基于人工智能對(duì)中國(guó)經(jīng)濟(jì)整體影響及行業(yè)規(guī)模數(shù)據(jù)，埃森哲還進(jìn)一步解讀了人工智能對(duì)中國(guó)15個(gè)行業(yè)帶來(lái)的經(jīng)濟(jì)影響。其中，制造業(yè)獲益最多，其次為農(nóng)林漁業(yè)和零售業(yè)。到2035年，人工智能將推動(dòng)這三大行業(yè)的年增長(zhǎng)率分別為2%、1.8%和1.7%。事實(shí)上，人工智能已經(jīng)在中國(guó)的不少行業(yè)中產(chǎn)生“看得見(jiàn)”的效應(yīng)，尤其是制造企業(yè)正將引入人工智能技術(shù)作為轉(zhuǎn)型升級(jí)的必需品。

 

在2017中國(guó)大數(shù)據(jù)應(yīng)用大會(huì)上，美國(guó)辛辛那提大學(xué)特聘講座教授、美國(guó)白宮信息物理系統(tǒng)與美國(guó)挑戰(zhàn)項(xiàng)目顧問(wèn)李杰，分享了對(duì)工業(yè)大數(shù)據(jù)以及人工智能怎么改進(jìn)工業(yè)大數(shù)據(jù)分析的見(jiàn)解。

 

  

工業(yè)大數(shù)據(jù)

 

我在美國(guó)產(chǎn)官學(xué)界工作了三十七年，IMS中心是2000年建立的，目前全球有90多個(gè)企業(yè)伙伴，比如說(shuō)像三菱電機(jī)、GE, 華為、中船、中車、三一重工等等。我們花了15年時(shí)間寫(xiě)出來(lái)的這本《工業(yè)大數(shù)據(jù)》，以前根本沒(méi)有想過(guò)要寫(xiě)這本書(shū)，很多企業(yè)說(shuō)你把他它整理出來(lái)，所以這本書(shū)是2015年在中國(guó)通用電氣公司上海研發(fā)中心發(fā)佈表的，基本上把過(guò)去15年做的方法、思維邏輯可以傳承的東西留下來(lái)了，里邊還有一些案例?！?從大數(shù)據(jù)到智能制造》 這本書(shū)講了很多智能制造的案例，比如半導(dǎo)體、汽車、發(fā)動(dòng)機(jī)、機(jī)器人等都用最新的方法解決過(guò)去人還不能解決的問(wèn)題。

 

《CPS新一代工業(yè)智能》這本書(shū)是2017年新出版的，CPS就是未來(lái)的智能系統(tǒng)不停留在傳感器或者軟件。它是一個(gè)管理系統(tǒng)，汽車跑的時(shí)候碰到一個(gè)坑，下次開(kāi)這個(gè)路一公里前會(huì)告訴你這個(gè)路有一個(gè)坑，然后把這個(gè)再分享給別人，別的車就知道這條路有一個(gè)坑。比如說(shuō)可以省很多油錢，開(kāi)車氣壓不穩(wěn)，你不知不覺(jué)每天就浪費(fèi)五塊錢，一個(gè)月浪費(fèi)一百五十塊錢，一年就浪費(fèi)了一千多塊錢，那么你完全不知道，這時(shí)CPS會(huì)告訴你。

 

現(xiàn)在我們?cè)谧龅墓I(yè)大數(shù)據(jù)，基本上是圍繞工業(yè)問(wèn)題，污染、效率、質(zhì)量、生產(chǎn)這些可見(jiàn)問(wèn)題中找到不可見(jiàn)的問(wèn)題。這些問(wèn)題給了我們很多知識(shí)經(jīng)驗(yàn)，所以數(shù)據(jù)的做法就是把這些問(wèn)題的原因和參考性找到，最后產(chǎn)生價(jià)值。工業(yè)大數(shù)據(jù)常常講一句話，就是”經(jīng)驗(yàn)”到”事實(shí)”的轉(zhuǎn)變，就是我可以把人的經(jīng)驗(yàn)變成可以用數(shù)學(xué)或者數(shù)據(jù)的結(jié)果來(lái)證明的事實(shí)。做產(chǎn)品的企業(yè)比較喜歡集中在產(chǎn)品上，也就是“蛋黃”，發(fā)動(dòng)機(jī)起飛之后，很多的“蛋白”數(shù)據(jù)就出來(lái)了，“蛋白”數(shù)據(jù)可以拿來(lái)分析，可以找到飛機(jī)起飛、落地的原因，它和空氣濕度有關(guān)系，和風(fēng)向有關(guān)系，所以從起飛、飛航、落地三個(gè)階段做歸類，是做維護(hù)還是做安全檢查，這樣就分開(kāi)了，所以數(shù)據(jù)的分類、分割、分享等都可以做好。

