3S Market deliver Smart and Valuable information for Business
3S Market 傳遞 智慧應用與價值的商業資訊
World’s First Hydrogen Boat - Energy Observer
今日主題 工業 4.0 智慧工廠\智慧車載交通\智慧經營管理
智慧車載交通與能源環保 |
工業 4.0 智慧工廠
2019年5月29日 星期三
．AI 證明瞭其改善客戶體驗的價值
How Starbucks is using AI
to improve the customer experience
 |
來源：
由於實施了目的在改善客戶成果的種種舉措，組織正在將人工智慧轉變為業務上的成果。
公司的使命是改善客戶體驗，使與之有業務往來的人更輕鬆自如。只要在商業社交媒體網站領英（LinkedIn）上進行快速搜索，就可以找到與客戶體驗管理相關的眾多工作。
與此同時，客戶體驗受到了普遍的關注，越來越多的組織，正在部署人工智慧（AI）工具。調研公司Markets and Markets預測，包括硬體、軟體和服務在內的人工智慧市場的市值，將從2018年的214.6億美元，成長到2025年的1906.1億美元，複合年成長率（CAGR）為37％。
推動市場發展的主要因素，包括不斷成長的大數據項目，越來越多地採用基於雲的應用程序和服務，以及對智慧虛擬助手的需求不斷增加。報告稱，市場上的主要限制因素是，沒有足夠的人工智慧技術專家。
對一些企業來說，人工智慧的部署，對客戶體驗的極大關注，這兩股趨勢正在匯合。企業正在使用最新的人工智慧產品為客戶提供更好的體驗。
儘管人工智慧仍然頗具未來感，但公司現在正在利用這項技術——而且就客戶而言，它正在發揮作用。以下是公司如何透過人工智慧增強客戶體驗的一些例子。
Connexions Loyalty：為客戶提供相關報價
Connexions Loyalty是一家消費者忠誠度行銷服務提供商，它正在使用人工智慧，來幫公司理解客戶決策背後的「原因」，以便更好地為客戶提供服務。
該公司將SAS的分析平台，和圖形資料庫，做了混合部署，以此作為其人工智慧測略的一部分，該公司還見證了轉化率的增加、客戶的回訪、會話時間的增加，更多獨特的頁面查看，以及更高的客戶保留率等，諸多優勢。
該公司將SAS的分析平台，和圖形資料庫，做了混合部署，以此作為其人工智慧測略的一部分，該公司還見證了轉化率的增加、客戶的回訪、會話時間的增加，更多獨特的頁面查看，以及更高的客戶保留率等，諸多優勢。
Connexions的數據和分析高級副總裁Rachel Bicking說：「我們的客戶從體驗中，受益於人工智慧，從而促進了互動和發現並提高了易用性。」
該公司正在使用自然語言處理（NLP）等人工智慧組件，來建構要評估的數據，並轉錄呼叫中心的呼叫，和其它文本數據，從而高效地挖掘，大量可用的資訊資源。
Connexions還使用集群分析，根據一系列維度和變量，對客戶，目的地和其它項目進行分組；該公司還使用鏈接分析，來評估集群，和其它數據項之間的關係，以最終實現圖數據庫。Bicking說：「鏈接分析，將使我們能夠開發數據中的情境和連接。」
這些工作使公司能夠為客戶，提供相關且特別的報價。Bicking說：「例如，我們正在使用引擎，來促成旅行方面的訂單」。她說，這是一個「由於缺乏歷史記錄，而難以得出分析結果的領域，因為大多數人每年出差的次數，都不會超過一次。」
由於Connexions正在向其客戶應用與交易，和情景有關的數據和情景，Bicking說：「我們可以在所有的客戶圖表上，覆蓋數據，並對圖表進行處理，以填補所缺失的數據，我們還用神經網路，將客戶與客戶最有可能參與的交易聯繫起來。」
Connexions Loyalty還與其它人工智慧組件（如語音到文本）一起進行了多次概念驗證，這些組件將在明年投入生產。這包括呼叫中心的聊天機器人，以及支持與亞馬遜Alexa的整合，以便客戶可以使用該技術發現交易，檢查帳戶狀態，以及與公司互動。
Bicking說：「我們相信這些技術，將使另一個管道，能夠有效地吸引客戶，並最大程度地滿足客戶的需求，同時提高易用性。」
