?工業(yè)人工智能領(lǐng)域的“西點(diǎn)軍校”

2001年，天澤智云首席科學(xué)顧問(wèn)李杰教授發(fā)起成立了智能維護(hù)系統(tǒng)中心(IMS)，旨在推廣產(chǎn)學(xué)研結(jié)合的理念，推動(dòng)故障預(yù)測(cè)與健康管理技術(shù)在工業(yè)生產(chǎn)中的應(yīng)用，至今已經(jīng)有全球超過(guò)100家會(huì)員企業(yè)，完成了近200個(gè)企業(yè)資助研究項(xiàng)目，橫跨幾十個(gè)行業(yè)，服務(wù)過(guò)GE、波音、寶潔、英特爾等世界知名企業(yè)。應(yīng)用領(lǐng)域涉及能源、軌道交通、裝備制造、工程機(jī)械、海洋工程、微電子等行業(yè)。

IMS的研究人員在美國(guó)故障預(yù)測(cè)與健康管理技術(shù)協(xié)會(huì)(PHM學(xué)會(huì))每年舉辦的工業(yè)數(shù)據(jù)分析競(jìng)賽中連續(xù)取得優(yōu)異的成績(jī)，被譽(yù)為工業(yè)人工智能領(lǐng)域的“西點(diǎn)軍校”。研究員中80%都去往GE、Bosch、Boeing等國(guó)際知名制造企業(yè)，成為工業(yè)界智能化的主力軍。

李杰教授本人堪稱全球范圍最先提出并實(shí)踐工業(yè)人工智能的泰斗之一。自1983年在美國(guó)開(kāi)始做汽車(chē)自動(dòng)化生產(chǎn)線，1988年開(kāi)始在美國(guó)郵政主管機(jī)器視覺(jué)和機(jī)器手寫(xiě)辨識(shí)的研發(fā)，實(shí)現(xiàn)郵件自動(dòng)分揀系統(tǒng)，是人工智能技術(shù)在產(chǎn)業(yè)中最早的應(yīng)用探索。于1992年加入美國(guó)國(guó)家基金會(huì)NSF，李杰教授提出最早的工業(yè)人工智能概念。1998年開(kāi)始在聯(lián)合技術(shù)公司(United Technologies Research Center UTRC)擔(dān)任研發(fā)總監(jiān)，參與了普惠發(fā)動(dòng)機(jī)、開(kāi)利空調(diào)、奧迪斯電梯等工業(yè)人工智能技術(shù)的研究。

李教授于2000年回到高校，在辛辛那提大學(xué)任教授，并聯(lián)合工業(yè)界創(chuàng)辦了IMS中心。那時(shí)，他便提出了一個(gè)大假設(shè)，假如所有的數(shù)據(jù)都能拿得到，那時(shí)我們?cè)撟鍪裁?這樣的思考逐步構(gòu)筑了最早的工業(yè)人工智能體系的雛形，并先后于2005年在GE發(fā)動(dòng)機(jī)、2006年在豐田凱美瑞等做預(yù)研試點(diǎn)。

智能系統(tǒng)維護(hù)中心(IMS中心)通過(guò)與NI美國(guó)國(guó)家儀器合作，開(kāi)發(fā)了基于LabVIEW的Watchdog Agent預(yù)診斷工具包，并獲得了2012年NI Week創(chuàng)新獎(jiǎng)。2013年，周濟(jì)院士(機(jī)械工程專家，中國(guó)工程院院士)邀請(qǐng)李杰教授前往工程院演講，是在中國(guó)首次分享工業(yè)人工智能的概念與技術(shù)實(shí)踐經(jīng)驗(yàn)。

在2012年美國(guó)國(guó)家科學(xué)基金會(huì)對(duì)所有 I/UCRC產(chǎn)學(xué)研中心進(jìn)行了經(jīng)濟(jì)影響力評(píng)估，IMS中心以8.5億美元的經(jīng)濟(jì)價(jià)值和1:238的投入回報(bào)比位居所有研究中心的首位。

自2015年起，李杰教授與IMS成員單位合作聯(lián)手，陸續(xù)出版了《工業(yè)大數(shù)據(jù)》、《從大數(shù)據(jù)到智能制造》、《CPS新一代工業(yè)智能》、《工業(yè)人工智能》等多部著作，匯聚了大量工業(yè)大數(shù)據(jù)分析與預(yù)測(cè)和工業(yè)人工智能的實(shí)踐案例，引領(lǐng)了中國(guó)制造企業(yè)的智能制造價(jià)值轉(zhuǎn)型。

