一面是相对比较保守,而国内则相对开放和灵活。我们现在谈工业互联网,以及衍生出相关的技术、平台和生态,国内的接受程度远远高于国外。
 
Q:天泽智云提出打造十年打造100个无忧工业场景,目前进展如何?
 
刘宗长:进入2018年8月,我们已经进入了第12个无忧工业场景的打造,这些场景都在国内,覆盖能源、轨道交通、钢铁制造、数控机加工等。针对这些应用场景,我们总结了三个方面的共性需求:零意外停机、零随机缺陷和零隐性浪费。
 
工业领域过去关注两个方面,第一个是可制造性,运用多种建模手段,通过对物理指标的仿真等,确保产品能够制造出来。但有些问题还是难以被发现和关注,最终导致在仿真中有效的模型,到实际生产中仍可能会产生产品缺陷。
 
第二是生产系统设计,大多数企业会用到仿真软件,但无论怎样设计产线,都很难确保设备零意外停机地无间断运行。最主要的原因是设备都会发生衰退,当衰退积累到一定程度就会停机,进而生产线停止,最后导致之前的数据模型失效。所以我们发现,产品的设计建模与实际生产制造中间存在一个很大的差距,这些差距就是工业企业们的忧虑。
 
如何把这些忧虑从原本不可见变得可见,通过数据分析和智能技术去管理并避免这些忧虑,即将设备中所有造成停机、缺陷和浪费的风险都加以控制,最终消除所有生产制造过程中的忧虑,这是天泽智云的使命和责任所在,也是我们的技术和能力所发挥的价值所在。
 
天泽智云的这一承诺,也是希望客户与我们共同携手共同推进中国工业智能化的进程。在实现一个个无忧工业场景的背后,是中国的制造技术得以提升、制造智慧得以传承,以及大国工匠精神得以发扬。
 
Q:选择扎根工业领域,有何感受?
 
金超:其实我是当做一种乐趣,在工业智能的落地过程中,我们将之前的研究成果工程化,为用户创造价值,这个过程使我比较有满足感。做的是自己擅长的,也是自己喜欢的。
 
刘宗长:工业领域其实很酷!我们可以走到工业现场,可以看到很多平常看不到的东西,解决一些具体问题。从主观感受上说,我们当初是因为喜欢这件事才去创建公司的。运作公司,当然也要考虑投资回报这件事,但当下,我们先要做值钱的事,再去考虑怎么赚钱。
 
天泽智云logo
 

推荐文章