威瑞森：在所有的管道中優化客戶體驗
通信提供商威瑞森，還透過更加個性化的方式，使用人工智慧來增強客戶體驗。威瑞森全球產品與服務部的客戶體驗總監Alla Reznik表示，威瑞森已經部署了很多人工智慧工具，「有總體的目標」。
威瑞森擁有一支數據科學家團隊，作為Business Insights集團的一部分，該團隊使用人工智慧平台，來分析客戶的聲音（VOC）方面的數據（例如客戶的期望、偏好和客戶所厭惡的東西）。
這些平台「使我們能夠跨多個管道分析，非結構化和結構化數據，磨練處理客戶痛點的技能，並推薦相應的業務行動來處理客戶體驗，並對客戶體驗進行優化」，Reznik如是說。
作為全球最大的電信服務提供商之一，威瑞森每天與客戶進行數百萬次互動。Reznik說：「我們從這些互動中獲得大量的洞察，在我們為客戶提供最佳體驗的過程中，這些洞察具有不可估量的價值。」
數據來自每天與客戶的互動，包括致電聯絡中心、電子郵件、聊天、社交媒體、調查、評級和評論。Reznik說：「在分析所有這些數據時，我們用數據來瞭解客戶最大的痛點所在；我們在哪些地方未能達到客戶的期望；哪些時候引起了客戶的不滿，我們將人工智慧用於其中的一些領域以改善體驗。」
威瑞森一直以虛擬客戶服務，代理的形式利用人工智慧，其Ask Verizon工具可透過網路和行動應用提供給客戶。Ask Verizon從一系列簡單的用例開始（例如檢查升級資格），並逐漸添加更複雜的用例（如計費）。
到目前為止，威瑞森已經得到了，提高客戶滿意度加分等好處。但是，由於人工智慧平台使代理商的工作效率更高——例如，透過聊天和消息傳遞，同時處理更多客戶，預計未來將會看到更加顯著的優勢。
威瑞森利用人工智慧，及其數據分析團隊，來發現客戶首次呼叫公司的時間，以及呼叫團隊成員的呼叫路由，該團隊成員將以高度個性化的方式與客戶互動。Reznik說：「我們歡迎他們使用威瑞森，並確保向他們提供資訊，使他們能夠取得成功，並從威瑞森得到期望的結果。」
98 point 6：獲取患者信任
有些公司已經將人工智慧作為市場投放的重點項目。例如，98 point 6提供了一個重要的醫療平台，該平台使用人工智慧來改善患者的護理體驗。
該平台是使用Python，機器學習社區的開源組件在內部開發的，首席技術官（CTO）的Damon Lanphear這樣說道。
Lanphear說：「我們的技術關注的是個人的健康，對很多人而言，這是他們最關心的問題之一。我們認為，當我們的技術尊重這種親密的醫患關係時，我們能取得患者的信任。」
因此，維護患者數據的隱私和安全是一個關鍵考慮因素，Lanphear說。「我們發現，供應商平台（特別是在機器學習和人工智能領域）在HIPAA （《健康保險攜帶和責任法案》）的合規性方面有一些落伍」，他說：「這迫使我們在內部建立人工智能平台的某些部分。」
該公司將人工智慧開發的重點，放在對患者的支持上，即患者向醫生講述病歷史。Lanphear說：「讓患者用自己的話，來分享和他們的健康狀況有關的詳細資訊，這一點是很重要的，這有助於醫生瞭解他們的感受，還有助於醫生全面瞭解患者的自我評估。」
為了實現這一點，98 point 6採用自然語言處理技術，來發現特定患者的問題。Lanphear說：「這些問題是我們的聊天機器人技術，在初級護理面試中提出的，我們的聊天機器人扮演的角色就是幫患者填寫所缺失的資訊，即與其疾病或就診的原因有關的敘述。」
Lanphear說，這種支持初級就診患者的方法，可以取得患者的信任。他說：「我們並沒有用人工智慧取代醫生的職責，這樣做會限制我們的開展醫療的能力，我們認為這會大大降低，我們所提供的護理的價值。」
相反，98 point 6 致力於提高醫生治療患者的能力，為患者提供高質量，高度便利和負擔得起的醫療服務。
Lanphear說：「人工智慧有可能透過數位化方式，管理客戶關係，但只有細心應用的情況下才有可能。我看到很多這樣的情況，即徒勞地將人工智慧，應用到客戶體驗的例子，要多於將其恰當好處地應用到人工智慧的例子。」
例如，透過Alexa、Siri和谷歌助手（Google Assistant）的環境計算，和語音交互的新興功能，為人工智慧的高效應用指明方向，Lanphear說：「雖然設計糟糕的聊天機器人的擴散，最終看起來像電話樹（phone tree）的當代化身。」
