How manufacturing can save costs with AI and neural networks
來源：
工業大數據的雲平台，透過提高智慧製造業的生產能力，為技術創新帶來了新的機會。它們將使企業在研發、生產、營運、行銷、管理方面探索新的途徑，從而徹底地改變產業發展。
中國三一重工集團的 WitSight，自稱是自主研發的工業大數據雲平台。它向人們展示了人工智慧（AI）在工業行業的應用，其中包括工業4．0大數據雲平台，如三一重工的 Witsight 工業大數據雲平台在「中國製造 2025 計劃」中所扮演的角色。它還描繪了當工業和人工智慧結合在一起時，所釋放的創造性火花。（不過這情形，在美中貿易、拜登上任，已經有很大變化。「中國製造 2025 計劃」 是否已成海市蜃樓…）
1942 年，美國科幻小說大師艾薩克·阿西莫夫（Isaac Asimov）提出「機器人三大行為法則」，也就是：
（1）機器人不得傷害人類，或因不作為使人類受到傷害。
（2）必須服從人類的命令，除非這些命令與第一法則衝突。
（3）在不與第一或第二法則衝突的情況下，機器人必須保護自己。
半個世紀之後，人們看到了人工智慧機器人的影子。在 2018 年 8
月，OpenAI 實驗室開發了一種，可以靈活操縱魔方的機械手，展示了模擬控制技術已經達到的高度。
如今，越來越多的人工智慧設備，應用在工作和生活中，這表明人們正在進入人工智慧時代。除了語音助手和日前使用的其他類似產品之外，人工智慧技術早在工廠和生產線上，就已經開始應用。
當人工智慧與看似無關的行業相結合時，會釋放出什麼樣的創造性火花？以下對三一重工的大數據雲計算平台 WitSight
進行一下探討，以瞭解這種平台在網路時代所扮演的角色。
揭開中國三一重工工業大數據雲平台的帷幕：WitSight
大多數人可能會認為三一重工集團，是一家重型機械製造商，在人們的印象中，其產品主要是在施工現場，繁忙工作的挖土機和起重機。
事實上，三一重工的研究機構上海華興數字科技有限公司，是一家全資子公司，主要生產顯示器、控制器、遙控器，以及易於維護資訊系統。這些產品的應用包括對挖掘機、履帶起重機、移動式鑽機、懸臂泵車、起重機、裝載機、採礦車和混凝土廠等工程機械的監測、管理和維護。
然而，隨著工業物聯網的快速發展，上海華興嘗試使用雲計算和大數據等技術，來豐富其產品的功能。2014 年，它使用大數據方法來取代經驗值，現在它使用齒輪、模式和操作習慣的計算，來實現最有效的設備配置。
2016 年，上海華興開始建立其工業大數據雲平台 WitSight。該系統有兩個主要應用：智風力發電場（用於管理和分析風力渦輪機）慧不，和易於維護的資訊系統（用於管理挖掘機等建築機械）。WitSight 利用雲平台的優勢來調度資源，並使用大數據系統即時處理大量數據，透過將設備數據上傳，時間壓縮到幾秒來創建事件數據庫。
三一重工目前擁有 30 多萬台重型工程機械，每台機器都安裝了大量向
WitSight 報告的感測器，該系統每天可以處理 200 GB 數據，一年可以處理 70 TB 的數據。實際上，管理挖掘機和打樁機，以滿足使用者的需求，是該平台的主要用途。
但是，自從初始設計階段以來，平台的互操作性一直是其發展的考慮因素，除了三一重工在設備介面級別的專有協議外，系統還支持 MQTT 等通用國際協議。該系統還考慮了，在數據儲存和建模級別，與各種製造商和各種設備類型，進行交互的能力。
行業專家對 WitSight 工業大數據雲平台，如何在技術和架構層面上運作進行了闡述。
技術水準
WitSight 平台採用數據中心操作系統（DC/OS），並結合關鍵技術和應用，其中包括 Apache Spark、Kafka、Cassandra、MySQL、Redis、Netty 和
RabbitMQ，以滿足建築設備數據的收集、分析和儲存需求。
（1）Apache Spark：它為並行計算提供了一個有效的系統，可以管理超過 100 萬個獨立設備，即時上傳的大量工作狀態數據。
（2）Cassandra：它提供快速有效的儲存和查詢大量數據，從而確保即時輸入設備工作狀態數據，並在 10 秒內實現低延遲。
