李杰

先介紹我做工業(yè)大數(shù)據(jù)的前半生。我在美國(guó)37年，早在1983年，美國(guó)就開(kāi)始做汽車(chē)自動(dòng)化生產(chǎn)線，我先后在工業(yè)自動(dòng)化與機(jī)器人領(lǐng)域工作。后來(lái)進(jìn)入美國(guó)國(guó)家科學(xué)基金會(huì)NSF，然后在美國(guó)聯(lián)合技術(shù)研究中心（United Technologies Research Center UTRC） 擔(dān)任研發(fā)總監(jiān)參與了普惠發(fā)動(dòng)機(jī)、開(kāi)利空調(diào)、奧的斯電梯等開(kāi)發(fā)技術(shù)研究，之后我又回到學(xué)校當(dāng)教授，創(chuàng)辦了智能維護(hù)系統(tǒng)中心IMS。

IMS中心是2000年建立的，到現(xiàn)在已有17個(gè)年頭，目前全球有90多個(gè)合作伙伴，現(xiàn)在我們跟大金空調(diào)、華為、中船重工、中國(guó)中車(chē)，還有馬扎克機(jī)床等企業(yè)都有合作。

先來(lái)講一下工業(yè)的發(fā)展歷程。很多發(fā)展工業(yè)的國(guó)家首先從提高生產(chǎn)力開(kāi)始著手。有五個(gè)階段：第一個(gè)階段是全員實(shí)踐，每天做好整理、整頓、清掃、清潔，做整體標(biāo)準(zhǔn)化持續(xù)化的改善。第二個(gè)階段是數(shù)據(jù)化。第三階段做預(yù)測(cè)性建模分析，解決數(shù)據(jù)層到信息層的問(wèn)題。第四階段叫做知識(shí)層，現(xiàn)在我們要做的就是把數(shù)據(jù)變成可以支持決策的系統(tǒng)。第五階段是最高層，可以自主產(chǎn)生知識(shí)、自主決策。

IMS中心成立時(shí)，我們的想法是怎么把前半生的大問(wèn)題變成后半生的大價(jià)值。通過(guò)將傳感器數(shù)據(jù)和歷史數(shù)據(jù)相結(jié)合，做了細(xì)致深入的分析，這才把大數(shù)據(jù)的精髓發(fā)揮出來(lái)。找出了隱性的問(wèn)題，即還未發(fā)生的問(wèn)題，我們?nèi)ソ鉀Q甚至避免，并且創(chuàng)造價(jià)值，這就是工業(yè)大數(shù)據(jù)的后半生。我們做過(guò)的項(xiàng)目很多，包括John Deere、GE發(fā)動(dòng)機(jī)、阿爾斯通高鐵、固特異輪胎、Intel、寶潔等，是從前半生開(kāi)始做，先解決智能維護(hù)，后半生做智能預(yù)測(cè)，最后做到無(wú)憂(yōu)系統(tǒng)與大價(jià)值。

怎么做大價(jià)值？1984～1987年，我在通用汽車(chē)機(jī)器人自動(dòng)化生產(chǎn)線工作，MAP （Manufacturing Automation Protocol） 相當(dāng)于今天的IoT。1992年安吉星研發(fā)出來(lái)，安吉星做了全球第一個(gè)工業(yè)物聯(lián)網(wǎng)的前身—汽車(chē)?yán)锩嫠械膫鞲衅髦苯痈斯ご蛲ㄟB在一起。汽車(chē)出車(chē)禍，它馬上就知道，你不回話，它馬上叫救護(hù)車(chē)和公安人員到現(xiàn)場(chǎng)，安吉星在1992年就實(shí)現(xiàn)了。1998～2000年我在美國(guó)聯(lián)合技術(shù)公司（UTRC）擔(dān)任研發(fā)總監(jiān)時(shí)，奧的斯電梯是我們屬下的單位。我們可以從電梯的使用情況知道哪個(gè)電梯明天會(huì)有故障，那是在1997年。1999年，GE醫(yī)療的超級(jí)化磁共振波譜能夠在問(wèn)題還未發(fā)生之前或者問(wèn)題發(fā)生之后能進(jìn)行快速診斷并派人過(guò)去維護(hù)，減少設(shè)備故障率與人員費(fèi)用。到2004年的時(shí)候，開(kāi)始從醫(yī)療端的數(shù)據(jù)，即產(chǎn)品的數(shù)據(jù)轉(zhuǎn)到了病人的數(shù)據(jù)，這時(shí)候才是真正的工業(yè)大數(shù)據(jù)的開(kāi)始。

