基于人工智能對中國經(jīng)濟整體影響及行業(yè)規(guī)模數(shù)據(jù)，埃森哲還進一步解讀了人工智能對中國15個行業(yè)帶來的經(jīng)濟影響。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，人工智能將推動這三大行業(yè)的年增長率分別為2%、1.8%和1.7%。事實上，人工智能已經(jīng)在中國的不少行業(yè)中產(chǎn)生“看得見”的效應，尤其是制造企業(yè)正將引入人工智能技術(shù)作為轉(zhuǎn)型升級的必需品。

 

在2017中國大數(shù)據(jù)應用大會上，美國辛辛那提大學特聘講座教授、美國白宮信息物理系統(tǒng)與美國挑戰(zhàn)項目顧問李杰，分享了對工業(yè)大數(shù)據(jù)以及人工智能怎么改進工業(yè)大數(shù)據(jù)分析的見解。

 

  

工業(yè)大數(shù)據(jù)

 

我在美國產(chǎn)官學界工作了三十七年，IMS中心是2000年建立的，目前全球有90多個企業(yè)伙伴，比如說像三菱電機、GE, 華為、中船、中車、三一重工等等。我們花了15年時間寫出來的這本《工業(yè)大數(shù)據(jù)》，以前根本沒有想過要寫這本書，很多企業(yè)說你把他它整理出來，所以這本書是2015年在中國通用電氣公司上海研發(fā)中心發(fā)佈表的，基本上把過去15年做的方法、思維邏輯可以傳承的東西留下來了，里邊還有一些案例?！?從大數(shù)據(jù)到智能制造》 這本書講了很多智能制造的案例，比如半導體、汽車、發(fā)動機、機器人等都用最新的方法解決過去人還不能解決的問題。

 

《CPS新一代工業(yè)智能》這本書是2017年新出版的，CPS就是未來的智能系統(tǒng)不停留在傳感器或者軟件。它是一個管理系統(tǒng)，汽車跑的時候碰到一個坑，下次開這個路一公里前會告訴你這個路有一個坑，然后把這個再分享給別人，別的車就知道這條路有一個坑。比如說可以省很多油錢，開車氣壓不穩(wěn)，你不知不覺每天就浪費五塊錢，一個月浪費一百五十塊錢，一年就浪費了一千多塊錢，那么你完全不知道，這時CPS會告訴你。

 

現(xiàn)在我們在做的工業(yè)大數(shù)據(jù)，基本上是圍繞工業(yè)問題，污染、效率、質(zhì)量、生產(chǎn)這些可見問題中找到不可見的問題。這些問題給了我們很多知識經(jīng)驗，所以數(shù)據(jù)的做法就是把這些問題的原因和參考性找到，最后產(chǎn)生價值。工業(yè)大數(shù)據(jù)常常講一句話，就是”經(jīng)驗”到”事實”的轉(zhuǎn)變，就是我可以把人的經(jīng)驗變成可以用數(shù)學或者數(shù)據(jù)的結(jié)果來證明的事實。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)動機起飛之后，很多的“蛋白”數(shù)據(jù)就出來了，“蛋白”數(shù)據(jù)可以拿來分析，可以找到飛機起飛、落地的原因，它和空氣濕度有關系，和風向有關系，所以從起飛、飛航、落地三個階段做歸類，是做維護還是做安全檢查，這樣就分開了，所以數(shù)據(jù)的分類、分割、分享等都可以做好。

 

2005年小松智能維護大數(shù)據(jù)，但是數(shù)據(jù)量太大，量大不是問題，重點是沒有把數(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)驗累積起來。目前小松用無人機把工地建模起來，工地建模掃描之后，自動挖掘機一個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，跑的時候也不一樣，怎么調(diào)整就不知道，你一個月多花一百美金，一年多花一萬多美金，由此就可以知道哪一個輪胎不好，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防，這些是很重要的。以前是數(shù)據(jù)全部上傳，這個觀念也對，也不對，就看你做什么行業(yè)，比如說蘋果手機數(shù)據(jù)要上云這沒有什么了不起，比但高鐵的數(shù)據(jù)一天一截車廂數(shù)據(jù)量的話費相當高。所以關于大數(shù)據(jù)有三個基礎，就是DT，PT，AT，DT叫做數(shù)據(jù)技術(shù)，PT叫做平臺技術(shù)，AT叫分析技術(shù)。分析技術(shù)有兩個，一個是分析的工具，另一個是分析的工藝。工具好比廚房烹飪的工具，工藝是廚師要有的，我給你一條魚三個人三個不同的做法，三個不同的味道，所以工具可以開源，工藝不可能開源，因為他是工匠精神。談到DT講的三個特性，接下來的三個“B”，第一個就是數(shù)據(jù)要分裂性。第二個“B”是數(shù)據(jù)的優(yōu)劣性，第三個“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。

 

