【工业智能】用AI来做工业设备的故障诊断，目前还停留在“鸡尾酒疗法”阶段
“对于工业设备而言，从运行状态数据搜集到上传云端存储分析，再到应用组件的整合，整个过程是一条非常长的产业链，做好产业链的某一点并不难，难的是将这些数据打通。”周北川告诉数据猿。
记者 | 郭敏
官网 | www.datayuan.cn
微信公众号ID | datayuancn
一分钟，“蛟龙号”最大能下潜50米，“复兴号”前进5833米，“神威•太湖之光”运算750亿次，333万元投入研究和试验，生产汽车55辆……每一分钟，中国都在发生巨大改变，这样的改变离不开工业的发展，更离不开智能制造。
2015年5月，国务院印发了《中国制造2025》发展纲要，纲要将智能制造作为“中国制造2025”九项战略任务之一。制造业想要实现较大飞跃离不开云计算、大数据、人工智能等技术，这些技术可以用于工程设计、工艺过程设计、生产调度等多个环节。
然而在众多环节中，有一个环节经常被忽略，那就是设备的故障诊断和维护。其实，搭建一个开放的控制和反馈系统，基于数据对设备的运行故障以及异常问题进行动态反应才是实现智能制造的根本。
“对于工业设备而言，从运行状态数据搜集到上传云端存储分析，再到应用组件的整合，整个过程是一条非常长的产业链，做好产业链的某一点并不难，难的是将这些数据打通。”中科云创创始人兼CEO周北川告诉数据猿。
虽然难，但周北川却和他的团队做到了。
设备的维修和维护是块儿“难啃”的骨头
5年前的一天，在微软呆了10年的周北川与表哥的一次谈话坚定了他创业的决心，“我表哥在德国巴鲁夫公司担任中国区副总经理兼销售总监，做了15年的工业设备传感器的销售，他说工业互联网已经到了一个爆发点，如果想做就早点下手。”
其实，在微软工作期间，周北川一直有创业的想法，“我当时在微软的企业服务部，做后端的云平台，包括如何给企业提供售后服务支持，一个项目接一个项目的做着，时间长了脑子里就有了千万个想法，但苦于没有应用场景，想法就搁浅了。”
于是，在与表哥的一番交谈中，周北川沉积多时的创业想法被唤醒，他觉得是时候了。不过工业互联网有商品交易、项目撮合、社区论坛、物联网、柔性制造等众多细分领域，要从哪个点切入，哪个行业入手还需深思熟虑。
“当时，我们看到了工业客户一个比较大的痛点——设备的远程监控和维修维护问题。”周北川决定把它作为切入点。
不过说起来容易，做起来难，摆在周北川面前有两个棘手的问题：第一个是企业的数据沟通问题，第二个是数据量的积累问题。
企业的数据沟通分为两个层面：企业内部的数据沟通和企业与企业之间的数据沟通。在考察工厂的过程中，周北川发现，虽然现阶段大家都在提工业互联网，但多数工厂依然沿着“设备信息化”的老路在走。
“他们依然沿用的是内网、局域网，走有线，为了互相之间的线不要走的太远，控制室、中控室和车间必须挨在一起，一个工厂里就有好几个中控室，各个车间的数据没法打通；设备数据存储在工厂内部，假如接入西门子的仪器远程诊断工厂设备的状态，看不了，要维修设备，必须要到现场。”
工业数据不可能放到公有云平台？
在周北川看来，要打通这些数据需要一个物联网平台。但初创企业搭建工业物联网平台得先找一个“拳头级”应用，不然“九死一生”。
据周北川描述，这个“拳头级”应用要具备三个特征：
第一、简单可复制。互联网领域讲究长尾效应，每个项目需要投入大量的人力成本，在周北川看来并不可取，对于初创企业来说做通用性服务才是王道。可复制有两种方式：一种是产品，另一种是SaaS。如果做产品的话，需要公司的技术人员到企业去部署，这样算下来也是一大笔开销，最终周北川选择以SaaS的方式进行，这样就可以下载即用。
第二、既然要做SaaS，它就要具备标准化。“很多工业领域需要的工具，比如MES、ERP等不好SaaS化，因为它的非标程度非常高，每个企业都必须要带着一个咨询项目去做这件事情，所以也没有办法复制，我们得找到一个可以复制且标准化的应用。”周北川说。