2018年7月，IBM在TJ Watson研究中心舉辦了IMS活動(dòng)，與李杰教授共同成立了全球第一個(gè)工業(yè)人工智能中心。2019年李杰教授獲得了第九屆(2019)吳文俊人工智能科技進(jìn)步獎(jiǎng)(科普獎(jiǎng))。

沿著李杰教授的親歷經(jīng)驗(yàn)，我們可以大致梳理出西方國(guó)家在工業(yè)人工智能技術(shù)領(lǐng)域的布局與發(fā)展脈絡(luò)，早于中國(guó)十?dāng)?shù)年。同樣的，在美國(guó)出現(xiàn)這些技術(shù)的早期，IMS積極地倡導(dǎo)故障預(yù)測(cè)與健康管理PHM(工業(yè)人工智能的高價(jià)值應(yīng)用技術(shù)之一)，依然鮮有企業(yè)愿意嘗試。

即使是信息化程度最高的半導(dǎo)體行業(yè)，仍處在摩爾定律趨勢(shì)下不斷追求下一代集成工藝的階段。直到元器件越來(lái)越精密，工藝進(jìn)步越來(lái)越難，對(duì)于設(shè)備可靠性的要求越來(lái)越高，半導(dǎo)體廠商才意識(shí)到產(chǎn)線的維護(hù)將產(chǎn)生巨額的成本，這才回頭開(kāi)始關(guān)注PHM。

從2010年開(kāi)始，半導(dǎo)體制造的業(yè)界龍頭紛紛開(kāi)始與IMS合作，研究如何提升設(shè)備以外停機(jī)時(shí)間、縮短平均檢測(cè)時(shí)間(MTBD)。通過(guò)雙方的努力，在半導(dǎo)體行業(yè)實(shí)現(xiàn)了多個(gè)標(biāo)桿項(xiàng)目，被證實(shí)對(duì)于蝕刻設(shè)備上某一關(guān)鍵部件的壽命可以至少延長(zhǎng)8%。因?yàn)樾Ч@著，美國(guó)的半導(dǎo)體行業(yè)開(kāi)始全面推廣PHM技術(shù)，如今Lam Research的一些設(shè)備已經(jīng)幾乎完全可以做到自維護(hù)。

工業(yè)人工智能致力于解決工業(yè)領(lǐng)域的“不可見(jiàn)”問(wèn)題

IMS通常用“可見(jiàn)”和“不可見(jiàn)”，“解決”和“避免”的四象限圖來(lái)分析人工智能目前的應(yīng)用場(chǎng)景。目前人工智能在工業(yè)領(lǐng)域主要用來(lái)解決和避免“可見(jiàn)”的問(wèn)題，前者包括工業(yè)機(jī)器人、視覺(jué)檢測(cè)等，后者則包括無(wú)人駕駛、語(yǔ)音助手等。

在工業(yè)領(lǐng)域，可見(jiàn)問(wèn)題僅僅是海面上的“冰山一角”，“不可見(jiàn)”的隱性問(wèn)題才是海面下的惡魔。生產(chǎn)系統(tǒng)中的“不可見(jiàn)”問(wèn)題包括設(shè)備性能的衰退、精度的缺失、易耗件的磨損、資源的浪費(fèi)等。制造企業(yè)向智能化轉(zhuǎn)型的本質(zhì)就是從解決可見(jiàn)問(wèn)題到避免不可見(jiàn)問(wèn)題的過(guò)程。

如果說(shuō)可見(jiàn)問(wèn)題可以通過(guò)機(jī)器視覺(jué)、語(yǔ)義處理、深度學(xué)習(xí)等人工智能技術(shù)加以解決，那么“不可見(jiàn)”的隱性問(wèn)題又該如何解決?

IMS的基本思路是，在傳統(tǒng)的基于專家的規(guī)則和機(jī)理模型的基礎(chǔ)之上，通過(guò)數(shù)據(jù)中蘊(yùn)含的洞察和依據(jù)建立預(yù)測(cè)性分析算法和模型，在這個(gè)過(guò)程中不斷累積新的知識(shí)，形成可以持續(xù)傳承、迭代的模型資產(chǎn)和行業(yè)模板，并逐步構(gòu)建成體系化的工業(yè)人工智能系統(tǒng)。

不僅如此，只有大量的數(shù)據(jù)或者自動(dòng)化控制并不能實(shí)現(xiàn)智能化，關(guān)鍵在于要搭建一個(gè)可以從數(shù)據(jù)到知識(shí)再到執(zhí)行的閉環(huán)。