平臺做出來讓每個人都能用，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)絡化內(nèi)容管理，第四層是對問題的識別及決策，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，上云之后沒有數(shù)據(jù)本質(zhì)了，但是它有分析的價值，它本質(zhì)不一樣，云都處理好了。比如魚處理好了，我可以一魚三吃。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，咱們國內(nèi)機會很多，都有很多小成功，小成功也創(chuàng)造了很多財富。在二十六年前我就說數(shù)據(jù)有一天可以經(jīng)過一個學習軟件把它分類、分割、分解、分析，然后做分享。然后就會有一個芯片與軟件結(jié)合在不同工業(yè)應用包括飛機發(fā)動機測試，風電，高鐵，還有大的發(fā)電站，還有中國電信整個的傳輸，我們今天談的目的就是人工智能怎么改進工業(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，我在美國做的第一個人工智能，是用郵政包裹分析它，就是自動化分包裹，自動化辨別地址，不需要人來操作。后來我們把這個軟件用在工業(yè)方面，我們學習軟件有監(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。

 

舉一個例子，我們用SOM，一個分類學習的方法，它可以把很多數(shù)據(jù)一方面縮減，一方面分類、分割，如和辨別出來軸承是內(nèi)環(huán)還是外環(huán)有問題，就和醫(yī)生聽心臟聲音一樣，他本人聽不出來，他要磁共振來辨別。所以我們可以經(jīng)過這個分類找到。

 

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

 

數(shù)據(jù)來源有很多種，數(shù)據(jù)的關系，數(shù)據(jù)的意義，所以海上風電，當我看到這個風速在變的時候角度不一樣了，所以可以根據(jù)這個把風速切割，發(fā)電量和風速、角度的關系，這個是人不可能知道的事情，當我知道以后就可以知道這個風電連續(xù)三個小時就在衰退，明天我就可以做一些事情。

 

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

 

2005年我們和豐田一個壓縮機合作，這個壓縮機軸承一年壞幾次，它在跑的時候一定要壓縮，要有效率，它會產(chǎn)生共振，一共振軸承就壞了，這只需要三到五秒鐘時間，所以三秒鐘時間之內(nèi)你要監(jiān)測到馬上把能量釋放出去就可以解決了，所以我們當時就監(jiān)測它的壓力特徵，監(jiān)測到閥門15微妙就能夠馬上打開。我們從12個參數(shù)中只用了四個最重要的參數(shù)，我們就用SVM做模型特徴分割。分割準不準會造成誤差，如果按照原來的情況會有誤差，但是如果分割線稍微小心一點，給你警示多一點絕對不會有故障。在過去十一年沒有故障過。

 

日產(chǎn)機器人健康監(jiān)控，機器人每日自己做一個比較，我們不可能監(jiān)控他，我根據(jù)運動點來做比較，做了比較之后建立一個檔案，和其他機器人做比較。所以不需要他是誰，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。我們在加拿大廠做了實際生產(chǎn)，去年10月20號很快抓到兩個機器人在變化，三天前就知道會故障了。

 

中國并不是把過剩的東西送去“一帶一路”沿線國家，早期是因為東西做得很多，過剩了，水缸滿了，挖一條溝讓水出去，這叫“一帶一路”，其實并不是這樣，所以要把系統(tǒng)工程帶出去。智慧海洋我們與中國船舶合作，對海洋里風浪，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，讓全世界的船都省油了，顧客會很高興的交給你管。

 

現(xiàn)在我們開發(fā)的很多電訊傳感器，所以我們開發(fā)了皮膚傳感器，直接貼在皮膚上，你的皮膚一動我就知道力度大不大，比如腿痛，所以可以根據(jù)這個算出肌肉受傷的問題與運動員是否過度。

 

結(jié)論，大數(shù)據(jù)要是事實，是效益。

 

李杰：

美國國家科學基金會（NSF）智能維護系統(tǒng)研究中心（IMS）主任，上海交通大學特聘講座教授，長江學者和中組部千人計劃專家，自2000年起領導全球工業(yè)大數(shù)據(jù)分析和智能維護系統(tǒng)技術(shù)研發(fā)；2013年，擔任美國白宮信息物理系統(tǒng)與美國挑戰(zhàn)項目顧問；2016年起，擔任美國麥肯錫（Mckinsey&Company）全球顧問。李杰教授是美國機械工程學會（ASME）及美國制造工程學會（SME）的會士。目前的研究方向包括以工業(yè)大數(shù)據(jù)分析、賽博-實體系統(tǒng)技術(shù)（CPS）、智能維護系統(tǒng)和產(chǎn)品及服務主控式創(chuàng)新創(chuàng)值設計（Dominant Innovation）,自2000年起與全球超過90家企業(yè)合作研發(fā)與應用上述領域的技術(shù)和成果。李杰教授的研究突破了傳統(tǒng)機械設備故障預測的理論、方法和技術(shù)，其關鍵性技術(shù)得到國際學術(shù)界的認可與高度評價，被美國《財富》雜志譽為“21世紀全球三大熱門技術(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》在中國讀者和企業(yè)中廣受好評。