（3）Kafka：它是一個高吞吐量的分布式消息系統，可以處理挖掘機所有動作的流數據。
（4）MySQL：它使用主從集群模式，為主設備和報告數據提供儲存。
架構水準
如上圖所示，將上海華興公司的整體 EVIcloud 架構分為三個部分：計算平台、業務平台和可視化平台。計算平台的主要用途是收集、傳輸、儲存、處理和分析數據。可以進一步將業務平台，細分為通用業務和產品業務。
通用業務部分管理設備、操作人員、安全和操作，而產品業務部分，根據不同產品的不同屬性和功能，執行合理建模。可視化平台顯示多個終端、分布式控制、數據的自由可視化佈置和連接、矢量配置和報告。
本地化：WitSight 的優勢
通用電氣和西門子已經分別創建了 Predix 和
MindSphere 等原始大數據雲平台，並在業界佔據領先地位。相比之下，三一集團重要的 WitSight 提供了哪些核心功能和優勢？
在這裡，行業專家引用了百度、谷歌、阿里巴巴、eBay 公司的案例。他解釋說，「當國外公司和產品進入中國時，本地化應始終是他們首先想到的措施。三一重工是中國創立的，希望走進世界級的企業，其新興的數位產業大數據雲平台，也在他們國內發展成熟。（這説法，歐美大概會有存疑）
上海華興公司的工業大數據雲平台的目的，是管理三一重工自己的設備。該平台的開發和實現以來，進行了多次改進。自
2010 年以來的經驗，現在以更快的速度，處理來自 300,000 個在線上設備的數據，其計算結果的時間是百萬分之一秒。」
發展過程並不順利
在這種規模的工業大數據雲平台的情況下，最困難和最具挑戰性的部分，是如何啓動這樣的項目。人工智慧團隊在開發平台架構時，遇到了重大障礙。問題是創建一個架構，支持分散在世界各地的機器和設備上的感測器的即時數據傳輸；WitSight 數據分析平台的數據傳輸，處理和分析；最後透過可視化為使用者靈活顯示數據。
設計整體架構需要付出很多努力。混合使用正確的工具、技術、軟體產品和流程，有助於構建出色的架構。該公司還負責不斷重覆測試和驗證。雖然數據傳輸和處理過程看似簡單，但實際上並不那麼容易。WitSight 中的數據傳輸、儲存和處理平台，必須包含各種軟體，包括 Kafka、Cassandra、Spark、Hadoop
分布式文件系統（HDFS）和MongoDB。
該平台還必須整合 devops 等工具，以實現敏捷開發和服務交付。隨著 WitSight 平台、風電場和EVIcloud 應用的發展，上海華興公司構思並嘗試了各種解決方案，其中包括利用傳統虛擬機進行交付，或請求公共雲基礎設施即服務（IaaS）資源進行交付。但是，這些解決方案面臨以下問題：
（1）複雜的佈署配置：需要單獨的佈署和配置專家來建構每個軟體。
（2）每個虛擬機的使用，僅適用於特定服務：同一虛擬機無法同時運行多個不同的應用，因為它無法提高資源的整體利用率。
（3）在高峰需求時，申請新的 IaaS 資源：由於在虛擬機上持續佈署軟體並降低效率，整個過程變得複雜。因此無法實現資源的全自動擴展。
（4）像 Kafka、Cassandra、Spark、HDFS
和 MongoDB 這樣的軟體架構本身很複雜：企業需要招聘更多熟練的軟體維護人員，以運行生產環境或訓練現有員工，來管理相同的工作。這個過程提高了使用軟體的進入門檻，增加了複雜性和成本。
（5）開發人員和營運人員，必須自己查閱資訊或單獨聯繫每個軟體的供應商以解決問題，而無需考慮該版本是開源還是企業，如 Kafka、Cassandra、Spark、HDFS 和 MongoDB。由於此過程過於分散，因此無法快速解決問題或響應管理。
（6）網路和數據安全缺乏保證：不能集中管理和保護網路，不能同時備份和恢復平台數據。
上海華興公司需要開發下一代雲原生應用平台，該平台可以支持同一基礎設施上的各種不同任務負載，從而減輕所有上述挑戰。在仔細考慮支持 WitSight 上的各種應用、工具和任務之後，三一重工決定利用 DC/OS（Mesos）作為底層平台，從而解決上述挑戰。
未來五年將為大數據平台的發展帶來最大的機會
工業大數據雲平台在「萬物互聯」這個時代，獲得了很大的關注。可能會面臨一些問題，例如它在推動工業發展方面的作用是什麼？或者像 WitSight 這樣的平台在「中國製造 2025 計劃」所推動下，將為中國未來成長做出什麼樣的貢獻？
