人工智能的通用实现思路，是基于数据挖掘价值，通过模型传递价值。这在工业场景的落地过程中，存在诸多挑战。

其一，客户不买账。模型本身不是产品，也无法直接创造价值，这与企业现行的管理体系、现用软件的逻辑有着天差地别，企业很难理解并相信。第二，模型不准确。在工业场景中，普遍存在数据质量差、缺乏标签等问题，使得初期的模型很难达到好的效果。客户不信任、模型不靠谱，结果就是模型得不到使用和积累，造成了模型无法迭代优化的恶性循环。

而工业智能落地的核心，需要将快速见效和持续优化相结合。这通过泛在的大数据及人工智能技术很难实现。

天泽智云通过近年积累的项目经验，梳理了工业智能的最佳实践路径。从工业场景及企业痛点出发，融合工业领域知识、智能建模技术及计算机科学，衍生出DT、AT、PT、OT四大支撑技术。并基于此开发四大核心产品，纵向打通数据采集、边缘计算、分析建模，到工业应用的闭环，快速、流程化、标准化、系统性地为客户交付可持续传承的工业智能解决方案，实现客户价值。

这之中包含4个产品：

• EdgePro，工业物联网与边缘智能软件

• GenPro，工业智能分析与建模工具

• CyberRepository，工业智能模型生命周期管理协作系统

• CyberSphere，企业级算法模型执行引擎

工业智能产品矩阵与IAI DevOps理念构成了天泽智云的工业智能应用研发平台。

——天泽智云技术研发副总裁 金超博士

如何使用这套研发平台

加速工业智能的落地

观察员小郭带领客户来到峰会

和“无忧机床”项目组现身说法

生动呈现工业智能研发新模式

观察员：产品经理-小郭

OT：富士康项目总监-武哥

DT：边缘计算工程师-芳哥

AT：首席数据科学家-学姐

AT：算法工程师-男哥

PT：软件工程师-小明

OT-武哥：

富士康打造灯塔工厂的目标可以用3W来概括，即Waste Reduction（节能）、Work Reduction（减劳）、Worry Reduction（无忧）。其核心不是无人，而是要通过工业智能做到无忧。

举个例子，模具加工过程中，刀具磨耗程度是影响模具成品质量的关键因素，但其磨损状态不透明，现场工人无法掌握最佳换刀时间，以至于经常发生换刀过早或过晚的情况，造成刀具浪费和产品缺陷的问题。

我们之前做了很多尝试，但是落地难度太大。然而与天泽智云合作之后，短短4个月就开发出了一个刀具剩余寿命预测的工业智能App，并在2个厂区试点无忧机床系统上线，取得了很好的效果。

这次峰会，很想请你们讲讲背后的技术和研发过程，给我好好做个“解密”。

观察员-小郭：

没问题，就让我们一同走进工业智能DevOps研发新模式的解密之旅。

首先来了解一下系统的架构，这一套系统包含了5个关键环节，对应着李杰教授CPS系统的5C框架。

DT：数据采集

观察员-小郭：

搭建系统的第一步是采集关键有效的数据。芳哥，给我们介绍一下，根据当时算法科学家建模的需求和现场的情况，我们的数采遇到了哪些挑战？

DT-芳哥：

关于机床刀具剩余寿命预测问题，数据科学家需要两种不同类型的设备数据。

振动数据采集的挑战在于它的采样率要求很高；低频机床状态数据采集难度在于不易解析机床控制器的通信协议；最后，还有一个难点在于高低频数据在时间轴上的同步。

观察员-小郭：

这三个挑战如何解决？

DT-芳哥：

对比之下我们使用了天泽智云自主研发边缘智能硬件iEC-1001来采集这些不同类型的数据。

iEC-1001具备4个高速动态信号采集通道可集成常见传感器，包括振动、声音、转速计或电流等，无缝实现高频信号采集。

同时内置高性能嵌入式处理器，可部署常见的工业协议，在一体化硬件中实现对高低频数据的混合信号采集，轻松完成数据同步。

观察员-小郭：

当时要采集的机床有几十台品类、规格，我们如何加速数采硬件的安装调试，实现数据又准又快地接入呢？

DT-芳哥：

这就要依靠我们边缘层的核心工具-工业物联网与边缘智能软件EdgePro。

有了EdgePro的加持，就可快速实现规模化智能硬件的配置和数据接入。

OT-武哥：

这样的高频数据上云开始只有一两台设备时还好，但是如果一个厂区平均有500台机床的话，我们现场的网络带宽就很难承载了，要改造网络成本又很大。这个问题如何解决？

DT-芳哥：

当时我们就应用了边缘计算技术，在边缘端完成数据预处理和特征提取，只将少量有效特征数据传输上云，再在云上进行AI模型训练和执行。这个功能iEC-1001也能支持。

经验证，采用该系统后数据总量从之前的600MB/s缩减为10MB/s，降低60倍。

这套系统方案也可扩展到上千台机床的工厂，同样能有效降低对工业现场网络带宽的需求。

AT：算法建模  

观察员-小郭：

完成关键有效数据采集之后，下一步进入算法建模。工业场景建模需要同时具备机理和算法知识，面临着行业门槛高等挑战。下面请学姐分享一下，在这个项目中模型如何又快又好地完成交付？