Lanphear表示，將人工智慧應用於客戶關係的大部分努力，都必須從仔細分析客戶需求開始。他說：「如果產品和體驗設計師從人工智慧技術開始並向前回溯，那麼他們最終必然會將一個解決方應用到一個問題，這個問題可能存在，也可能不存在」。於是他們錯過了在此過程中，為客戶服務的機會。
Lanphear說：「如果我們專注於客戶的痛點，並自問如何以最佳的方式處理這些痛點，那麼我們必然能找到應用場合，在這些場合中，基於人工智慧的解決方案適用於解決這些問題。」
 |
．UWB 定位的機會與挑戰
Indoor 2D Positioning by an UWB Radar
 |
來源：物联网世界 作者：莫非
隨著物聯網行業的深入發展，定位與位置服務，將成為生產生活等，不同應用場景中不可或缺的部分，而對於定位精度高，抗干擾能力要求高的應用場合，UWB定位技術將具有巨大的機會。
沃旭通訊研發總監房宏先生
UWB 精確位置感知
UWB有三個主要的技術方向：數據傳輸、定位和雷達。基於UWB高精度位置感知，存在著巨大的市場機會，2017完成從概念驗證到規模部署的跨越，2018年將迎來爆發性成長，2020年市場規模，將遠遠超過ABIresearch預測的150億美元，目標市場主要集中在：物流、健康管理、商業零售、工業製造、商業大廈等場景。
UWB高精度定位目前主要技術有LR-UWB定位、LP-UWB定位及其他，定位方式目前主要有TOF、TDOA以及AOA。在TDOA模式下的時間同步方式，分為有線同步方式，和無線同步方式。無線同步方式系統架構簡單，建設難度低，系統成本低；有線同步方式，系統需要引入同步器，建設複雜，成本高。
UWB 定位系統優勢
1.靈活的定位架構
就定位架構而言，敘述本文的廠商產品具有四種定位架構：經典架構、精簡架構、逆向架構、自主空間定位。
經典架構：標籤和基地台通信，然後傳到伺服器進行定位。
精簡架構：由於客戶成本的要求，需要定位的目標很少，直接在基地台進行定位運算。
逆向架構：定位引擎直接部署在標籤裡面。比較典型的應用在於機器人和無人機，需要快速計算位置並反饋。
自主空間定位：一種全域動態的定位，所有目標完全分散，需要目標之間進行相互定位，該種定位主要應用在一些比較特殊的領域。
2.全系列產品
敘述本文的廠商提供從定位標籤、定位基地台、定位引擎支持Windows/Linux/QNX(工業應用的操作系統)、定位模組，以及開發套件的全系列定位方案產品。
3.定位系統產品及系統特徵
精度，基於場景深度優化。人員定位：0.5 米，無人機/機器人：0.1 米，
VR：1釐米
容量，大限度利用時間資源。ToF 定位300Hz，TDoA定位4000Hz(單區域 )。
功耗，多感測器融合。深度優化ToF 模式 2月，TDoA 9月(800mAH鋰電池，1Hz工作)
射頻覆蓋距離，優化射頻收發。普通模式 80米，增強模式 400米。
定位頻率自由切換。不同區域/不同目標，不同的定位頻率。
定位方法自由切換。不同區域自動切換(ToF/ TDoA/ AoA/ 擴展ToF )定位方法。
多種告警，安全第一 。緊急上發/緊急下發/長時間不動/越界等。
UWB技術方案的機會和挑戰
房宏總監表示，UWB在安全和智慧有著巨大的市場機會。
安全主要在於：
電廠：水電/火電/儲能電站/核電的安全。
化工：煉化、日化、儲油區等安全。隧道/地下空間/礦井：煤礦人員定位及防撞。
倉儲/物流：人車防撞、叉車定位以及貨物質押。
智慧主要在於：
工業4.0：產線夾具定位、氣動扳手定位、人機協同工作以及無人車間場景定位等。
智慧運動：在足球裡面裝上定位標籤，在人身上也有一個定位標籤。這套系統目前在對岸中國的很多中小學，做足球訓練。中長跑訓練。
此外，還有機器人/無人機以及智慧零售等應用。
會議最後談到UWB定位技術應用面對的挑戰，房宏總監表示，UWB技術在07年就已經出來了，為什麼這麼多年來，它一直沒有成長起來？因為技術和場景的適應性，不同應用場景下的快速部署，位置感測器如何與客戶不同的應用融合，機器學習、大數據、成本、功耗等方面，都是它要大規模應用所面對的挑戰。384170904
