倍福 FC2001-0000 重庆渝赣铭瑞自动化科技

倍福 FC3102-0000 重庆渝赣铭瑞自动化科技

ABB AX460/2000C 重庆渝赣铭瑞自动化科技

ABB AP303/21030000 重庆渝赣铭瑞自动化科技

ABB 流通池 重庆渝赣铭瑞自动化科技

ABB TB82PH2210102 重庆渝赣铭瑞自动化科技

ABB TB55711DB1T20 重庆渝赣铭瑞自动化科技

本特利 127610-01 重庆渝赣铭瑞自动化科技

ABB PH计电极  TB556J1D00T20 重庆渝赣铭瑞自动化科技

ABB AC221/211131 重庆渝赣铭瑞自动化科技

本特利 109548-01 重庆渝赣铭瑞自动化科技

FOXBORO PH10-1N1A-E3 重庆渝赣铭瑞自动化科技

FOXBORO 876PH-TYAA-7 重庆渝赣铭瑞自动化科技

ABB 7660/0120 重庆渝赣铭瑞自动化科技

ABB AW600091 重庆渝赣铭瑞自动化科技

霍尼韦尔 M9184B1017 重庆渝赣铭瑞自动化科技

ABB 5STP16F2801? 重庆渝赣铭瑞自动化科技

ABB 5STP06D2800 重庆渝赣铭瑞自动化科技

SST SST-PB3-PCU 重庆渝赣铭瑞自动化科技

红狮 PAXCDL10? 重庆渝赣铭瑞自动化科技

红狮 PAXT0000 重庆渝赣铭瑞自动化科技

ABB 脱硫PH电极TB556J1E50T20 重庆渝赣铭瑞自动化科技

9月15日，2017 NI工业物联网高峰论坛在北京召开。美国国家仪器公司携手美国智能维护系统中心(IMS)、北京天泽智云科技有限公司等一同分享物联网、大数据在工业领域的最新应用、发展趋势以及实践案例。NI展示了一大波新产品，如LabVIEW NXG, 支持TSN功能的最新CompactDAQ、SystemLink、InsightCM等。天泽智云技术研发副总裁金超博士在会上分享了“CPS、云计算、边缘计算在工业智能中的融合探索”的主题演讲，天泽智云嵌入式解决方案经理陈星通过Demo为现场来宾展示了天泽智云WindInsight无忧风场智能运维系统平台。

 

 

以下是金超博士的演讲整理，以传统工业如何实现工业智能？工业界中的痛点体现在哪里？如何实现工业无忧？如何整合边缘计算与云计算优势？以及工业智能化案例分享等维度为大家进行解读。

 

传统工业如何实现工业智能？工业界中的痛点体现在哪里？

 

 

在解答这两个问题之前，我们首先需要思考为什么需要工业智能？可以试想一下互联网如何改变了我们的生活。互联网革新最明显的例子是基于地理位置的服务。比如，早年在一辆车上没有导航设备，我们在一个陌生的城市从A点出发到B点，完全要依靠人的经验，用地图、指南针、问路等等。而如今，我们越来越少地看到地图或指南针，而越来越多地看到智能手机，以及智能手机上面的地图应用程序。要知道，地图应用程序不仅仅是地图而已，在上面我们可以实时地看到发生的事故、交通状况等，其实是用智能算法和分析代替了人的经验，用数字互联的平台代替了现实中的物体，从出行的角度创造了智慧的镜像(digital twin)，提供的是智能互联的无忧出行服务。

 

反观制造业，其实我们想要看到的所谓工业智能，可能也是类似与互联网革新式的改变。理想的状态是，在机器端有这样一部设备能够提取出反应机器运转健康状态的特征。这些特征既可以在本地经过处理后变为基本的、机器健康信息，也可以被传输到云端，通过不同的软件处理，满足用户多样化、碎片化的功能需求，最终展示在用户的终端显示设备上。该系统要以解决实际的用户痛点为目标，赋予机器自我意识、自我比较以及自我预测的能力，甚至可以通过优化和算法对有些可以补偿的故障和早期异常进行维护，达到自我维护。也就是说，机器制造商所生产的并非机器本身，而是为机器使用者提供一种制造能力，帮助实现无忧生产与运营。

 

如今提到工业智能，很多人都会联想到仿真与自动化。曾经一家以设计可制造性评估仿真软件的初创公司，为用户提供可制造性的服务。在用户提供所设计的产品的规格后，通过对应力等物理指标的仿真考察规格是否合格，设计是否合理。但是，即使他们传达了可以生产的决策建议后，有些用户还会找到他们，质疑为什么仿真成功后，生产的产品还是存在缺陷。很明显，由于在仿真的时候没有考虑到实际生产中会遇到的一些问题，比如环境因素，机器的使用状况等，导致仿真的结果并不能反映实际生产产品的质量。而对于自动化，比如制造机器人，它们关注的是控制的平稳度、精确度以及快速性。时间长了机器人的状态会改变，就要派人重新调试一下，而这被看成了很正常的事情。机器人的状态衰退并没有被追踪、量化，这样有问题发生才被一遍遍的排查，却没有考虑到这是可以避免的问题。这正是“冰山效应”。

 

传统工业常常误以为对已产生问题进行自动化检测就是工业智能，却未意识到设备时间长了都会有衰退的问题。对衰退的追踪、量化、与预测性诊断，才是我们工业智能真正需要的。比如飞机机翼的一种失效模式是会出现裂痕，针对这样的问题，大多数人研究的是如何检验裂痕的发生，却很少人研究裂痕的产生跟什么相关，以及造成裂痕产生的根本原因是什么，或者运行的机制等。而根因分析后对产生问题的机理进行建模，在问题出现前避免问题，才是工业智能价值的最大体现。

 

很多人被大数据的观念误导，认为有数据就可以解决一切，其实不是这样的。解决工业场景的问题其实都是需要很强的领域知识支持，因为从机器中测量的数据都有清晰的物理意义，如何去分析需要有一套适应相关场景的框架，并且有相应的专家知识配套配合来解读数据意义，从而解决问题。工业智能的使命最终要回归业务目标、解决行业痛点。所以，只有运用有效的手段，我们的工业才能达到从维护角度，近似零宕机；从产品质量角度，近似零废品率；从能效角度，近似零浪费的无忧状态。