第三、可以放到公有云平台上。相信多数工业企业因担心数据的安全问题，不愿意把数据放到公有云平台上。但在周北川看来将数据放到公有云是节约成本、提升效率的关键，况且对设备进行远程监控和维护只需要状态数据，并不涉及其他隐私数据，所以企业无须担心这一点。
基于这样的思路，周北川率领团队搭建了工业物联网设备健康管理SaaS服务平台——云中控，以数据为基础、设备为节点、流程为准绳、人员为中心，将物联网、语音识别、图像识别、机器学习等技术融入其中。
据周北川介绍，云中控平台通过公有云或混合云的方式，为设备制造商和设备用户快速实现设备的运行状态数据采集、传输、展示和加工等提供一揽子服务。
用户在数据源设备加装工控机或数采模块，标记设备控制系统或传感器等采集点，通过操作图形化界面完成本地设备的数据采集，经由3G、4G、Wifi等方式将实时数据上传到云服务器的数据库。
使用云中控的Web应用和手机APP，浏览设备状态，追溯历史数据，将加工统计后的数据转化为产能、良品率、设备使用率、能耗等各类报表，为生产和运维的优化提供决策依据。
平台有了，但企业为什么愿意把数据给你？
“虽然我们的定位很清楚，但刚开始确实没有企业愿意把设备数据放到我们这个平台上，毕竟没有数据累积和具体的应用案例。”周北川坦言。
不过，当周北川拿着这套解决方案四处奔走的时候，他发现还是有很多企业愿意试一试，毕竟生产设备突发故障后，设备专家不在现场或者无法联络，维修备件没有库存或者供应商无现货，这些情况都会造成长时间的停机，这些问题已经困扰他们多年。
在采访的中，周北川重点提及了东升科技园的案例：
在东升科技园的某个配电室里，按要求每两个小时工作人员需要进行一次巡视，对机房内部的变压器、绝缘开关、断路器、柴油发电机等设备进行检查，把电气设备上的电流、电压、功率、温度等信息抄录下来，发现问题及时报告和处理。
“配电房都依赖人员巡检，而人员巡检存在责任心、技能和设备熟悉程度的差异，巡检效果参差不齐。”周北川表示。
据了解，为了保证园区办公区域不断电，配电室需要两个人轮班值守，一个配电房要配备八个人，一个园区通常是一个到四个配电房，每年花费在配电房人员监控方面的费用就有几百万。
为了节省开支，让巡检更加高效，东升科技园在配电房外增加了现场监控一体机，接入“云中控”的平台后，采集配电房里配电箱、配电柜、不同线路、开关等几千个点位的数据并传到云平台，通过移动终端和运营中心大屏，随时接受提醒、查看数据，及时保养和抢修。
周北川告诉数据猿，中科云创还将机器人用于配电房巡检，“我们做了一个机器人，机器人会把配电柜上的具体信息拍下来，通过图像识别就可以知道哪个灯是亮着的、仪表盘的数据是多少、开关是什么样的状态……通过这些数据和后台数据做对比来检测设备是否正常工作。”
这样的方式不仅能实现配电房的智能化维护，还能结合人工智能实现故障预测。
用“鸡尾酒疗法”做工业大数据
不过，利用人工智能进行故障预测是什么逻辑？周北川告诉数据猿，“把声音识别器安装在配电房里，通过它来采集设备振动或者打火的声音，一段时间之后对累积的数据进行分析，就知道哪种声音是打火的声音，之后就可以通过声音识别来做故障诊断、预判和实时告警。”
当下，在工业领域，图像识别、语音识别已经进入实用阶段，但在算法方面，周北川却认为，用AI来做工业设备的故障诊断，目前还停留在“鸡尾酒疗法”阶段。
“将各种算法运用到机器学习中，最开始的算法扔进去可能只能达到40%的准确率，再换个算法扔进去实现50%，再扔进去一个算法实现70%……之后实现80%，找到方向了，然后再做一些调优，这时候可能用到一些专家、行业知识再去调，最后调到90%多，有一点像鸡尾酒疗法，不过这个过程需要很多有效数据的积累，通常不是短期能够取得巨大成效的。”
在过去的几年里，一些工业领域的巨头依靠自身的数据和技术独自研发了工业互联网平台，例如三一重工的树根互联、沈阳机床的i5系统……根据他们对外披露的数据，所花的费用均在10~16亿之间，对于小企业来讲，这样高昂的研发费用他们是承担不起的。周北川表示：“在我们平台上，一台设备每年只需要支付一千块的运营费，任何一个小企业都可以用得起这个平台。”