．工業大數據：數據採集的那些事
Industrial Big Data
來源：亿欧网
實現工業4.0，需要高度的工業化、自動化基礎，是漫長的徵程。工業大數據是未來工業在全球市場競爭中發揮優勢的關鍵。無論是德國工業4.0、美國工業網路，各國製造業創新策略的實施基礎，都是工業大數據的蒐集和特徵分析，及以此為未來製造系統搭建的無憂環境。
不論智慧製造發展到何種程度，數據採集都是生產中，最實際最高頻的需求，也是工業4.0的先決條件。
數位化工廠不等於無人工廠，產品配置，製造流程越複雜越多變，越需要人的參與；在數位化工廠當中，工人更多地是處理異常情況，調整設備。
但數據採集一直是困擾著所有製造工廠的傳統痛點，自動化設備品牌類型繁多，廠家和數據接口各異，國際廠家本地支持有限，不同採購年代。即便產量停機數據自動採集了，也不等於整個製造過程數據都獲得了，只要還有其他人工參與環節，這些數據就不完整。
工業數據採集類型
互聯網的數據，主要來自於網路用戶，和伺服器等網路設備，主要是大量的文本數據、社交數據以及多媒體數據等，而工業數據主要來源於機器設備數據、工業資訊化數據，和產業鏈相關數據。
從數據採集的類型上看，不僅要涵蓋基礎的數據，還將逐步包括半結構化的用戶行為數據，網狀的社交關係數據，文本或音頻類型的用戶意見和反饋數據，設備和感測器採集的週期性數據，網路爬蟲獲取的網際網路數據，以及未來越來越多有潛在意義的各類數據。主要包括以下幾種：
1、海量的Key-Value數據。在感測器技術飛速發展的今天，包括光電、熱敏、氣敏、力敏、磁敏、聲敏、濕敏等不同類別的工業感測器在現場得到了大量應用，而且很多時候機器設備的數據，大概要到ms的精度，才能分析海量的工業數據。因此，這部分數據的特點，是每條數據內容很少，但是頻率極高。
2、文檔數據。包括工程圖紙、仿真數據、設計的CAD圖紙等，還有大量的傳統工程文檔。
3、資訊化數據。由工業資訊系統產生的數據，一般是通過數據庫形式儲存的，這部分數據是最好採集的。
4、接口數據。由已經建成的工業自動化或資訊系統，提供的接口類型的數據，包括TXT格式、JSON格式、XML格式等。
5、影像數據。工業現場會有大量的影像監控設備，這些設備會產生大量的影像數據。
6、圖像數據。包括工業現場各類圖像設備拍攝的圖片(例如，巡檢人員用手持設備拍攝的設備、環境資訊圖片)。
7、音訊數據。包括語音及聲音資訊(例如，操作人員的通話、設備運轉的音量等)。
8、其他數據。例如遙感遙測資訊、三維高程資訊等等。
數據採集的方法
傳統的數據採集方法包括人工登錄、問卷調查、電話隨訪等方式，大數據時代到來後，一個突出的變化是數據採集的方法有了質的飛躍，下面所介紹的數據採集方式的突破，直接改變著大數據應用的場景。
1、感測器
感測器是一種檢測裝置，能感受到被測量的資訊，並能將檢測感受到的資訊，按一定規律變換成為電信號，或其他所需形式的資訊輸出，以滿足資訊的傳輸、處理、儲存、顯示、記錄和控制等要求。
在生產線中一般存在許多的感測節點，24小時監控著整個生產過程，當發現異常時可迅速反饋至上位機，可以算得上是數據採集的感官接受系統，屬於數據採集的底層環節。
感測器在採集數據的過程中，主要特性是其輸入與輸出的關係。
其靜態特性反映了感測器在被測量各個值，處於穩定狀態時的輸入和輸出關係，這意味著當輸入為常量，或變化極慢時，這一關係就稱為靜態特性。我們總是希望感測器的輸入與輸出成唯一的對照關係，最好是線性關係。
一般情況下，輸入與輸出不會符合所要求的線性關係，同時由於存在這遲滯、蠕變等因素的影響，使輸入輸出關係的唯一性也不能實現。因此我們不能忽視工廠中的外界影響，其影響程度取決於感測器本身，可透過感測器本身的改善加以抑制，有時也可以加對外界條件加以限制。
2、RFID技術
RFID辨識技術是一種非接觸式的自動辨識技術，透過射頻信號自動辨識目標對象，並獲取相關的數據辨識。利用射頻方式進行非接觸雙向通信，達到辨識目的並交換數據。RFID技術可辨識高速運動物體，並可同時辨識多個標籤，操作快捷方便。
