李杰:工业人工智能与企业转型应用案例

工业情报官6/25

这篇文章出自李杰的《三思而后行》。

李杰

辛辛那提大学杰出教授、国家自然科学基金智能维护系统中心/工业人工智能中心创始董事

大家好，今天我想谈谈一些案例，因为我的新书《工业人工智能》即将出版，预计将于6月份在上海发布。今天，我带来了这本书，它仍在修订中，主要是为了介绍为什么工业人工智能应该被重新定义，以及它与互联网有什么关系。我认为在工业互联网中，虽然每个人都不同，每个企业都有不同的做法，但有一点是相同的，那就是客户必须解决他们无法解决的问题，或者客户可以通过你获得价值。不管是卖鱼的、卖清酒的还是高铁运营商，目的都是一样的。

当我在1991年进入国家科学基金会时，每个人都知道这个组织是相对中立的，它的所作所为是全世界共享的，是完全开放的。当时克林顿执政时，这位官员的职责是研究20年后会发生什么，每天吃饭，谈论20年后会发生什么。1995年，我被公司派往日本先进工业研究所、日本理工大学。我去日本的项目是在机器上使用互联网。这是美国的第一个“互联网”项目。当时日本使用卫星远程控制机器。当时，我代表国家自然科学基金参与发动机和电梯远程控制的研究，由研究结果形成的论文是唯一能够最早发现的论文。那时，速度建模必须与远程控制相关。至于为什么需要建模，原因是仅仅依靠数据是不可能做出决定的，这显然是不够的。

后来，从1998年到2000年，我在美国担任研发主管。2000年后，我在智能维护中心(Intelligent Maintenance Center)担任教授，该中心在全球拥有100多家企业，许多新企业诞生了。今天我将谈论中国的高速铁路和中速铁路。

当我近年来写第一本书的时候，我也是从滴水湖开始的。2015年会议期间，上海交通大学创建了先进工业研究院工业大数据。会议结束后，我决定把它写下来。这本书描述了从2001年到2015年的集成案例，包括智能制造、云上的工业智能和最新的工业人工智能，这些可以在下个月看到。

说到今天的工业互联网，根据历史，基本上有以下改造方法:首先，正如互联网公司所说，我可以添加一个应用程序成为“互联网”、“互联网金融”和“互联网零售”。我使用面部识别来查看顾客购买了多少次和没有购买多少次，并根据零件的偏好来确定顾客信息。这些被称为工业互联网和智能转换模式，可以推动制造业背后的过程。新制造业、“工业互联网”、汽车、钢铁和风力发电都是如此。他最初制造产品。如果他有问题，他会添加互联网。如果他能从远处看到，他会特别监视你。如果没有，他会关掉它。互联网的质量，生产线一起，找到整体质量问题，我就能解决生产线的问题。成功率非常高。还有人工智能大数据云技术的启用模式，我也可以为你解决很多问题，只要给我题目，这样你就可以进行启用了。

互联网的存在一定有原因。虽然人是事物的核心，但人和事物是自然的联系，没有事物，人就无法生存。麦克风是演讲的目的，所以人们和麦克风需要互动才能产生价值。关键是麦克风不告诉人们该做什么，人们需要系统地管理事物，比如管理旅行的某某应用程序。我们可以使用增强现实(AR)、虚拟现实(VR)和其他技术进行远程管理，但是当事物与传感器耦合时，它可以以通知的方式管理人们的想法。这是对的也是错的，例如，汽车可以直接告诉人们它们在哪里，但是必须有一个系统来管理它们并告诉他们什么是人。这个系统就是我们今天谈论的工业人工智能。工业互联网是一个管理系统，而不是一个高科技系统。在工业互联网中，我们今天必须做的是解决客户最大的难题。工业互联网公司必须准备好看到最丑陋的一面，否则他们不应该这样做。这里的数据技术，包括分析技术、平台技术和操作技术，非常重要。今天我们讨论了日期变更，时间变更，时间变更，时间变更，其中时间变更是谈论最多的。我是一家平台公司，你我可以通过合作解决问题，这是一个梦想和幻想。制造这个平台的公司必须是成功的，有自己的平台，然后让问题得到解决，甚至两个不知名的人在平台上解决问题。我们的许多企业现在把这个平台当作阳台，把所有东西都放在平台上。云平台基本上是一个平台，有6个共享、共享存储、共享网络和共享计算机。这是基本功能。最重要的是共享资源，不是为自己拥有一些东西，而是别人可以使用的东西。还有共享服务和生态，这可以驱动许多其他生态事物。如果机器有问题，传感器公司和维护公司可以在这里。我有数据，所以谁先得到数据。数据属于用户，而不是你，那么这是谁的数据？归根结底，这是当今互联网的战场。许多公司说我会制造云平台，并要求其他人制造云平台。事实并非如此，因为用户和值是在这里生成的，这取决于其他人是否愿意使用你。例如，如果一个设备、一台机器和数据出来了，我可以立即使用车内的数据和全球定位系统定位，并且道路信息是清晰的。上海政府对此并不清楚，因为没有进行现场调查，但我自己开车穿过了这些道路，所以我知道。因此，汽车产生的数据可以转化为生态。数据生态来自传感器。这是一个知识生态。诸如哪个地方不好和哪个地方在比赛的信息是已知的。这是服务生态。三个生态系统完成后，它们将成为自然生态系统，但其中一个是随机的。正如轮胎振动知道哪个轮胎不好一样，它会从那里调整。汽车数据是你的，所以你可以做很多事情，但是轮胎公司不知道。这取决于谁能想到它。