如今，中科云创已经在数控机床、港口机械、智能配电、高速设备等领域累积了大量的客户，取得了不错的收入。发展至今，中科云创的团队也已经初具规模，其核心团队多是来自于微软、思科、索尼、华鲁锻压等企业的经验人士。对于2018年，周北川表示，中科云创将重点聚焦在智慧消防、机床的维修维护、融资租赁的设备风控三个方面。（文/郭敏）
制造业大数据标准化应用及成功案例分析
2018年3月29日，“2018全国大数据标准化工作会议暨全国信标委大数据标准工作组第五次全会”在北京国际会议中心召开。会议发布了《大数据标准化白皮书（2018版）》，白皮书对大数据国内外政策、产业及标准化现状和应用做了全面梳理和分析，完善了大数据标准体系，介绍了重点国家标准，并提出了下一步工作方向。
伴随着“智能制造 2025”国家战略的实施，大数据应用已成为制造业生产力、竞争力、创新能力提升的关键，是驱动制造过程、产品、模式、管理及服务标准化、智能化的重要基础，体现在产品全生命周期中的各个阶段，工业大数据正在加速制造业的转型升级。
制造业大数据的应用
首先，基于统一标准化思路驱动的工业大数据产品研发设计，实现研发过程的智能化，提升了创新能力、研发效率和设计质量。通过产品全生命周期数据的采集，工业大数据建模和数字仿真技术优化设计模型，及早发现设计缺陷，减少试制实验次数，降低研发成本、提升设计效率，缩短了产品研发周期。
其次，综合制造过程中设备、效率、成本、耗能等数据展开建模分析，实现了运行过程的状态监测与优化工艺参数推荐。通过生产工艺过程参数，设备运行状态参数与产品质量性能、生产线排产负荷、耗能等数据进行关联性深度挖掘，形成数据闭环，可得出工艺参数的最优区间、车间排产计划的最优方案、厂房能效优化的最佳调控手段等。
工业大数据技术的发展和相关标准化工作的推进，也带来了制造业产业链上下游企业间各协同环节的信息共享和同步升级，企业可根据自身优劣势分析对业务进行重新取舍，整合资源实现平台化运营，优化价值链。
另外，基于大数据构建的产品故障预测系统，能帮助用户实时掌握产品状态，在产品出现异常前展开预测性维修。基于数据标准化思路的企业全流程的数据集成贯通与工业大数据建模分析，支撑了大规模定制为代表的典型智能制造模式。基于研发知识库的大数据产品模块化分析，以及协同创新平台所整合的内外部产业链协同设计能力，可实现产品的个性化设计；基于工业生产大数据的互联工厂柔性化生产能力，保障了个性化设计订单低成本高效率的制造；结合物流大数据分析优化的物流配送系统，可充分保障个性化定制产品在最短时间内按承诺交付至用户。
相关成功案例
案例一
海尔 COSMO Plat 空调噪音大数据智能分析
应用领域：家电行业、智能制造
应用背景：海尔胶州空调互联工厂部署有国内唯一的分贝检测设备，当空调测试分贝大于标准分贝时，系统判断为不合格并将结果输出至 COSMOPlat-IM（MES）系统，但此设备无法识别空调运行中的异音，如摩擦音、共振音、口哨音等。此外，每天快节拍、高强度的空调装配流水线工作导致检测工人听取噪音时间过长，易产生疲劳和误判，偶尔有不合格品流到下线，影响产线整体检验的可靠性。因此，急需找到新式噪音识别方法，解决企业当前痛点。
核心方案：基于标准化思路的核心问题研究：COSMOPlat 是海尔自主研发、自主创新的共创共赢工业互联网平台，通过整合平台上的软件及硬件资源，与美林数据共同开发了空调噪音智能检测系统，有效地解决了无法准确、可靠识别异音的痛点。解决方案包括非结构化音频数据实时采集与存储、分析建模与智能识别、结果输出与可视化展现三大部分，核心过程如下：
阶段 1：模型搭建的标准化研究
针对生产线采集的大量历史检测音频，利用端点检测技术对产品运转过程中起、停机阶段的音频区段进行智能切割，利用数字滤波技术自动对音频进行降噪。通过特征自动提取与样本标定，利用机器学习技术构建智能分类模型，模拟人工判断行为，构建标准化的模型研究思路。
阶段 2：参数调优的标准化思路
智能分类模型需通过大量音频数据进行模型训练与优化，并验证其准确性。算法专家利用历史音频对模型进行验证与参数调优，通过不断扩充训练样本及模型自学习，确保识别准确率满足生产线质检精度要求，最终形成一套基于标准化思路的调优方法。