在李杰教授的框架中，工業(yè)人工智能中4T缺一不可。第一，是數(shù)據(jù)技術(shù)data technology，實(shí)現(xiàn)不同來(lái)源數(shù)據(jù)的統(tǒng)一采集，并不斷改良數(shù)據(jù)采集的過(guò)程，提高數(shù)據(jù)的質(zhì)量和標(biāo)準(zhǔn)化程度;第二，是分析技術(shù)analytic technology，以行業(yè)機(jī)理與數(shù)據(jù)驅(qū)動(dòng)融合的技術(shù)，將問(wèn)題產(chǎn)生的過(guò)程進(jìn)行數(shù)據(jù)分析、建模與管理，并構(gòu)建準(zhǔn)確、可靠和可解釋的預(yù)測(cè)模型;第三，是平臺(tái)技術(shù)platform technology，通過(guò)硬件架構(gòu)和軟件機(jī)制，實(shí)現(xiàn)邊緣端和云端的協(xié)同控制，支持設(shè)備集群和生產(chǎn)線的自組織、自配置。第四，運(yùn)營(yíng)技術(shù)operation technology，將得到的預(yù)測(cè)模型轉(zhuǎn)化為運(yùn)維、管理決策，實(shí)現(xiàn)從以人為核心的經(jīng)驗(yàn)驅(qū)動(dòng)生產(chǎn)向以數(shù)據(jù)為核心的模型驅(qū)動(dòng)生產(chǎn)的轉(zhuǎn)變。

工業(yè)人工智能技術(shù)面臨落地難困境

“錯(cuò)把技術(shù)手段當(dāng)做目標(biāo)，當(dāng)前很多的工業(yè)互聯(lián)網(wǎng)平臺(tái)都把重心放在了解決可見(jiàn)問(wèn)題的通用性技術(shù)上，強(qiáng)調(diào)平臺(tái)的工具和技術(shù)指標(biāo)，卻忽略了問(wèn)題本身。”在《工業(yè)人工智能》一書(shū)中，李杰教授曾經(jīng)直言不諱地批評(píng)目前很多的平臺(tái)都是在“拿著錘子找釘子”。

在天澤智云COO謝炯看來(lái)，目前很多工業(yè)物聯(lián)網(wǎng)平臺(tái)只解決了一個(gè)問(wèn)題：設(shè)備互聯(lián)、設(shè)備上云。工業(yè)互聯(lián)網(wǎng)能夠采集、獲取的大部分都是一些通用數(shù)據(jù)，比如機(jī)器的啟停、以及電壓、電流、溫度設(shè)備等對(duì)外開(kāi)放的低頻信號(hào)。但怎么樣去利用這些數(shù)據(jù)，怎么樣對(duì)數(shù)據(jù)進(jìn)行分析，獲得洞察?這才是工業(yè)智能應(yīng)該發(fā)揮的作用。

另一方面，從客戶的角度來(lái)說(shuō)，國(guó)內(nèi)企業(yè)在做智能化項(xiàng)目探索的時(shí)候，幾乎沒(méi)有思路，需求和目標(biāo)都不明確，“你問(wèn)他哪里疼，他說(shuō)我全身都疼。”它們最需要的不是所謂“連接萬(wàn)物”的平臺(tái)，而是有人能把業(yè)務(wù)需求轉(zhuǎn)化為技術(shù)需求，真正解決問(wèn)題、實(shí)現(xiàn)價(jià)值。而時(shí)下最流行的大數(shù)據(jù)和深度學(xué)習(xí)等“屠龍術(shù)”，也需要放在工業(yè)的背景之下重新考察，幾乎沒(méi)有拿來(lái)即用的可能性。

總結(jié)來(lái)看，人工智能技術(shù)在工業(yè)領(lǐng)域的應(yīng)用面臨四大高難度挑戰(zhàn)：

一、數(shù)據(jù)難變現(xiàn)：95%工業(yè)場(chǎng)景沒(méi)有標(biāo)簽數(shù)據(jù)，泛AI方法識(shí)別的奇異點(diǎn)數(shù)據(jù)很可能是工業(yè)現(xiàn)場(chǎng)中故障異常等高價(jià)值數(shù)據(jù)，不僅不能簡(jiǎn)單排除，而且還需要解讀這些數(shù)據(jù)背后的機(jī)理含義。然而更重要的是，工業(yè)人工智能的起點(diǎn)并非數(shù)據(jù)，而是用戶的痛點(diǎn)。偏離了這個(gè)出發(fā)點(diǎn)的話，針對(duì)數(shù)據(jù)展開(kāi)的工作往往無(wú)法轉(zhuǎn)換成真正的業(yè)務(wù)價(jià)值。