在工作時，RFID讀寫器透過天線，發送出一定頻率的脈衝信號，當RFID標籤進入磁場時，憑借感應電流所獲得的能量，發送出儲存在晶片中的產品資訊(Passive Tag，無源標籤或被動標籤)，或者主動發送某一頻率的信號(Active Tag，有源標籤或主動標籤)。
閱讀器對接收的信號，進行解調和解碼，然後送到後台主系統進行相關處理；主系統根據邏輯運算判斷該卡的合法性，針對不同的設定做出相應的處理和控制，發出指令信號控制執行機構動作。
RFID技術解決了物品資訊，與互聯網實現自動連接的問題，結合後續的大數據挖掘工作，能發揮其強大的威力。
數據採集技術難點
在當今的製造業領域，數據採集是一個難點。很多企業的生產數據採集，主要依靠傳統的手工作業方式，採集過程中容易出現人為的記錄錯誤，且效率低下。
有些企業雖然引進了相關技術手段，並且應用了數據採集系統，但是由於系統本身的原因，以及企業沒有選擇最適合自己的數據採集系統，因此也無法實現資訊採集的即時性、精確性和延伸性管理，各單元出現了資訊斷層的現象。
技術難點主要包括以下幾方面：
1、數據量巨大。任何系統，在不同的數據量面前，需要的技術難度都是完全不同的。
如果單純是將數據採到，可能還比較好完成，但採集之後還需要處理，因為必須考慮數據的規範與清洗，因為大量的工業數據是「髒」數據，直接儲存無法用於分析，在儲存之前，必須進行處理，對海量的數據進行處理，從技術上又提高了難度。
2、工業數據的協議不標準。網路數據採集，一般都是我們常見的HTTP等協議，但在工業領域，會出現ModBus、OPC、CAN、ControlNet、DeviceNet、Profibus、Zigbee等等各類型的工業協議，而且各個自動化設備生產及整合商，還會自己開發各種私有的工業協議，導致在工業協議的互聯互通上，出現了極大地難度。
很多開發人員在工業現場，實施綜合自動化等項目時，遇到的最大問題，即時面對眾多的工業協議，無法有效的進行解析和採集。
3、影像傳輸所需頻寬巨大。傳統工業資訊化，由於都是在現場進行數據採集，影像數據傳輸主要在局域網中進行，因此，頻寬不是主要的問題。
但隨著雲計算技術的普及及公有雲的興起，大數據需要大量的計算資源和儲存資源，因此工業數據逐步遷移到公有雲已經是大勢所趨了。但是，一個工業企業可能會有幾十路影像，成規模的企業會有上百路影像，這麼大量的影像文件，如何透過網露順暢到傳輸到雲端，是開發人員需要面臨的巨大挑戰。
4、對原有系統的採集難度大。在工業企業實施大數據項目時，數據採集往往不是針對感測器或者PLC，而是採集已經完成部屬的自動化系統上位機數據。
這些自動化系統在部署時，廠商水準參差不齊，大部分系統是沒有數據接口的，文檔也大量缺失，大量的現場系統沒有點表等基礎設置數據，使得對於這部分數據採集的難度極大。
5、安全性考慮不足。原先的工業系統都是運行在局域網中，安全問題不是突出考慮的重點。
一旦需要透過雲端調度工業之中，最為核心的生產能力，又沒有對安全的充分考慮，造成損失，是難以彌補的。
2015年，受網路安全事件影響的工業企業佔比達到30%，因病毒造成停機的企業高達20%。僅美國國土安全部的工業控制系統網路應急響應小組(ICS-CERT)，就收到了295起針對關鍵基礎設施的攻擊事件。439181219
工業數據採集方案案例
一、物聯網工業現場數據採集系統
本項目屬於物聯網終端傳感器系統的一種，透過裝在機器上的無線模組，採集指定機器PLC工作資訊，上傳到主機，主機處理數據後上傳到雲伺服器，用戶可在手機、平板、電腦上查看機器工作資訊，並可以有限度地設置機器工作參數。
二、太陽能充電的數據採集數傳模組
本方案成品底部槽位可以嵌入工業上標準din35的導軌，方便安裝；自帶兩路數位量輸入、兩路類比量輸入、八路IO輸出。方案還採用了太陽能充電模式，整合GPRS模組，可掉線自動復位，避免一般外置DTU掉線後，需要發簡訊重啓的問題。
三、U盤數據轉存，無紙記錄儀解決方案
無紙記錄儀，是採用了最新U盤數據儲存，和數據轉存技術的新型無紙記錄儀。根據用戶要求其數據儲存容量，最大可配置到32G，可以滿足任何工業現場的數據儲存要求。
特別是透過U盤將儀表記錄的數據取出方式，與IC卡等其他方式相比，其具有數據儲存量大，使用方便可靠等優點，適合現場實際使用。