阶段 3：上线实施，技术标准研究成果的应用
构建音频采集系统，实现产品分贝检测产线对音频的实时同步采集与型号关联。智能识别模型自动完成音频文件的接入、特征提取、智能判别等工作，输出对应产品条码号的实时判别结果，对异音自动报警，并针对识别结果对产品异音原因进行智能分类，辅助返修排故。系统将智能检验结果实时反馈至企业COSMOPlat 工业互联网平台，支持产线质量问题在线统计与分析。
系统核心思路
项目实施过程中参考了《信息技术 大数据 术语》《非结构化数据管理系统技术要求》《信息安全技术 数据库管理系统安全技术要求》等大数据相关标准，并与海尔工业智能研究院有限公司一起，结合项目具体实施过程中的现场问题和解决过程为《信息技术 大数据 存储与处理系统功能测试规范》《非结构化数据访问接口规范》《实时数据库通用接口规范》等在研以及拟研制的大数据相关国家标准反馈了标准立项诉求和标准内容建议。
实际效果：海尔 COSMOPlat 空调噪音大数据智能分析项目通过传感器、分贝检测系统、业务系统、模型算法的集成与交互，在企业解放人力、减少误判、提高检验可靠性等方面均有了极大提升。此项智能检测系统的实施充分利用了设备端的嵌入式智能计算技术，以分布式信息处理的方式实现了设备端的智能和自治，通过服务器、业务系统间的交互协作，实现了检测系统整体的智能化。项目的实施为海尔集团在旗下其他分厂生产线部署基于声音检测的空调状态智能识别系统积累了丰富经验，为行业内公司在产线智能化改造与转型升级等方面做出了示范。
案例二
长安汽车智能制造技术研究所冲压质量大数据项目
应用领域：汽车工业、智能制造
长安汽车作为中国知名汽车制造企业，中国品牌汽车产销累计已突破 1000万辆，并连续 10 年位于中国品牌汽车销量前茅。近些年，长安总体战略也是从传统汽车制造企业转向智能制造服务型企业，重点发展科技、智能制造、服务三大方面，并在重庆本部成立了智能化中心。长安汽车某工厂冲压车间共建有三条冲压生产线，主要负责生产侧围、翼子板、车门、引擎盖等轮廓尺寸较大且具有空间曲面形状的乘用车车身覆盖件。
目前在冲压生产过程中，一方面由于冲压设备性能、板材材料性能、生产加工过程参数等波动，部分侧围在拉伸工序中易产生局部开裂现象，需反复进行参数调整与试制；另一方面，在冲压产线线尾，需对冲压件外观质量进行统一检测，现有检测方式为人工手动检测，需在有限生产节拍时间内，快速分拣出带有开裂、刮伤、滑移线、凹凸包等表面缺陷的冲压件，检测标准不统一、稳定性不高、质检数据难以有效量化和存储，不利于企业数据资源收集、质量问题分析与追溯。
美林数据通过建设大数据存储与处理平台，实现了工厂冲压车间的所有设备、
模具、材料、生产制造过程数据、质量检验数据的集成、存储与统一管控。平台
建设过程参考了《信息技术大数据参考架构》《大数据存储与处理平台技术要求》《信息技术数据质量评价指标》《非结构化数据访问接口规范》等标准。
解决方案
依据大数据存储与处理平台，借助基于机器学习的数据挖掘、基于机器视觉的智能检测技术，实现了冲压侧围件开裂预测与产品件表面缺陷的智能识别检验。
▶ 依据冲压设备加工参数、板材参数、模具性能参数及维修记录等，通过数据挖掘机器学习算法，建立冲压工艺侧围开裂智能预测模型。通过样本积累与模型训练调优，准确预测冲压侧围件的开裂风险。最后，确定了冲压制造过程影响因素间的相关性，制定了生产过程参数组合控制策略，为冲压制造过程工艺优化和质量把控提供支持。
▶ 基于机器视觉的冲压件缺陷智能识别检测，立足生产线现有条件，设计图像采集系统，通过图像实时采集与智能分析，快速识别冲压件是否存在表面缺陷，并自动将所有检测图像及过程处理数据存储至大数据平台。通过质检数据、生产过程工艺参数、产品设计参数间的关联，借助大数据分析技术，形成冲压产品质量问题分析管理的闭环连接，实现冲压产品质量的精确控制和优化提升。
▶ 项目实施总体框架如下：
项目实施总体框架图