例如，轴承APP的使用。当我在通用汽车公司工作时，我们在1983年有一位名叫查理的专家。他一听到这个消息，就知道轴承内圈坏了。一旦他再次听到，他可以看到轴承本身的外环也不好，因为内环、外环和球的频率不同。我想说为什么人们需要看到它。我们对轴承进行分类，绿色是正常的，白色是外环，黑色是球，蓝色是内环。这种分类方法非常好。只要我们开始绕圈，我们就能找出外环问题。我们过去需要有37年工作经验的专家来鉴定它。现在我们只需要一个振动信号，即噪声信号，这个数据可以在世界各地使用。我们将数据捐赠给美国国家航空航天局。现在看看美国宇航局的网站，已经有超过30，000次下载。利用这些数据，850多名医生撰写并毕业了他们的毕业论文。我也想做一个应用程序，任何人只要告诉我什么样的方位，什么样的速度，应用程序直接和自动帮助你判断什么是问题。这样的应用程序在每个人都使用后会变得有价值。无论粘度和弹性如何，大小轴承都可以使用，因为只有客户输入才能形成APP，现在已经非常成熟。我们做工业大数据和工业人工智能来帮助客户发现他们不理解的问题。重要的是用户和价值驱动。这是最重要的目的。

你现在对数据质量有什么看法？有很多关于发动机、船只、高速列车等的数据。第一个可以找到高速列车和滚珠轴承。中国的高速列车每小时运行300公里。中国可以制造200公里以下的轴承。中国不能制造200公里以上的轴承。它们是进口的。因此，有必要知道它们是否可以使用。许多公司说我有很多数据。我们花了6个月收集数据，但是您的数据无法使用，因为您没有背景信息。这就像献血一样，但我们不知道你是否患有艾滋病或胆固醇，所以我们不敢使用你的数据。数据的可用性是一个重要的标准，这个行业已经有数亿人了，因为很少有公司能做到这一点，而其他公司却做不到。数据本身是断裂的，因为所用的时间不同，所用的方法不同，数据的背景不同，船只航行时的天气不同，飞机起飞时的高度和风速都不存在，而且几乎不可能对数据进行节油服务。如果你不知道天气信息，你就不能更多地了解发动机。历史数据或类似数据可以用于比较吗？我们能找到关系，找到我们仍然不知道的问题，什么样的风速，什么样的湿度，风力涡轮机叶片会结冰？甘肃不会结冰，安徽也会结冰，因为天气湿度不同，路况和汽车的平顺性有什么关系，都不知道，因为数据没有分类，所以人们很难做出决定。

2017年，通信研究所运营的工业互联网主要关注风力发电是否会冻结。当时，1600个团队选择了12个团队，6个团队造成了皮带损坏，6个团队造成了风力冻结。其中，富士康有三个团队，有些人会问他们是如何得到这个东西的，因为他们说大数据非常强大，没有风力就可以预测。我逐渐对富士康有了更好的了解，发现我们在这方面可以有很多合作，所以我帮助他们制作了工业互联网。

后来，在我将这些数据捐赠给富士康后，华为使用云平台，一个用于物流，另一个用于切割工具，这可以预测切割工具将如何断裂以及磨损。所有参与者都来自大学，没有商业团体。对于中国商界来说，单靠自己的力量发展工业互联网确实很困难。首先，没有时间，其次，没有环境。我给你数据，但没有分析时间。有些人有工具但没有客户数据，而另一些人正好相反。

我发现自20世纪80年代以来，人工智能已经发生了很大的变化。近年来，国内炒作尤为激烈。从互联网到工业互联网，从云到CPS，到人工智能，都有持续的炒作。纳米技术自1993年以来已经研究了近20年。现在博士生找不到工作。我们还在谈论纳米技术吗？没有钱，所以我不会谈论它。我认为人工智能在接下来的十年里不会有任何钱，因为没有办法致富。每个人都应该知道一个领域不能被解雇。在人脸识别和语音智能之后，人工智能如何赚钱是一个巨大的挑战。

