未来工业智能峰会|看中船、中车的数据智能化之路

2019独角兽企业重金招聘Python工程师标准>>>

中国最大的数据源实则来自于工业界，远超互联网与商业大数据。大量的制造数据都在中国汇集，这无疑给了中国制造最好的资源优势。如何利用好这一资源，实现大数据和工业领域的智能制造相融合成为了需要迫切解决的问题。

12月1日，由美国NSF智能维护系统中心（IMS）和北京天泽智云科技有限公司联合主办的「2017未来工业智能峰会暨天泽智云GenPro发布会」上，业内顶尖的专家给出了自己的答案。

工业企业智能化转型五大难题

1. 方法：知道需要转型，不知如何转型
2. 人才：跨学科人才少，协同困难
3. 时间：转型迫在眉睫，找不到出路就面临破产
4. 资金：需要花费大量的资金组建研发团队
5. 传承：多依赖于人，传承性差

美国IMS中心主任李杰教授

 我有几张阿里云幸运券分享给你，用券购买或者升级阿里云相应产品会有特惠惊喜哦！把想要买的产品的幸运券都领走吧！快下手，马上就要抢光了。

活动现场，美国IMS中心主任李杰教授在发言中回顾了IMS的发展历程、工业数据分析挖掘、国际工业巨头在智能制造领域的做法等内容。

2000年IMS中心成立时期，人工智能、大数据以及机器学习等都是当时非常前沿的技术，IMS就开始探索怎么通过机器的数据来分析判断发生故障前衰退的痕迹，以及预测未来的生命周期表现。目标是将设备纠错式维修变成预测性维护，结合生产维护排程，在资源效率最优、成本最小的情况下排除故障，最终实现近零停机的智能维护系统。

李杰认为工业企业要实现大数据和智能制造相融合，传统的做法是实现三步走。

第一步：了解过去，找出关系。在过去的生产中会产生一些数据，需要了解这些数据之间是否存在相关性，通过利用工具系统对数据进行分析，找出数据之间的相关性以及产生的原因；

第二步：从现有的装备中找出重要装备的生产过程。对数据进一步了解后，可以发现哪些装备最容易出现故障，故障原因由哪些零部件所导致的，装备质量优劣的造成原因。

这样可以把问题集中在影响生产过程中最重要的20%的零部件上，然后加装传感器、收集数据、再进一步了解装备的情况。

第三步：把重要装备未来可能产生的问题避免掉。通过对过去和现在的装备运行数据进行分析，更加了解装备的运行数据趋向和预测方式，从而了解重要参数带来的价值，慢慢地把不必要的传感器拆除掉。

简而言之，通过从制造与工业系统利用传感器了解现有与过去，从数据中找出隐性的操作问题及未知的变异，及时做预防管理，避免故障并创造价值。

转载于:https://my.oschina.net/u/3611008/blog/1585742