■
周宝冰
工业互联网与工业智能,是工业企业数字化转型的不同形态,但对两者的认识,关系到工业数字化转型的路径与效果。中国工程院院士谭建荣认为,工业互联网是工业智能化发展的关键综合信息基础设施。
工业数据的特点
在2019第三届世界智能大会上,谭建荣表示:“数据是工业互联网的核心,通过工业数据全周期的感知、采集和集成应用,形成基于数据的系统性智能,推动工业向智能化方向发展。”
工业生产的数据就是工业数据,来源于工业产品生命周期各个环节,包括生产经营相关业务数据、设备物联数据和制造企业外的数据等。
随着云计算、大数据等新一代信息技术在工业领域的运用,工业数据逐渐从简单、离散、孤立的数据,发展为与人、云和应用互联的海量大数据,有更多类型更多庞大的数据需要传输处理,数据处理的链条也变得更长,制造企业工业数据逐步打通,形成工业互联网。
谭建荣认为,工业数据有三个特点:一是多源异构,特别是非结构化的数据,分析起来很困难。二是数据关联性强,是全生命周期,基本上连续生产的企业要24小时持续采集,保证实时性、连续性、稳定性、动态性。三是数据相关领域非常复杂,包括故障检测、预测管理、可靠性等都涉及不同的专业领域。
在工业互联网中网络是基础,通过物联网、互联网等技术实现工业全系统的互联互通,促进工业数据充分流动和无缝集成。 “但是如何实现数据的充分流动和无缝集成,要求很高。”谭建荣说。
工业互联与工业智能的关键技术 对于工业智能,谭建荣强调, “工业智能就是工业知识库,没有知识谈不上智能。现在很多企业搞智能化但没谈到知识,最多是一个自动化、数字化、信息化,谈不上智能化。”
如何判断智能化?谭建荣提出,智能化的标准就是自主决策——机器根据不同的工况能自主决策,这是工业智能最核心的部分。工业智能的发展经历五个阶段,一是工业生产系统的管理与改善。二是以数据为标准的管理体系。三是数据驱动的绿色性建模。四是支持决策的知识系统。五是实体的景象对称映射建模。
数据是工业互联网的核心,也是工业智能的核心。谭建荣总结认为,从工业数据到工业智能涉及到六大技术。第一是数据挖掘技术,有三个要点,一是洞悉工业数据特征背后的物理意义,以及特征之间关联性的机理逻辑。二是覆盖工业过程中的各类场景条件。三是在大数据的前提下,保证工业数据的质量,冗余的数据要去掉。第二是数据匹配技术。第三是机器学习,这涉及到算法,目前国内还在应用层面。第四是知识工程,包括知识获取、知识表达及知识使用三个层面。第五是模式识别。第六是数字孪生。