行業專家表示，「在過去的幾年裡，萬物互聯或物聯網已經蓬勃發展。可穿戴設備和智慧家庭設備的出現，標誌著物聯網的發展。物聯網的英文首字母縮略詞是 IoT，而工業物聯網（IIoT）指的是物聯網技術在工業中的應用。工業 4.0 的理念最早是在德國提出的，之後中國迅速提出了自己的「中國製造」2025 計劃。
因此，可以看到，工業物聯網的發展，既是工業的需要，也得到了國家層面的支持。此外，它還為未來成長開闢了方向。因此，工業大數據雲平台，是極其有利的環境的產物。它適應了這個時代的工業需求，未來五年將為其發展提供最重要的機會。」
沒有創新就沒有進步。創新對工業企業的轉型非常重要。在公司層面，三一重工為其工業大數據雲平台，制定了三年和五年計劃，以及一整套商業模式和發展策略。然而，憑借其創新，三一重工多年來一直是他們中國國內挖掘機行業，第一大的銷售公司，該公司也將能夠在行業內引領產業大數據雲平台的發展。
物聯網代表了新一代資訊網路，技術的高度整合和全面應用。它是新一輪工業革命的重要方面，也是重建世界工業格局的重要推動力。工業物聯網將在未來呈現三種主要的演變趨勢：
（1）數據處理：設備連接變得更加多樣化。互連設備的類型和數量將呈指數級成長，這將對雲計算資源造成很大壓力，因為生成的大量資訊，將在雲上進行分析和計算。在未來，數據的初始處理和計算，將越來越多地轉移到互聯網的「邊緣」—— 這就是所謂的「邊緣計算」。
（2）工業生態系統：如今，許多公司在物聯網領域隔離的專有平台上工作，將與個人數據區分開。未來，每個工業設備生產商都將成為工業物聯網系統的成員，平台和數據將被共享，從而形成集群效應，和協調發展的新生態系統。
（3）關注不同的應用：工業物聯網不僅可以實現設備之間的交互。它還可以透過優化產品，和維護與客戶的關係為公司服務。目前，工業物聯網不側重於設備資產，而是優化產品或維護客戶關係。隨後，工業物聯網將在收集產品和客戶資訊方面，發揮重要作用，該數據將用於增加產品的吸引力，並提高客戶滿意度。
當今和未來的工業人工智慧
自從 AlphaGo 在圍棋比賽中，擊敗世界冠軍以來，人工智慧已進入人們的生活，並增加其在工業領域的存在。OpenAI 機械手自主操作魔方的能力，是人工智慧的一種形式。同樣，裝配挖掘機和機器學習的機械臂，也是人工慧能的形式。
大家都知道機器學習＝數據＋特徵＋建模。而在工業物聯網行業中，數據並不是一個大問題，因為有設備的地方就會有數據。但是，從該數據中提取特殊特徵，並基於它創建模型，是工業物聯網中的挑戰。
這是因為不同行業的特徵和模型各不相同。因此，工業部門的更詳細分類和深入研究，對於整個工業部門的人工智慧的進一步發展，是必不可少的。目前，人工智慧在業界普遍水平的表現有三個方面。這些如下：
（1）應用數據的可視化分析：除了收集各種設備運行數據（如溫度、轉速、能耗狀態和生產率狀態）之外，人工智慧還可以同時儲存數據，進行二次分析，優化節約生產線能耗，提前辨識操作偏差，並提供減少能源消耗的措施。
（2）機器自診斷：人工智慧可以允許機器，自己診斷問題發生的原因和位置，就像生產線突然發出故障警告一樣，同時規定檢查維修記錄或標準的步驟來解決問題。它甚至可以使機器修復問題，並獨立恢復自己。
（3）預測性維護：人工智慧可以使機器在發生問題之前，透過分析來感知問題或預測問題。例如，挖掘機上的零件，可能在使用一段時間後磨損，機器可以透過分析歷史操作數據，預先知道零件的磨損時間，並安排更換零件的準備，以及安排更換維護。
工業人工智慧的使用還包括：
（1）設備故障狀態的預測與分析。
（2）根據確定的參數進行挖掘工作。
（3）透過使用臉部辨識技術，並透過挖掘機上的攝影機分析操作員行為，為挖掘機操作人員提供安全提醒。
然而，工業人工智慧和其他新技術一樣，在其早期階段，將面臨各種困難和挑戰。
隨著人工智慧在當今和未來，變得越來越普遍，安全仍然是一項重大挑戰。例如，數據的安全性、設備安全性、人員安全是工業人工智慧所面臨的最大挑戰。希望當「工業人工智慧的三大法則」出現，來解決這個問題時，這不是一個遙遠的夢想。
沒有留言:
張貼留言