工业互联网是新一代信息通信技术与工业经济深度融合的新型基础设施,是第四次工业革命的重要基石。我们一起来了解一下华为云生态伙伴Meetup:工业智能专场的内容吧!
一. 工业互联网发展概述
1.1人类迎来第四次工业革命,加速进入智能世界
工业互联网是工业全要素、全产业链、全价值链的全面连接,是人、机、物、工厂互联互通的新型工业生产制造服务体系,是互联网从消费领域向生产领域、从虚拟经济向实体经济拓展的核心载体,是建设现代化经济体系、实现高质量发展和塑造全球产业竞争力的关键支撑。工业互联网由网络、平台、安全三大体系构成。
1.2工业互联网是工业强国的必经之路
制造业要升级,数字化改造是重要途径。数据显示,我国制造业中90%以上的是中小企业,超过55%的企业尚未完成基础的设备数字化改造。由此可见,工业互联网建设本身就是一个潜力巨大的市场。
然而,一些企业明明有数字化改造需求,却不敢、不愿、不会上“云”,需要引起重视。
比如,不少制造业企业利润不高,搭建一些工业互联网系统,前期投入比较大、周期长,如何降低投资成本、分散投资风险?
比如有一家模具厂虽然抓住了上“云”的趋势,但之前也有顾虑:模具是接单式生产模式,小批量多品种,不清楚能不能上“云”、上什么样的“云”。
就在企业观望犹豫时,在政府政策引导下,主动对接了优质云工业互联网平台,并通过政府后续补贴等方式,迈出了上“云”的第一步。
1.3 工业知识与A融合,实现工业提质、降本、增效的高质量发展
产业对工业互联网定义:
是第四次工业革命的重要基石,它通过实现工业经济全要素、全产业链、全价值链的全面连接,支撑服务制造业数字化、网络化、智能化转型,不断催生新模式、新业态、新产业,重塑工业生产制造和服务体系,实现工业经济高质量发展。
中国工业互联网的顶层架构分为三大体系:
- 网络体系
- 平台体系
- 安全体系
华为基于实践对工业互联网认知:
- 本质是工业和ICT产业的协同与融合
- 是利用数字孪生、人工智能等技术对生产制造和服务体系的重塑
- 是基于机理的工业知识与数据和AI代表的IT知识的深度融合与生态重构
- 人工智能将直接进入生产系统,同时也需要适配工业场景独特性
1.4业务、流程、组织、IT、运营管理的持续变革,才能支撑有效增长和全球化运作
1.5华为是全球领先的1CT基础设施和智能终端提供商
愿景使命:我们致力于把数字世界带入每个人、每个家庭、每个组织,构建万物互联的智能世界。
1.6 IT建设持续投入,有力支撑了业务创新和卓越运营
1.7 工业互联网建设面临的挑战
1.新旧系统结合困难
新技术如何与存量平台融合,缺少一站式AI开发平台,缺少匹配企业架构的运行平台。
2.行业知识难以提取和利用
隐性知识的提取、数字化,知识的沉淀和分享,行业知识的二次开发与利用。
3.行业知识与AI的结合难
机理与AI结合的范式,数据样本量不足,工况动态变化。
1.8 华为工业互联网,聚焦工业三大业务流,助力工业数字化、智能化
1.9华为工业互联网平台,联接+智能,使能工业应用升级
二. 工业智能中枢,加速工业智能化升级
2.1人工智能将逐步深入工业,创造更大价值,成为工业发展新动能
人工智能是新一轮科技革命和产业变革的重要驱动力量,成为科技创新与产业发展的新动能。2010年初,百度开始布局人工智能,百度大脑是百度人工智能多年技术积累和产业实践的集大成,包括基础层、感知层、认知层、平台层和AI安全。基础层是数据、算力和算法,是支撑新一代人工智能快速发展的核心基础;感知层包括语音、视觉、虚拟现实和增强现实技术;认知层包括语言与知识技术,是让机器像人一样,掌握知识、理解和运用语言,具备认知能力;平台层则是面向开发者和合作伙伴打造繁荣生态;安全体系则纵贯百度大脑各层,为AI技术及应用保驾护航。王海峰介绍,百度大脑从2016年开始开放百度AI技术,到今年已经升级为6.0,成为“AI新型基础设施”,一方面核心技术不断迭代创新,另一方面,飞桨深度及百度昆仑芯片等也不断夯实软硬一体AI大生产平台。
2.2 目前工业AI遇到挑战,寻求新突破
过去十年里,人工智能从实验室走向产业化生产,重塑传统行业模式、引领未来的价值已经凸显,并为全球经济和社会活动做出了不容忽视的贡献。当前全球人工智能浪潮汹涌,各国学者正努力实现人工智能从感知到认知的跨越,使之具有推理、可解释性、认知性。未来十年,人工智能技术将实现从感知智能到认知智能的新突破。
2.3华为云工业智能中枢:工业智能化升级的核心动力系统
盘古行业大模型和工业场景深度融合,极大减少训练投入,降低行业客户的使用门槛.