那么無(wú)憂(yōu)該怎么做？先講英特爾半導(dǎo)體?，F(xiàn)在中國(guó)正在蓋晶圓廠，在晶圓廠里面，人只需做一些簡(jiǎn)單的事情，是真正的自動(dòng)化，所以里面的數(shù)據(jù)最值錢(qián)。英特爾在2000年的時(shí)候找到我合作，希望對(duì)數(shù)據(jù)進(jìn)行分析和預(yù)測(cè)。因?yàn)檫@些裝備很貴，他們希望能夠提前預(yù)測(cè)裝備什么時(shí)候會(huì)發(fā)生故障，以及跟質(zhì)量、速度等的相關(guān)性。這就是我們IMS在2000年的重點(diǎn)，將預(yù)測(cè)性和預(yù)防性做到很高端的半導(dǎo)體裝備上面。

我們提出“煎蛋”模型，從大問(wèn)題導(dǎo)向到大價(jià)值導(dǎo)向。蛋黃是大問(wèn)題，蛋白是大價(jià)值。我們講大數(shù)據(jù)是從大問(wèn)題開(kāi)始，但它絕對(duì)不是目的，要做到大價(jià)值，發(fā)揮最好的作用，要從問(wèn)題到數(shù)據(jù)再到經(jīng)驗(yàn)。經(jīng)驗(yàn)可以傳承，但無(wú)法長(zhǎng)久傳承，而數(shù)據(jù)可以長(zhǎng)久傳承，因?yàn)樗羞壿嬓?，最后再把價(jià)值做好，把經(jīng)驗(yàn)變成事實(shí)。工業(yè)大數(shù)據(jù)要的是聚焦，是收斂的，而傳統(tǒng)的大數(shù)據(jù)是發(fā)散的，是機(jī)會(huì)導(dǎo)向，不是精密性的價(jià)值導(dǎo)向。GE發(fā)動(dòng)機(jī)通過(guò)遠(yuǎn)程監(jiān)控省油，省掉1%的油錢(qián)，15年下來(lái)節(jié)省一大筆成本，那這就叫蛋白。中船的案例中，船舶是蛋黃，針對(duì)每條船運(yùn)行時(shí)的天氣、海浪、風(fēng)等參數(shù)建模，形成海浪跟耗油的關(guān)系模型，根據(jù)分析結(jié)果來(lái)優(yōu)化航線和速度，能夠節(jié)省5%的油錢(qián)。

接下來(lái)講一下人工智能。有四個(gè)技術(shù)，DT數(shù)據(jù)處理技術(shù)、PT平臺(tái)接口技術(shù)、AT分析軟件技術(shù)、OT運(yùn)營(yíng)技術(shù)，是四個(gè)不同的操作層面。工業(yè)大數(shù)據(jù)有三大特點(diǎn)：分裂性、低質(zhì)性、背景性。運(yùn)用DT數(shù)據(jù)處理技術(shù)去解決這些問(wèn)題是很重要的，但是需要一些背景資料，需要懂發(fā)動(dòng)機(jī)、電子制造等領(lǐng)域知識(shí)才能做下去。AT分析技術(shù)需要用到計(jì)算機(jī)科學(xué)與人工智能方面等計(jì)算技術(shù)，PT平臺(tái)技術(shù)產(chǎn)生知識(shí)之后可以分享，也要反饋到OT運(yùn)營(yíng)層面。我們要用人工智能加強(qiáng)工業(yè)大數(shù)據(jù)，因?yàn)楣I(yè)大數(shù)據(jù)里面的數(shù)據(jù)背景很難鑒別。比如風(fēng)機(jī)在動(dòng)，風(fēng)速在變，空氣濕度在變，葉片到冬季會(huì)結(jié)冰，這些人看不到，機(jī)器也不知道，需要通過(guò)風(fēng)速和發(fā)電的參數(shù)，建立集群，慢慢建立起相關(guān)性，把分類(lèi)、分割、分解、分析、分享、分憂(yōu)這六個(gè)步驟實(shí)現(xiàn)。

未來(lái)智能化一定需要互相分享，用CPS（信息-物理系統(tǒng)）做記憶管理。所有物理系統(tǒng)都要能夠把數(shù)據(jù)的關(guān)系建立起來(lái)，這是人工做不到的。我們走過(guò)的前半生是把傳統(tǒng)的“大問(wèn)題”變成可以預(yù)測(cè)的問(wèn)題并解決；后面十年把大問(wèn)題變成”大價(jià)值”，把無(wú)憂(yōu)系統(tǒng)變成引導(dǎo)未來(lái)的技術(shù)，具備自維護(hù)性、免疫性、強(qiáng)韌性，這是未來(lái)十年工業(yè)大數(shù)據(jù)要走的路線。（根據(jù)演講內(nèi)容整理，有刪節(jié)）endprint