 

2005年小松智能維護(hù)大數(shù)據(jù)，但是數(shù)據(jù)量太大，量大不是問(wèn)題，重點(diǎn)是沒(méi)有把數(shù)據(jù)分類、分割、分解，你要把數(shù)據(jù)先分類、分割、分解之后再傳出去做分析，不要所有的傳上去做梳理，這個(gè)很累的。所以我們利用蛋黃、蛋白觀念挖掘數(shù)據(jù)，所以我們把經(jīng)驗(yàn)累積起來(lái)。目前小松用無(wú)人機(jī)把工地建模起來(lái)，工地建模掃描之后，自動(dòng)挖掘機(jī)一個(gè)晚上就把工地挖完了，這就是智能化。

 

輪胎也是如此，輪胎壓力不一樣，跑的時(shí)候也不一樣，怎么調(diào)整就不知道，你一個(gè)月多花一百美金，一年多花一萬(wàn)多美金，由此就可以知道哪一個(gè)輪胎不好，但是這是人根本做不到的事情，我們?yōu)槭裁粗v這個(gè)東西？我們講工業(yè)大數(shù)據(jù)，就是要利用很多數(shù)據(jù)資源，我們可以用歷史數(shù)據(jù)，傳感數(shù)據(jù)，然后再做分析方法，再找出他的原因做預(yù)防，這些是很重要的。以前是數(shù)據(jù)全部上傳，這個(gè)觀念也對(duì)，也不對(duì)，就看你做什么行業(yè)，比如說(shuō)蘋果手機(jī)數(shù)據(jù)要上云這沒(méi)有什么了不起，比但高鐵的數(shù)據(jù)一天一截車廂數(shù)據(jù)量的話費(fèi)相當(dāng)高。所以關(guān)于大數(shù)據(jù)有三個(gè)基礎(chǔ)，就是DT，PT，AT，DT叫做數(shù)據(jù)技術(shù)，PT叫做平臺(tái)技術(shù)，AT叫分析技術(shù)。分析技術(shù)有兩個(gè)，一個(gè)是分析的工具，另一個(gè)是分析的工藝。工具好比廚房烹飪的工具，工藝是廚師要有的，我給你一條魚(yú)三個(gè)人三個(gè)不同的做法，三個(gè)不同的味道，所以工具可以開(kāi)源，工藝不可能開(kāi)源，因?yàn)樗枪そ尘瘛Ｕ劦紻T講的三個(gè)特性，接下來(lái)的三個(gè)“B”，第一個(gè)就是數(shù)據(jù)要分裂性。第二個(gè)“B”是數(shù)據(jù)的優(yōu)劣性，第三個(gè)“B”是數(shù)據(jù)的背景性，很多行業(yè)數(shù)據(jù)量大但是都沒(méi)有背景，所以都不能用，所以這方面工業(yè)大數(shù)據(jù)DT不是一般人都能夠做到的。

 

平臺(tái)做出來(lái)讓每個(gè)人都能用，但是必須要處理數(shù)據(jù)，第一層就是看看怎么收集數(shù)據(jù)，第二層就是數(shù)據(jù)到信息化內(nèi)容轉(zhuǎn)變，第三層就是虛擬網(wǎng)絡(luò)化內(nèi)容管理，第四層是對(duì)問(wèn)題的識(shí)別及決策，第五層是裝備的充組，它是一層一層的。比如很多數(shù)據(jù)不需要收集，直接在處理端就完成了，上云之后沒(méi)有數(shù)據(jù)本質(zhì)了，但是它有分析的價(jià)值，它本質(zhì)不一樣，云都處理好了。比如魚(yú)處理好了，我可以一魚(yú)三吃。所以這方面的技術(shù)你們都可以去做，但是它有一套系統(tǒng)哲學(xué)，咱們國(guó)內(nèi)機(jī)會(huì)很多，都有很多小成功，小成功也創(chuàng)造了很多財(cái)富。在二十六年前我就說(shuō)數(shù)據(jù)有一天可以經(jīng)過(guò)一個(gè)學(xué)習(xí)軟件把它分類、分割、分解、分析，然后做分享。然后就會(huì)有一個(gè)芯片與軟件結(jié)合在不同工業(yè)應(yīng)用包括飛機(jī)發(fā)動(dòng)機(jī)測(cè)試，風(fēng)電，高鐵，還有大的發(fā)電站，還有中國(guó)電信整個(gè)的傳輸，我們今天談的目的就是人工智能怎么改進(jìn)工業(yè)大數(shù)據(jù)分析，這是我們今天要談的主題。