因此，很难验证我们未来人工智能投资的可能性、增长和可用性。我可以使用我的产品并需要您的投资吗？我直接去找顾客，并立即使用了它。你为什么要投资？过去，当一个机器人故障半小时，你会补偿损失。你想要吗？所以机器人公司一个接一个地死去。我可以用你的，但是如果你不得不承受损失而你又不敢，什么是人工智能？数据环境发生了变化；它不是固定的。有必要确定哪里出了问题，因此从多方面解决系统工程以及如何验证该系统的可用性是非常重要的。因此，当我第一次定义工业人工智能时，我写道，人工智能是一门认知科学，一门研究如何在医疗和识别中使用图像和自然语言的科学，所以有成功率，但问题是如何保持成功率不受任何变化的干扰。国外的人工智能并不能解决一个奇妙的问题。问题解决后，可以反复解决，并能稳定地传递下去。

例如，当我退休时，会有人接替我。它比以前稍微好一点，但也好不了多少。过去，不同的专家一个接一个地研究。人工智能可以通过训练来实现。然而，每次需要更换零件时，都必须再次对系统进行更改。旧系统和新系统不能自动覆盖。因此，人工智能现在必须自动调整。它可以随时调整。他需要这种东西。我们需要看看哪种方法适合解决哪种问题。

第一个中国船只案例。我想做中国船舶互联网的原因是因为韩国正在做，技术是第一位的。那时，中国不是第一个。我说这艘船最大的问题是油耗。那时，根据船的位置，每天角度的变化，可以根据它的阻力找到关系。现在整个团队已经形成并私有化，我们每年可以节省6%的石油成本。第一艘智能船于2017年12月6日正式成立。它的业务不是销售船舶，而是销售船舶管理和服务。有多少人听说过宽度研究？这是我们错误的结果。很多东西在运转，很多风力在运转。但是我们应该监控每一个风力吗？因此，我们申请了宽度研究专利。学生们参加了三次考试，成绩总是很好，没有任何问题。如果他们考试考得不好，他们会得到补充课。因此，他们会知道哪个不好，哪个好。高速铁路有两个转向架，每个转向架有四个电机。一个比率就能说明哪个不好。我可以很快知道哪种风力是好是坏，并把它放入一种风力中，看看哪种风力是不稳定的。不管天气好不好，这艘船出去后都可以修理，人们就会知道哪个不好。我们打算去巴黎旅行。我们问了10个朋友哪里好玩，10个朋友哪里好玩。

高速铁路运营时，轮毂会产生大量数据。高速铁路有十多个区段，一个区段有两个转向架。当时，我们监控了整个小组。根据速度的变化，我们发现了爬坡和加速减速的相似性，然后我们就能找出哪一个更好，哪一个不是。我知道哪个马达不好，哪个隔间不好，我会比较一下。这很快，因为总共需要使用20，000多辆汽车。所以整个高速铁路都可以被拉起。例如，有一天，中型汽车的汽车出来后，汽车就会和谐。信号发出时，总比知道哪个电机在哪个部分不好要好。如果你把注意力集中在这个马达上，并与其他马达进行比较，你就能找出哪个马达是最差的。把整个系统变成一个整体，中间的车可以很快找到坏电机。这是宽度学习。

下一个例子是电池，电动车也是。特斯拉有2000多个电池。当电池充电和放电时，它会改变。我在找哪个电池？直接在云中进行计算。数据不需要存储，因为它可以在云上完成。当你给电池充电时，你知道它有什么问题。当时，韩国的一位市长来参观电池信息库，并建立了一个模型。这就是我们所说的智能大数据。它始于2010年。现在有十项专利。我们等待公司触摸并在触摸后找到它们。只有两个由云构成的电子。

接下来我们将讨论工业互联网的案例。去年我们协助富士康申请灯塔工厂。全国共有17家工厂，因为富士康有17万台机床和1.8万条生产线。如果您想这样做，数据量就足够大，工业云需要加强边缘的智能。事情不需要做得这么快，因为不需要立即做出决定。我们使用了许多工业互联网软件来预测生产中的问题。问题被预测到了，最后工厂被关闭了。富士康目前有八家退役工厂，所以我不需要看机器。目前，全球共有16家，今年7家，第一年9家，今年7家富士康和西门子共有16家。基本上，对我们来说最重要的事情是专注于边缘。

最后，我们现在有一个问题，人工智能找不到人，买不起人，留住不了人。我们建立了一所工业学院来培养人才。当我帮助富士康时，只有30个人从事人工智能。现在有1000多人。

传统人工智能是一门永远不会停止的传统科学，但工业人工智能是为了解决过去和未来的问题。人工智能不能解决过去的问题，但工业人工智能必须解决过去的问题，如高铁、车辆、风力、深度学习和广度学习。我的书在六月出版，由交通大学出版社出版。如果你感兴趣，你可以看看。其中也有许多案例。今天我们来谈谈这个。谢谢你。

这是杰伊·李(Jay Lee)教授在2019浦江创新论坛——产业论坛“产业互联网创新发展论坛:产业互联网助推制造业高质量发展”上的演讲。组织者:徐阳·文博。