二、隱患難預(yù)見(jiàn)：工業(yè)領(lǐng)域在設(shè)計(jì)研發(fā)過(guò)程中就運(yùn)用多種建模手段，通過(guò)對(duì)物理指標(biāo)的仿真等，確保產(chǎn)品能夠被制造出來(lái)。然而到實(shí)際生產(chǎn)中仍可能會(huì)產(chǎn)生產(chǎn)品缺陷，有些問(wèn)題很難在設(shè)計(jì)階段被發(fā)現(xiàn)或避免。在生產(chǎn)制造這一更加漫長(zhǎng)的運(yùn)行過(guò)程中，設(shè)備的衰退積累到一定程度就會(huì)出現(xiàn)停機(jī)、缺陷和浪費(fèi)的風(fēng)險(xiǎn)等。這些都造成了工業(yè)企業(yè)的憂慮，卻難以通過(guò)傳統(tǒng)手段或泛AI技術(shù)被提前預(yù)知和解決。

三、轉(zhuǎn)型難啟動(dòng)：工業(yè)智能化是跨領(lǐng)域多學(xué)科的系統(tǒng)工程，從硬件選型到軟件部署，從數(shù)據(jù)采集、預(yù)處理到特征增強(qiáng)，以及算法開(kāi)發(fā)、模型構(gòu)建再到工業(yè)AI的應(yīng)用，需要考慮的維度眾多，企業(yè)內(nèi)部也需要多部門(mén)協(xié)同，受限于效率和成本等因素，往往無(wú)從下手難以啟動(dòng)。

四、經(jīng)驗(yàn)難傳承：依賴專家和師傅們傳授制造現(xiàn)場(chǎng)的經(jīng)驗(yàn)，毋庸置疑將逐漸淡出歷史舞臺(tái)。一是經(jīng)驗(yàn)豐富的老師傅越來(lái)越少，二是隨著兩化融合的深入發(fā)展，信息系統(tǒng)日趨復(fù)雜，各個(gè)系統(tǒng)之間的數(shù)據(jù)關(guān)系容易形成豎井狀態(tài)，比如制造過(guò)程與運(yùn)維管理系統(tǒng)之間的割裂，工業(yè)企業(yè)的關(guān)鍵信息與核心知識(shí)無(wú)法轉(zhuǎn)化為可傳承的資產(chǎn)，發(fā)展受到極大掣肘。

天澤智云打造工業(yè)界“GitHub”

針對(duì)國(guó)內(nèi)工業(yè)人工智能領(lǐng)域的普遍誤區(qū)，天澤智云在IMS理論體系的基礎(chǔ)上對(duì)癥下藥，提出了針對(duì)性的解決方案。

“我們聽(tīng)到過(guò)一位互聯(lián)網(wǎng)專家來(lái)這兒做演講，他說(shuō)這個(gè)行業(yè)最缺的不是AI工程師，而是理解業(yè)務(wù)需求，把業(yè)務(wù)需求轉(zhuǎn)化為技術(shù)需求的人”。

天澤智云要做的，就是挖掘、提煉不同行業(yè)之間的共性需求，專注于工業(yè)人工智能領(lǐng)域的幾大殺手級(jí)應(yīng)用領(lǐng)域：1、設(shè)備維護(hù)策略的優(yōu)化;2、工藝優(yōu)化與過(guò)程質(zhì)量控制;3、能源管理和能耗優(yōu)化。

據(jù)孫昕介紹，天澤智云能夠給制造業(yè)企業(yè)帶來(lái)的核心價(jià)值在于三個(gè)“零”——零宕機(jī)、零次品和零浪費(fèi)。零宕機(jī)指的杜絕設(shè)備意外宕機(jī)。零次品是指持續(xù)提高良品率。零浪費(fèi)則是指在生產(chǎn)的整個(gè)過(guò)程中降低能耗、提高能源效率。

創(chuàng)業(yè)頭兩年雖然一直在不同的行業(yè)尋找場(chǎng)景、服務(wù)客戶，但天澤智云一直不滿足于做一家項(xiàng)目主導(dǎo)的服務(wù)公司，而是希望打造一套為所有客戶賦能的“工業(yè)智能模型生產(chǎn)流水線”。畢竟，僅僅依靠自身的技術(shù)團(tuán)隊(duì)一個(gè)一個(gè)地實(shí)現(xiàn)智能化場(chǎng)景，對(duì)于整個(gè)產(chǎn)業(yè)來(lái)說(shuō)只是杯水車(chē)薪。