 

 

人工智能怎么改進(jìn)工業(yè)大數(shù)據(jù)分析

 

人工智能不能把數(shù)據(jù)智能化，但是可以把意義智能化，我在美國(guó)做的第一個(gè)人工智能，是用郵政包裹分析它，就是自動(dòng)化分包裹，自動(dòng)化辨別地址，不需要人來(lái)操作。后來(lái)我們把這個(gè)軟件用在工業(yè)方面，我們學(xué)習(xí)軟件有監(jiān)督式的、非監(jiān)督式的，里面有很多軟件可以用，目的就是把軟件工具變成讓人可以看得懂的意義。

 

舉一個(gè)例子，我們用SOM，一個(gè)分類學(xué)習(xí)的方法，它可以把很多數(shù)據(jù)一方面縮減，一方面分類、分割，如和辨別出來(lái)軸承是內(nèi)環(huán)還是外環(huán)有問(wèn)題，就和醫(yī)生聽(tīng)心臟聲音一樣，他本人聽(tīng)不出來(lái)，他要磁共振來(lái)辨別。所以我們可以經(jīng)過(guò)這個(gè)分類找到。

 

CPS可以更智能化，更有管理性，CPS是實(shí)體系統(tǒng)和信息系統(tǒng)對(duì)稱的系統(tǒng)，比如車跑的時(shí)候有一個(gè)信息管理系統(tǒng)可以讓我們知道哪個(gè)地方風(fēng)險(xiǎn)最高，那個(gè)地方轉(zhuǎn)彎經(jīng)常出車禍，我還沒(méi)有到，在一公里前就減速到30公里每小時(shí)，就可以保證安全。

 

數(shù)據(jù)來(lái)源有很多種，數(shù)據(jù)的關(guān)系，數(shù)據(jù)的意義，所以海上風(fēng)電，當(dāng)我看到這個(gè)風(fēng)速在變的時(shí)候角度不一樣了，所以可以根據(jù)這個(gè)把風(fēng)速切割，發(fā)電量和風(fēng)速、角度的關(guān)系，這個(gè)是人不可能知道的事情，當(dāng)我知道以后就可以知道這個(gè)風(fēng)電連續(xù)三個(gè)小時(shí)就在衰退，明天我就可以做一些事情。

 

動(dòng)車也一樣，高鐵跑的時(shí)候直接就用建模分析，每個(gè)高鐵數(shù)據(jù)做分析了，我就知道哪一段路不穩(wěn)，未來(lái)中車要做全世界的“一帶一路”規(guī)劃，光有數(shù)據(jù)是不行的，沒(méi)有支撐平臺(tái)不行，高鐵軸承兩百公里/小時(shí)速度以下中國(guó)可以做，兩百公里/小時(shí)速度以上的中國(guó)不能做，現(xiàn)在要跑460公里一小時(shí)的速度，那這就需要技術(shù)來(lái)支撐它。

 

2005年我們和豐田一個(gè)壓縮機(jī)合作，這個(gè)壓縮機(jī)軸承一年壞幾次，它在跑的時(shí)候一定要壓縮，要有效率，它會(huì)產(chǎn)生共振，一共振軸承就壞了，這只需要三到五秒鐘時(shí)間，所以三秒鐘時(shí)間之內(nèi)你要監(jiān)測(cè)到馬上把能量釋放出去就可以解決了，所以我們當(dāng)時(shí)就監(jiān)測(cè)它的壓力特徵，監(jiān)測(cè)到閥門15微妙就能夠馬上打開(kāi)。我們從12個(gè)參數(shù)中只用了四個(gè)最重要的參數(shù)，我們就用SVM做模型特徴分割。分割準(zhǔn)不準(zhǔn)會(huì)造成誤差，如果按照原來(lái)的情況會(huì)有誤差，但是如果分割線稍微小心一點(diǎn)，給你警示多一點(diǎn)絕對(duì)不會(huì)有故障。在過(guò)去十一年沒(méi)有故障過(guò)。