AT-学姐：

你说得很对，专业性强是工业智能建模的难点，比如在“无忧刀具”这个项目中，就涉及到振动信号预处理、故障特征提取、机器学习建模等多个环节，需要不同领域的知识和经验。

我们的做法是将整个建模问题解耦，形成尽可能独立的任务，并交由专业人员处理。我作为数据科学家，任务是定义这些子问题和设计解决问题的整体框架。

观察员-小郭：

这种模型研发方式听起来是一种非常不错的思路，但是在项目中如何落地？

AT-学姐：

这就需要提到我们自主研发的GenPro了，它是一个专门面向工业场景的数据分析和建模工具，我们整个算法研发都是基于它来实现。

GenPro不仅可以包含基础的统计分析、机器学习算法，同时内置非常丰富的行业算子，这些算子由天泽智云的数据科学家们结合IMS 中心的实践经验沉淀而成，是工业智能建模的一把利器。

比如在“无忧刀具”这个项目中包括针对振动信号的故障特征提取算子、自动工况分割的算子、处理复杂环境下的信号降噪算子等。

基于GenPro这些行业算子，算法工程师可以站在更高的起点上：他们无需特别深入掌握跨学科技术，而是可直接采用“拖拉拽”的方式，快速完成建模。

观察员-小郭：

GenPro具体如何使用？

AT-男哥：

我来简单介绍一下：我在GenPro中的建模并不是从零开始，而是可以基于之前建好的行业模版库快速建模。比如搜索“机加工行业刀具剩余寿命预测”，打开后即可看到完整的模型流程，包含数据读取、数据预处理、特征提取、模型训练、调优、验证等全部建模环节。接下来，我可以直接配置EdgePro数据库信息，读取模型训练所用的数据。再基于刚才提到的行业算子提取稳态切削工况、自动筛选趋势性故障特征。最后执行流程就可以查看结果、快速完成模型的开发和验证。

要是在以前，开发一个初版的模型算法至少需要个2个工程师耗时3个月的时间。现在基于GenPro只需2周即可完成模型的原型化和初步验证，而且算法团队不同角色之间的协作也变得更加规范了。

PT：模型上线  

观察员-小郭：

从建好模型到它能上线提供服务，还需要做哪些工作？

AT-男哥：

以前，模型从建好到上线还需要单独开发很多软件模块，如算法数据服务、算法执行管理、运行时等，这就要软件团队花费几周甚至更长的时间来支持。

为了解决这个问题，天泽智云研发了CyberSphere作为工业智能算法模型标准的运行环境，可部署多种主流算法语言开发的智能算法模型。只需一个算法工程师花费几小时即可完成上线 ，实现算法的即交付即使用。

OT-武哥：

CyberSphere性能能否支撑起整个工厂设备的数据分析？以及安全性怎样？

PT-小明：

完全没有问题，因为CyberSphere采用了高性能、分布式的微服务架构体系，可以轻易地进行资源扩展，模型结果的实时性也不会受到任何影响。

去年CyberSphere曾成功支持数百台设备的1500多个模型的并行运算，自部署以来运行得非常稳定。

在安全性方面CyberSphere做了很多增强，如对算法代码进行混淆、加密，模型文件进行验签、防篡改校验；容器化运行模型；基于用户角色权限的数据隔离机制；用户操作日志等。

AT：模型全生命周期管理  

OT-武哥：

模型上线以后，如果以后刀具的规格、加工模具发生变化，之前的模型是否还能发挥作用？

AT-男哥：

模型上线到CyberSphere平台中之后，我们就可以对其运行指标进行监控，如耗时、故障检出率、预测误差等，并可以迅速排查模型的异常指标，确保模型上线后的风险可被管理。

针对算法模型经常出现的两类问题，我们也设计了一套模型自学习框架，来保障模型结果的持续准确和稳定。

第一种是模型偏差比较严重，这个往往是因为初期算法设计的泛化性能不足，可能需要系统性的升级模型流程，这种情况就会交给我们的算法团队在GenPro中重新去修正模型。

另一种情况是外部状态发生变化，如更换了尺寸不同的刀具，此时的模型流程是无需修改的，只需在CyberSphere中重新训练模型，优化参数，这种情况客户现场的操作人员自己就能够完成。

OT-武哥：

这套系统中的模型是很好的知识资产，未来我们也想在其他工厂复用，如何对其进行集中管理？

AT-学姐：

模型资产是工业智能App研发的基石，在项目实施的过程中，我们开发的算法都被管理在工业智能模型资产管理库CyberRepository中。

小到一个行业算法组件，大到整个建模流程，它们每一次的版本更新迭代都可以通过CyberRepository进行追溯。

此外，当其他类似场景需要复用这些模型时，可基于模型仓库中的资产快速建模，加速价值落地。从更高的层面来看，CyberRepository也将改变工业资产沉淀、使用、分享、传承知识的方式。

OT：现场效果  

观察员-小郭：

感谢大家的解惑和分享，到这里无忧机床智能APP的开发过程就介绍完了。这套刀具剩余寿命预测系统的效果如何呢？

OT-武哥：

刀具剩余寿命预测系统，经过几个月的实践取得了杰出的效果，感谢天泽智云团队的支持！

观察员-小郭：

有了这些工业智能研发“神器”，工业智能应用的研发效率可以被加快，技能门槛也可以被降低，知识也可以被持续地传承。除了机加工外，天泽智云的工业智能应用研发平台已经在风电、钢铁、电子制造、轨交、焊接等领域落地。我们以“让工业无忧”为愿景，一路前行。

如需了解更多信息,请访问 (北京天泽智云科技有限公司)官网 http://cyber-insight.com/