在项目具体实施过程中，美林数据通过与长安汽车项目团队进行业务研讨及评定，综合制造业底层数据采集、平台数据规范设计、数据质量检测、大数据分析总体技术要求等方面内容，编写了企业级《制造业大数据分析业务指南》。此外，根据项目实施经验，为工业大数据领域相关标准、应用规范的立项、研制、发布等提供了信息反馈和经验积累，后续将协助大数据标准工作组确定并推出相关标准内容。
案例三
江苏省重点领域共性技术攻关项目---工业大数据元数据规范与验证技术攻关专题---工业大数据标准体系研究及重点标准编制
应用领域：工业
1、主要攻关内容分为两大部分：工业大数据标准体系研究和重点标准编制。
（1）工业大数据标准体系研究
全面分析智能制造发展的要求和工业大数据产业发展趋势，研究智能制造企业的研发、生产、运营、营销和管理方式，分析国内外工业大数据服务产业标准的现状、趋势和需求，梳理相关国际标准、国家标准、行业标准、团体标准、企业标准，提出符合针对智能制造相关技术研发和业务应用需求，研究工业大数据标准化需求，以指导成体系成系统的标准制定工作，形成工业大数据发展趋势的标准体系框架和标准体系表。
（2）重点标准编制。
结合产业需求，针对现阶段工业领域急需解决的问题，采用急用先行的原则，结合工业大数据标准体系框架，研制《工业大数据产品核心元数据规范》、《工业大数据 OID 标识分配与注册解析规范》、《工业大数据 OID 对象标识符编码与存储规范》等重点关键的工业大数据领域重点标准。
2、本案例先进性和技术路线
（1）总体设计
1）各项研究任务协调配合、有机互动、整体推进
本项目研究内容包括相关技术、相关标准体系和文本的研制工作。各项工作相互配合，相互促进。
工作流程图
2）标准研究与标准验证、应用验证等内容协调互动
工业大数据相关业务、产品和标准化三者之间是相互促进、相互制约的，标准的需求主要来自业务和系统的需求。这三者之间相互依托，层层递进，协同完成项目目标。
逻辑结构图
3）相关标准研制
工业大数据相关服务标准的制定将征集用户需求，并针对尚未规范化的、紧迫需要规范和统一的内容，适时推出标准内容。
以现有技术为基础，提炼适合系统的技术及参数要求，结合技术发展趋势，联合相关生产厂商、学术机构、高等院校和行业协会及用户等各方组成标准起草组共同研究标准内容。
（2）项目实施
按照标准化法规定，标准在研制过程中主要经历起草、征求意见、送审和报批等四个阶段。
项目实施阶段说明
3、案例实施
（1）江苏中堃数据技术有限公司基于公关专题，结合工业大数据重点在线缆行业的能耗分析和预警预测、营销分析和预警预测突破。其中通过能耗横向对比分析，纵向时间序列分析，发现企业耗能设备，并结合入厂时间，单位产量能耗等指标，帮助企业能耗下降 5%。通过设备能源利用率分析，为企业提升10%左右的产品产量。营销分析预测是通过分析同行业的相关数据，为决策者提供有力的决策支撑，辅助决策者做出最优的选择。
（2）在新能源领域，江苏中天科技软件技术有限公司在相关标准的指导下构建智慧能源管理平台，实现了集中数据存储和大数据分析评估，可以输出多维度报表；支持平台电站资产评估分析，投融资决策；充分考虑了大数据的采集和处理稳定性和安全性。
（3）徐工信息公司结合工业大数据重点服务标准的研制和标准试点验证系统建设，在工程机械智能制造新模式探索中积极应用该标准系统，同步开展产品核心元数据规范和 OID 标识管理规范标准验证试点工作，同时扩展行业推广应用。
（4）江苏蓝创智能科技股份有限公司将在橡胶机械行业智能制造新模式中推广应用系列标准，验证标准在该行业中产品数据描述匹配能力，提高企业有效维护和管理产品数据的能力，提升工业产品生产溯源查询和产品数据共享能力。
（5）徐工集团牵头承担了标准试点验证项目，积极参与了标准草案和验证系统方案的编写及讨论，并在子企业进行试点，开展验证系统对接研发和验证系统的应用与验证，输出工程机械行业的标准验证效果和相应的《应用指南》。
（6）苏州洞察云信息技术有限公司——星云测试精准测试系统为锐捷网络的大型核心交换机程序提供可视化、智能化全生命周期测试解决方案，实现以极低的硬件消耗采集设备内部进程高速运行的代码逻辑数据，提供达到航天级别的测试数据和智能测试分析结果。