“天澤智云應(yīng)該靠體系、平臺(tái)、工具搭出一條流水線，把工業(yè)智能化的技術(shù)難度降下來(lái)。這時(shí)候不只是我們自己，整個(gè)產(chǎn)業(yè)的高級(jí)人才就都不用花那么多時(shí)間和精力去做基礎(chǔ)的技術(shù)活兒了。”孫昕意識(shí)到這樣的產(chǎn)品體系才是支撐天澤智云長(zhǎng)久發(fā)展的關(guān)鍵所在。

把天澤智云自身的數(shù)據(jù)采集能力、軟件工程能力、工業(yè)數(shù)據(jù)分析能力、模型構(gòu)建與管理能力提煉為標(biāo)準(zhǔn)化的通用性軟件工具，將會(huì)大大縮短交付落地的周期。交付的系統(tǒng)本身也具備簡(jiǎn)單易用的特點(diǎn)，讓用戶自己賦能自己，持續(xù)迭代模型或者構(gòu)建新的模型、不斷優(yōu)化業(yè)務(wù)效果。

對(duì)于天澤智云自己的團(tuán)隊(duì)而言，輔助以這樣的產(chǎn)品工具，也大大地縮短了項(xiàng)目的交付時(shí)間，團(tuán)隊(duì)規(guī)模將不再是制約承接項(xiàng)目數(shù)量的主要瓶頸。原來(lái)，一個(gè)鋼鐵能耗優(yōu)化場(chǎng)景的項(xiàng)目大概需要6到9個(gè)月時(shí)間，現(xiàn)在4個(gè)月之內(nèi)就可以搞定。

經(jīng)過(guò)十幾輪的迭代，天澤智云已經(jīng)形成了基于工業(yè)智能技術(shù)體系的工業(yè)智能產(chǎn)品矩陣，涵蓋了數(shù)據(jù)轉(zhuǎn)換為業(yè)務(wù)價(jià)值的關(guān)鍵環(huán)節(jié)，從工業(yè)現(xiàn)場(chǎng)的數(shù)據(jù)采集、邊緣計(jì)算，到數(shù)據(jù)服務(wù)、分析建模，再到系統(tǒng)部署和工業(yè)應(yīng)用。

天澤智云將工業(yè)物聯(lián)和邊緣計(jì)算系統(tǒng)、工業(yè)大數(shù)據(jù)服務(wù)中臺(tái)、工業(yè)智能模型研發(fā)平臺(tái)這三款核心產(chǎn)品共同打造成了一套工業(yè)智能基建系統(tǒng)——模力工場(chǎng)，可以快速孵化工業(yè)APP與創(chuàng)新工業(yè)應(yīng)用，加速工業(yè)智能化的轉(zhuǎn)型升級(jí)，還寄托了為國(guó)家搶占下一代工業(yè)軟件制高點(diǎn)的愿景。

在孫昕看來(lái)，中國(guó)制造業(yè)的最大短板就在于“核心資產(chǎn)都在工業(yè)軟件手里，而我們國(guó)家真正掌握制高點(diǎn)的工業(yè)軟件幾乎沒(méi)有。”“模力工場(chǎng)”將幫助那些有能力構(gòu)建愿景、有研發(fā)能力的組織，在智能化過(guò)程中不再受制于人，不再落后于一些歐美廠商，使中國(guó)在新基建領(lǐng)域完全做到自主可控。

“模力工場(chǎng)”將IMS 20年間以及天澤智云過(guò)去4年多扎根中國(guó)所積累的典型行業(yè)模板和模型資產(chǎn)沉淀下來(lái)，成為中國(guó)工業(yè)場(chǎng)景的領(lǐng)域知識(shí)、算法模型資產(chǎn)平臺(tái)，讓更多的開(kāi)發(fā)者，尤其是有工業(yè)Know-how的專家，可以高效便捷地開(kāi)發(fā)復(fù)用，在更多的個(gè)性化場(chǎng)景產(chǎn)生更大的價(jià)值。

“如果我們用這套軟件系統(tǒng)做了一百個(gè)工業(yè)智能應(yīng)用，就有一百個(gè)場(chǎng)景的模型被沉淀在這些行業(yè)的土壤當(dāng)中，中國(guó)的工業(yè)模型資產(chǎn)庫(kù)就多了一百個(gè)可以傳承和生長(zhǎng)的工業(yè)智慧”。這才是天澤智云貢獻(xiàn)給中國(guó)工業(yè)界的一筆不可估量的財(cái)富。