明略数据葛利鹏：大数据驱动的工业人工智能初探

来源：数据猿 作者：葛利鹏 原文： http://www.datayuan.cn/article/11209.htm

随着我国经济发展进入新常态，大数据在稳增长、促改革、调结构、惠民生中承担着越来越重要的角色。同时，大数据也在重构信息技术体系和产业格局，为我国工业的信息化建设发展提供巨大的机遇。

4月24日，《魔方大数据系列应用圆桌论坛之智能工业创新应用论坛》活动在美丽的江苏盐城大数据产业园顺利举行。

出席此次活动的嘉宾有：

盐城市人大常委会副主任、城南新区党工委书记 周键云

盐城市城南新区党工委副书记、管委会主任 杨雪峰

盐城市城南新区党工委副书记、科教城管委会主任 郭庆生

盐城市经信委副主任 沈影帆

上海超级计算中心主任、上海大数据联盟秘书长 周曦民

明略数据工业大数据专家 葛利鹏

数之联CTO 方育柯

苏州无限愿景联合创始人 陈春雨

泰瑞数创科技COO 王睿

以下是由数据猿精编整理发布的  明略数据工业大数据专家葛利鹏  的精彩分享：

各位专家大家上午好！我是明略数据的葛利鹏。今天非常高兴可以跟大家一起分享明略数据在工业大数据方面的一些项目实践和典型案例。

工业在我国经济中占比较重要的地位。近年来，我国经济的快速发展，进入了一个中高速增长的新常态。工业在中国经济中的比重依然在不断增强。

同时，工业和我们日常生活是息息相关的。比如高铁出行，高铁经过短短十年多的发展，我们在自主创新方面取得了非常辉煌的成就。

现在，中国高铁每天可以产生4.2TB的数据。如何能够更加有效的利用这些数据，做到既可以增效，又可以保证高铁平稳运行。根据国际权威机构麦肯锡数据统计，如果有效的利用这些数据，将会降低企业维护成本10%~15%。

所以，如果能有效的利用预测性手段进行维护，必将带来更大收益，也能够更好的维持整个运营成本。

世界各国都已经意识到，以制造业为核心的实体经济才是保障国家经济健康、平稳发展的基础。在如今科技革命和产业变革的时期，世界各国都在抓住这个机会，来更快地发展本国科技水平。

英国和法国都有相应的国家战略。法国的工业4.0就是为了更好的将机械工程和本国制造业相结合，完成向智能制造的转变。我国有怎样的情况？我们可以看到创新水平不足、经济发展不平衡等一系列问题。

工信部也出台了一系列产业政策。比如"2025的产业政策"，我们不能看到具体的政策是如何落实的。是一条为数据为中心主线，以数据为纽带，用大数据作为驱动力。用数据驱动来真正实现智能化、智能制造，推动我国的企业从简单、粗放性的生产向经济化去转变。

大数据在企业里到底能够做什么？这是我们一直在探讨的问题。大数据能够在企业里真正落实的业务点有哪几个方面？能够通过业务带来企业的哪方面效率的提升？这是我们做大数据项目所关心的业务点。

通过很多项目实践和典型案例，我们发现：当大数据要在企业真正落地，真正见到效益，大概通过三个方面实现。

1、统一的数据管控平台

这个数据管控平台干什么用的？可以达到什么效果？这个平台可以给企业形成一个统一的数据汇聚中心。企业里的ERP、SCM、GPS，所有的数据都可以汇集到一个统一的数据库上。通过这个数据转换中心，各级领导可以非常清晰地看到一个企业数据的全貌。

2、优化生产流程

这个优化生产流程主要的效果是能够改善设备维修工程。比如地铁行业对于列车的运维有一项规程，但是如何做优化？凭什么规程是对的？以前是用经验来定规程，而现在是依靠数据来说这个规程如何改。生产流程如何配备更合理？人、物如何搭配最合理？我们都有一定的算法来帮助他们变得更合理。

这里是一些学术性的语言，包括OEE、OCT，通过这些就可以真正的实现一个企业生产流程的提升。

3、优化供应链

对于工业企业来说，我们更关注的是整条供应领的改善。在我们的概念里，供应链不仅仅是厂内、厂外，还包括从产品的设计，到产生销往的整个环节。我们这个工业链不仅可以优化产品的销售，而且可以更合理的进行产品的开产、订货，从而达到提升效率的目的。