声明：本文素材来自《大数据标准化白皮书（2018版）》
轨道交通的PHM故障预测与健康管理
“我国正在开发400公里时速的变轨距列车、600公里时速的下一代磁浮列车也在进行研究，以后旅客坐进我们的高铁，感觉就会像进入家庭影院一样舒服……”2月26日国务院新闻办公室召开的新闻发布会上，中国高铁控制技术领军人物之一、中国工程院院士丁荣军向记者描绘了这样一幅“未来高铁”的“畅想图”。
高速轨道交通系统（HSR）在过去十年间连续保持高速增长。2016年，中国高铁的总长度已经达到22000公里，每天有高达2000多列高铁列车在运行。随着设计与制造技术的进步，可靠性得到了明显提高的同时，建设成本也逐步降低。
如何运用有效的运维手段，将隐性问题显性化，实时了解设备及轨道的运行状态并做出合理的应对策略，规避安全风险，节约维修成本，成为轨道交通亟待解决的问题，下面和大家分享两个天泽智云在故障预测与健康管理方面的实践案例。
天泽智云核心技术成员来自美国智能维护系统（IMS）中心，期间与阿尔斯通的高铁部门进行合作，参与开发的技术被整合到了在2013-2014年发布的高铁健康维护系统Health Hub。
阿尔斯通是全球领先的轨道交通解决方案的供应商，不仅基础设施庞大而且维护费用也高，所以阿尔斯通推出智能管理系统Health Hub，实现从车辆级到基础设施级的智能管理。在远程监测系统方面通过Train Tracer、Track Tracer、Train Scanner等产品，实现将运行过程当中的实时状态数据传递到Health Hub中进行分析，实时评估关键部件的健康状态，预测未来的风险，并且用预测性的方式进行排程优化。
这套系统支撑起了阿尔斯通向服务型制造的转型。
整个系统运用了典型的CPS技术框架，包括设备中数据的智能连接，实时的数据分析流，云端实现建模过程，经过大数据分析之后，对这些问题预测和决策，最终将决策运用到所有的相关部门中。自2010年起IMS中心与阿尔斯通进行合作，提供了很多分析模型的核心算法，包括高铁集群健康管理、车辆牵引电机、轨道的转辙器、车载的轨道监测系统等。通过故障预诊与健康评估模型，将传统的不可见的问题显性化，分析问题发生的过程，从而避免潜在的风险和问题发生。
目前阿尔斯通已经有超过35%的收入、50%的利润来源于对已经卖出设备的服务型管理。其中的价值在于，车辆卖给使用者之后，通过智能的分析、预测与优化排程，帮助用户节省维护成本，这是生产价值模式的转变。
针对高速轨道交通系统的预测性维护需求，CRRC启动了“轨道交通装备故障预测与健康管理技术研究与应用”重大科研专项，将预防性维护转变为预测性维护。在任务多样化和大数据环境下，为了能够对高速轨道交通系统进行实时监控，采用了信息物理系统（CPS）架构作为其PHM系统的框架。
天泽智云参与了由中车青岛四方机车车辆股份有限公司牵头的动车组整车PHM子课题，共同开发基于CPS技术的动车组PHM（故障预测与健康管理）平台，通过进行大量的实验，将轴箱轴承的镜像模型建立出来，包括失效模式、失效的状态，以及过去探测到具有隐性失效特征的算法等等。
基于与合作伙伴NI的整合解决方案中，很好地支持了高速并发同步采集的需求，其车载数据服务器也经受住了高速采集负载的考验。在数据分析方面，由于高铁运行环境中有非常大的振动噪声，且早期故障特征非常的微弱，需要开发先进的信号处理和特征识别算法才能实现故障的精准预测。这些算法所需的计算量很大，如果将原始数据传回远程中心进行分析，那将会产生巨大的通信和计算资源成本。
“我们融合边缘计算技术，将信号处理与特征提取的分析在车载硬件端完成，再将计算后的健康特征传输到数据中心，再通过模式识别等机器学习算法实现故障识别等功能。这样原本百兆/s的原始数据就变成了2Kb/s的特征信息，既满足了对数据分析的实时性要求，又降低了数据中心的传输和计算压力。这样我们就实现了分布式的监测和分析与集中式地决策优化和知识挖掘相融合的高铁PHM系统。”天泽智云首席技术官刘宗长说。
关于我们
