- 人工智能
- 新─代通用目的技术
- 数据驱动的人工智能很可能成为一种经济学家所定义的通用目的技术(General-Purpose Technology)影响通常巨大且深远,正如内燃机、电力和互联网的历史意义。
- 数字化人才
- 人工智能的技术版图
- 基于数据科学方法构建的工业数字孪生
- 智能制造与数字孪生
- 大数据构建的数字孪生可以服务的场景
- 制造业的全生命周期
- 产品研发
- 生产制造
- 供应链管理
- 销售渠道管理
- 用户经营
- 客户服务
- 制造业的全生命周期
- 新─代通用目的技术
- 人工智能在制造业的实践
- 工业大数据应用特点
- 需要以产品和工艺机理为基础,通过挖掘、整合海量及多源数据,形成敏捷、高准确度且可泛化的预测模型,才有可能驱动企业业务创新和数学化转型升级。
- 系统性:需整合各类相关技术,形成分析到控制的有效闭环敏捷性:迅速完成业务主题的创建、建模、验证和部署持续性:数据分析模型需具备可泛化的能力
- 流程性:注重以解决问题为导向的收敛性流程和以保障结果确定性的过程管理
- 标准性:在现有工业系统的标准上,建立数据的标准、分析的标准、对分析结果认知的标准和反馈操作的标准。
- 数据科学应用实施流程
- 方法:对生产结果与过程参数进行演绎式推理和相关性归纳,通过大数据建模,优化工艺生产过程参数,提升生产线效益和质量。
- 算法模型工程化的方法
- 应用平台
- 数据中台
- 算法平台
- 算法封装本质:跨语言、跨平台的进程间通信
- 数据科学工具1:机器学习
- 应用实例:生产控制优化数字孪生
- 机器学习应用实例:设备工况数字孪生
- 应用实例:挖机工况数字孪生
- 挖机数据算法模型应用实例
- 机器学习应用实例:设备工作效率数字孪生
- 应用实例:旋挖钻机的工作效率数字孪生
- 机器学习应用实例:销量预测
- 根据小挖、中挖、大挖及微挖的历年销售量及开工率开工时长等指标预测接下来一年的挖掘机销售量,细分到重点地级市分别预测,同时计算出销量的具体影响因素,多维度全方面透析市场动态,精准预测市场走向。
- 数据哥伦布:数据科学“核武器”
- 机器学习应用实例:贷前风险评估
- 模型选择:
- CatBoost算法
- 准确率(F1): 85%
- 机器学习应用实例:贷中风险监控
- 模型选择:
- LightGBM
- 算法准确率(F1):92%
- 机器学习应用实例:在制品质量数字孪生
- 机器学习应用实例:基于图像特征的寿命预测
- 数据科学工具2:模拟仿真
- 仿真应用实例:生产节拍优化数字孪生
- 仿真应用实例:生产节拍模拟
- 数据科学工具3:运筹优化
- 运筹学
- 运筹学就是做决策的科学有决策发生的时候,就可以用到运筹学
- 决策是资源不可逆的分配过程因此,有资源分配发生的时候,就可以用到运筹学
- 寻找在满足约束的条件下能够最大化/最小化某一目标的最优决策
- 运筹优化应用实例:排产优化
- 运筹优化应用实例:智能物流发运
- 运筹学
- 数据科学工具4:知识图谱
- 知识图谱和NLP应用实例:故障诊断专家系统
- 通过NLP、深度学习等技术实现对零部件、故障现象、维修方法等实体、关系的信息抽取,构建挖机故障维修知识图谱,并在语义检索、问题分类、预测等方面展开应用,实现故障模式挖掘与识别,将专家知识及系统自动识别的维修方法进行固化,建设售后服务专家系统。
- 知识图谱和NLP应用实例:客户需求大数据分析
- 知识图谱和NLP应用实例:故障诊断专家系统
- 工业大数据应用特点
- 启示
- 算法模型封装与应用技术经验总结
- Al时代的工业软件研发思考
- 01软件靠市场喂大
- 02X因素
- 03价值VS易用性
- 人工智能在工业的落地深坑
- 结束语:不是最强的,也不是最聪明的,而是最能适应变化的物种,才能生存下来。—达尔文