大数据为什么可以达到以上三点？为什么能够帮助企业进行合理的改善？因为大数据能够进行产品的预测。

理论上来说，从产品的出产到最终消亡，是有一定的可寻痕迹。也就是说，对于任何一个产品来说，在不同阶段，它们应该有不同的维修手段。大数据有两个特点，一个是快，一个是准。快是运行的能力，准是处理的能力非常大。我能够将之前因为处理能力不够所抛弃的数据，全部纳入到数据建模之内，就可以使这个数据模型变得更为完善。

之前，为了在一分钟或者十秒钟之内计算完一个数据，就不得不抛弃一些大的样本数据。但是现在有了大数据模型，就可以把所有数据都放进去。这样，就可以把海量的数据在非常快的时间内（几秒钟之内）计算出来，就可以使数据反应能力非常准。

大数据这个"大"体现在工业处理的海量数据上。

有的工业企业并不具备非常大量数据。但是，他的数据可能特别复杂，这也是大数据所要处理的一种数据。

大数据应该被哪些企业所应用？这个企业是否真正能够体会到大数据所带来的价值？在我们很多的实践和案例中我们发现有一些企业是具备这样能力的。

通常情况下，大数据应该在规模以上的工业企业来应用，数据源的量足够大，这类企业可以将数据进行回传。通过我们做的一些案例，央企、国企是更应该采用大数据技术的。为什么？在一些大的行业里，他们的设备非常的昂贵，这些企业设备的运行中往往会和人们的生命财产有着巨大的关系。比如高铁，高铁一旦出现问题，就会对人的生命、财产产生巨大的威胁。为什么很多的大型企业都找到我们来做大数据分析、大数据挖掘？这是说明他们本身也意识到了，他们能够用大数据来做什么。用大数据就可以降低维修的成本，大幅提升客车运行的安全性。

在我们和很多的企业进行沟通的时候发现，我刚才说的规模以上的企业具备的特点是什么？他们普遍建立了一个数据标准，但是没有一个非常有效的团队数据管控平台。这样就会造成本身数据存留在各个不同部门之中。各种数据都被人为的分割在不同的业务系统之中，数据没有形成关联。所以说，当从一个全面的视角去看待一个企业的时候，很难进行统筹的考虑。

基于此，我们可以提供一个完整的解决方案。我们想给企业一个更为灵活的方案、架构，包括下数据层。各种业务系统的数据，然后进入到一个大数据基础平台。有了数据之后，一个是构建数据分析平台，另外是根据业务需求来构建不同的挖掘平台。

在数据存储方面，我们分为冷数据和热数据。在建模方面我们也有自己的考虑，到底适不适用现在很流行的深度学习的数据模型？还是只采用比较普通的模型？这个要基于用户的业务需求来做。同时，我们还会给客户一个展示。对于用户不同的层级，我们会给到用户一个非常直观、清晰的模型，让他更加了解自己的业务程度。

现在大家都提人工智能，其实人工智能是一个比较大的范围。在我们日常的项目实践中会怎么做？我们会有模型的选择、模型的训练。

通过深度学习，是基于神经网络来进行模型的构建，这个模型要经过多次的迭代。采用的神经网络的模型以后，采用大量的传感计算。在一些项目上，我们也选用了GPU的服务器，一般会采用英伟达的，计算速度非常快，足以支撑我后面多次迭代的数据模型的建模。

当我们做完数据建模，故障显示的状态并不是明确100%坏了，或者是100%的没有问题。我们是给到一个百分比，在给到客户预测的效果的同时，我们也需要人加入进来做最后的判断。最后的决策权是在客户，我们只是给一个建议。我们是做预测，并不是做决策。我们会告诉客户这个零件坏的概率是多少，一个月之后坏的概率是多少。

讲一个案例，我们为某电力企业做的解决方案。诊断出大数据建模工具的缺乏，导致他们不可以对一些缺陷进行诊断。购买设备一次可能买好几万个，但是在使用的时候预测不到这些设备是否有故障。但是在使用了我们的方式之后，就可以判断出是否需要反厂，或是下一批货可能会出现什么问题。

我们发现，在工业中，数据源、大数据技术和业务价值，这三个都是非常重要的。但是业务价值是核心。所以，我们的解决方案是围绕着整个企业的业务价值来体现的。最后，我建议大家在做工业大数据项目时一定要想清楚是否能降本增效，是否是企业想要的价值。

谢谢大家！