北京天泽智云科技有限公司是工业智能实践引领者，美国智能维护系统（IMS）中心主任、白宫CPS国家战略顾问李杰教授任公司首席顾问，核心技术成员来自IMS中心的工业大数据核心研发团队，兼具工业领域知识、计算机科学、智能算法三方面知识和能力，将美国智能维护系统中心（IMS）过去18年在全球150+工业智能项目的经验在中国进行传承。
公司将“让工业无忧”作为企业愿景，以“10年实现100个无忧生产和无忧运营的工业场景”为企业目标，基于CPS的5C体系架构为客户提供以先进算法引擎和全球领先算法库为核心的端到端工业智能解决方案。
在轨道交通领域，天泽智云与中车青岛四方股份有限公司合作，开发基于CPS技术的PHM平台，实现对列车轴承等关键零部件的实时状态监测、故障预测及健康管理，促进轨道交通运维从计划维护到预测性维护的转变。
解决方案及优势
天泽智云为用户提供全栈工业智能方案集成，包括从硬件采集、数据管理、模型构建到人机界面开发等端到端的解决方案，实现从“系统”到“能力”的全方位交付。
顶层设计与方案咨询 – 基于企业现有的结构和已有数据，设计数据模型，解决工业场景中的问题；如何有效地运用人工智能、深度学习等技术解决工业实践中数据的收集、功能点的整体设计以及各个功能点之间的逻辑等问题。
系统交付与全面实施 – 提供专业的服务设计完整的IT架构，包括数据流梳理、IoT架构设计及集成、平台系统与功能应用部署等。
能力交付与持续改善 – 通过专家级服务持续帮助企业提升能力，工业智能平台的升级和功能迭代等服务。
人工智能赛博物理操作系统
AI-CPS OS
“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。
AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。
领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：
重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？
AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：
精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。
AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：
创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。
给决策制定者和商业领袖的建议：
超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。
子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。
如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！
新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。
产业智能官 AI-CPS
用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。
长按上方二维码关注微信公众号： AI-CPS，更多信息回复：
新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能金融”、“智能零售”、“智能驾驶”、“智能城市”；新模式：“财富空间”、“工业互联网”、“数据科学家”、“赛博物理系统CPS”、“供应链金融”。
官方网站：AI-CPS.NET
本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！
版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：[email protected]