2.4 工业知识与AI结合,释放工业生产系统的潜能
2.5 工业MLOps:以业务为中心构建AI应用全生命周期迭代
沉淀已有AI能力
自动化AI模型训练流水线,帮助客户实现AI服务持续监控、进化和集成交付。
- 工业质检、废钢定级、电力巡检、煤矿Al视频分析
- 智能配煤、智能配料、窑磨优化、二维切割
以业务为中心的MLOps
提供业务指标监控、事件监控等功能帮助客户实现以业务为中心的AI能力持续监控,避免模型重训练造成的资源浪费。
云边协同
提供边缘、云上推理训练资源的统一管理和调度优化,实现边缘推理数据回传和接入,支撑云上进行下一轮的模型优化训练。
三. 华为云工业质检,给工业装上一双慧眼
3.1 传统机器视觉已广泛应用于工业场景,助力提升产线自动化水平
机器视觉是用机器来代替人眼来做测量和判断,将图像处理应用于工业自动化领域,对物体进行非接触检测、测量,提高加工精度、发现产品缺陷并进行自动分析决策,是先进制造业的重要组成部分。
检测:
对目标物体的表面状态进行检测,主要检测产品外观瑕疵、污染物、外观形状缺陷、表面印刷缺陷等。
测量:
把获取的图像像素标定成常用的度量衡单位,然后在图像中精确地计算出目标物体的几何尺寸。
定位/引导:
在识别出目标物体的基础上,经过测宝精确给出目标物体的坐标信息,辅助机器人完成装配、拾取等操作。
识别:
甄别目标物体的物理特征,包括外形、颜色、字符、条码等,常见的应用场景是物流标签读取和字符识别。
3.2 面对更多的复杂场景,应用传统机器视觉算法有一定的局限
场景落地困难:
- 数据获取成本高,成像系统需在不影响安全生产情况下从生产过程获取数据,时间成本高;
- 异常样本分布少,实际生产过程中,正常样本量远大于异常样本量,需耗费大量标注人力进行筛选;
实际案例:某矿下属的流水线,每天24小时连续视频中仅包含几十个异常样本,需要从百万级别图片中将其筛选出来构建样本集。
产线间复制难、进化难、场景需求多:
- 产线间泛化难,由于工业相机、产线环境等因素的独特性,一个产线开发的模型无法直接复用到其他产线;
- 场景进化难,产线工况变化快,产品型号迭代周期快,模型需要持续迭代更新;
- 碎片化场景需求多,制造行业需要不断提升良品率,各种产品的质量检测复杂多样,均需开发对应质检模型;
实际案例:某零部件制造商,平均每个月会新增一种产品型号,由于精准率的高要求,模型需要每次针对新产品外观进行优化。
人工智能人才不足:
- 人工智能人才短缺,工业领域人工智能发展处于早期阶段,人工智能人才短缺,培养周期长;
- AI开发门槛高,人工智能算法开发对开发人员知识体系和素质要求高,导致开发门槛高
实际案例:某厂家AI门,当前具有5个A1开发人员,但当年需要开发30+质检场景AI模型,任务量极大。
3.3 华为云EI云边端协同工业质检平台
非正常即异常,通过正常样本解决数据冷启动:
工业互联网是新一代信息通信技术与工业经济深度融合的新型基础设施、应用模式和工业生态,通过对人、机、物、系统等的全面连接,构建起覆盖全产业链、全价值链的全新制造和服务体系,为工业乃至产业数字化、网络化、智能化发展提供了实现途径,是第四次工业革命的重要基石。
工业互联网不是互联网在工业的简单应用,而是具有更为丰富的内涵和外延。它以网络为基础、平台为中枢、数据为要素、安全为保障,既是工业数字化、网络化、智能化转型的基础设施,也是互联网、大数据、人工智能与实体经济深度融合的应用模式,同时也是一种新业态、新产业,将重塑企业形态、供应链和产业链。
本文参与华为云社区【内容共创】活动第20期。
https://bbs.huaweicloud.com/blogs/374925