 

日產(chǎn)機(jī)器人健康監(jiān)控，機(jī)器人每日自己做一個(gè)比較，我們不可能監(jiān)控他，我根據(jù)運(yùn)動(dòng)點(diǎn)來(lái)做比較，做了比較之后建立一個(gè)檔案，和其他機(jī)器人做比較。所以不需要他是誰(shuí)，不需要監(jiān)控，就是不需要數(shù)據(jù)量，但是需要它的差異化和特性。我們?cè)诩幽么髲S做了實(shí)際生產(chǎn)，去年10月20號(hào)很快抓到兩個(gè)機(jī)器人在變化，三天前就知道會(huì)故障了。

 

中國(guó)并不是把過(guò)剩的東西送去“一帶一路”沿線國(guó)家，早期是因?yàn)闁|西做得很多，過(guò)剩了，水缸滿了，挖一條溝讓水出去，這叫“一帶一路”，其實(shí)并不是這樣，所以要把系統(tǒng)工程帶出去。智慧海洋我們與中國(guó)船舶合作，對(duì)海洋里風(fēng)浪，天氣，利用智能化建模讓船能夠省油。這種就是“蛋黃+蛋白”服務(wù)，讓全世界的船都省油了，顧客會(huì)很高興的交給你管。

 

現(xiàn)在我們開(kāi)發(fā)的很多電訊傳感器，所以我們開(kāi)發(fā)了皮膚傳感器，直接貼在皮膚上，你的皮膚一動(dòng)我就知道力度大不大，比如腿痛，所以可以根據(jù)這個(gè)算出肌肉受傷的問(wèn)題與運(yùn)動(dòng)員是否過(guò)度。

 

結(jié)論，大數(shù)據(jù)要是事實(shí)，是效益。

 

李杰：

美國(guó)國(guó)家科學(xué)基金會(huì)（NSF）智能維護(hù)系統(tǒng)研究中心（IMS）主任，上海交通大學(xué)特聘講座教授，長(zhǎng)江學(xué)者和中組部千人計(jì)劃專家，自2000年起領(lǐng)導(dǎo)全球工業(yè)大數(shù)據(jù)分析和智能維護(hù)系統(tǒng)技術(shù)研發(fā)；2013年，擔(dān)任美國(guó)白宮信息物理系統(tǒng)與美國(guó)挑戰(zhàn)項(xiàng)目顧問(wèn)；2016年起，擔(dān)任美國(guó)麥肯錫（Mckinsey&Company）全球顧問(wèn)。李杰教授是美國(guó)機(jī)械工程學(xué)會(huì)（ASME）及美國(guó)制造工程學(xué)會(huì)（SME）的會(huì)士。目前的研究方向包括以工業(yè)大數(shù)據(jù)分析、賽博-實(shí)體系統(tǒng)技術(shù)（CPS）、智能維護(hù)系統(tǒng)和產(chǎn)品及服務(wù)主控式創(chuàng)新創(chuàng)值設(shè)計(jì)（Dominant Innovation）,自2000年起與全球超過(guò)90家企業(yè)合作研發(fā)與應(yīng)用上述領(lǐng)域的技術(shù)和成果。李杰教授的研究突破了傳統(tǒng)機(jī)械設(shè)備故障預(yù)測(cè)的理論、方法和技術(shù)，其關(guān)鍵性技術(shù)得到國(guó)際學(xué)術(shù)界的認(rèn)可與高度評(píng)價(jià)，被美國(guó)《財(cái)富》雜志譽(yù)為“21世紀(jì)全球三大熱門技術(shù)”之一。他所著的《工業(yè)大數(shù)據(jù)》與《從大數(shù)據(jù)到智能制造》在中國(guó)讀者和企業(yè)中廣受好評(píng)。