基于人工智能对中国经济整体影响及行业规模数据，埃森哲还进一步解读了人工智能对中国15个行业带来的经济影响。其中，制造业获益最多，其次为农林渔业和零售业。到2035年，人工智能将推动这三大行业的年增长率分别为2%、1.8%和1.7%。事实上，人工智能已经在中国的不少行业中产生“看得见”的效应，尤其是制造企业正将引入人工智能技术作为转型升级的必需品。

 

在2017中国大数据应用大会上，美国辛辛那提大学特聘讲座教授、美国白宫信息物理系统与美国挑战项目顾问李杰，分享了对工业大数据以及人工智能怎么改进工业大数据分析的见解。

 

  

工业大数据

 

我在美国产官学界工作了三十七年，IMS中心是2000年建立的，目前全球有90多个企业伙伴，比如说像三菱电机、GE, 华为、中船、中车、三一重工等等。我们花了15年时间写出来的这本《工业大数据》，以前根本没有想过要写这本书，很多企业说你把他它整理出来，所以这本书是2015年在中国通用电气公司上海研发中心发佈表的，基本上把过去15年做的方法、思维逻辑可以传承的东西留下来了，里边还有一些案例。《 从大数据到智能制造》 这本书讲了很多智能制造的案例，比如半导体、汽车、发动机、机器人等都用最新的方法解决过去人还不能解决的问题。

 

《CPS新一代工业智能》这本书是2017年新出版的，CPS就是未来的智能系统不停留在传感器或者软件。它是一个管理系统，汽车跑的时候碰到一个坑，下次开这个路一公里前会告诉你这个路有一个坑，然后把这个再分享给别人，别的车就知道这条路有一个坑。比如说可以省很多油钱，开车气压不稳，你不知不觉每天就浪费五块钱，一个月浪费一百五十块钱，一年就浪费了一千多块钱，那么你完全不知道，这时CPS会告诉你。

 

现在我们在做的工业大数据，基本上是围绕工业问题，污染、效率、质量、生产这些可見问题中找到不可见的问题。这些问题给了我们很多知识经验，所以数据的做法就是把这些问题的原因和参考性找到，最后产生价值。工业大数据常常讲一句话，就是”经验”到”事实”的转变，就是我可以把人的经验变成可以用数学或者数据的结果来证明的事实。做产品的企业比较喜欢集中在产品上，也就是“蛋黄”，发动机起飞之后，很多的“蛋白”数据就出来了，“蛋白”数据可以拿来分析，可以找到飞机起飞、落地的原因，它和空气湿度有关系，和风向有关系，所以从起飞、飞航、落地三个阶段做归类，是做维护还是做安全检查，这样就分开了，所以数据的分类、分割、分享等都可以做好。

 

2005年小松智能维护大数据，但是数据量太大，量大不是问题，重点是没有把数据分类、分割、分解，你要把数据先分类、分割、分解之后再传出去做分析，不要所有的传上去做梳理，这个很累的。所以我们利用蛋黄、蛋白观念挖掘数据，所以我们把经验累积起来。目前小松用无人机把工地建模起来，工地建模扫描之后，自动挖掘机一个晚上就把工地挖完了，这就是智能化。

 

轮胎也是如此，轮胎压力不一样，跑的时候也不一样，怎么调整就不知道，你一个月多花一百美金，一年多花一万多美金，由此就可以知道哪一个轮胎不好，但是这是人根本做不到的事情，我们为什么讲这个东西？我们讲工业大数据，就是要利用很多数据资源，我们可以用历史数据，传感数据，然后再做分析方法，再找出他的原因做预防，这些是很重要的。以前是数据全部上传，这个观念也对，也不对，就看你做什么行业，比如说苹果手机数据要上云这没有什么了不起，比但高铁的数据一天一截车厢数据量的话费相当高。所以关于大数据有三个基础，就是DT，PT，AT，DT叫做数据技术，PT叫做平台技术，AT叫分析技术。分析技术有两个，一个是分析的工具，另一个是分析的工艺。工具好比厨房烹饪的工具，工艺是厨师要有的，我给你一条鱼三个人三个不同的做法，三个不同的味道，所以工具可以开源，工艺不可能开源，因为他是工匠精神。谈到DT讲的三个特性，接下来的三个“B”，第一个就是数据要分裂性。第二个“B”是数据的优劣性，第三个“B”是数据的背景性，很多行业数据量大但是都没有背景，所以都不能用，所以这方面工业大数据DT不是一般人都能够做到的。

 

平台做出来让每个人都能用，但是必须要处理数据，第一层就是看看怎么收集数据，第二层就是数据到信息化内容转变，第三层就是虚拟网络化内容管理，第四层是对问题的识别及决策，第五层是装备的充组，它是一层一层的。比如很多数据不需要收集，直接在处理端就完成了，上云之后没有数据本质了，但是它有分析的价值，它本质不一样，云都处理好了。比如鱼处理好了，我可以一鱼三吃。所以这方面的技术你们都可以去做，但是它有一套系统哲学，咱们国内机会很多，都有很多小成功，小成功也创造了很多财富。在二十六年前我就说数据有一天可以经过一个学习软件把它分类、分割、分解、分析，然后做分享。然后就会有一个芯片与软件结合在不同工业应用包括飞机发动机测试，风电，高铁，还有大的发电站，还有中国电信整个的传输，我们今天谈的目的就是人工智能怎么改进工业大数据分析，这是我们今天要谈的主题。

 

 

人工智能怎么改进工业大数据分析

 

人工智能不能把数据智能化，但是可以把意义智能化，我在美国做的第一个人工智能，是用邮政包裹分析它，就是自动化分包裹，自动化辨别地址，不需要人来操作。后来我们把这个软件用在工业方面，我们学习软件有监督式的、非监督式的，里面有很多软件可以用，目的就是把软件工具变成让人可以看得懂的意义。

 

举一个例子，我们用SOM，一个分类学习的方法，它可以把很多数据一方面缩减，一方面分类、分割，如和辨别出来轴承是内环还是外环有问题，就和医生听心脏声音一样，他本人听不出来，他要磁共振来辨别。所以我们可以经过这个分类找到。

 

CPS可以更智能化，更有管理性，CPS是实体系统和信息系统对称的系统，比如车跑的时候有一个信息管理系统可以让我们知道哪个地方风险最高，那个地方转弯经常出车祸，我还没有到，在一公里前就减速到30公里每小时，就可以保证安全。

 

数据来源有很多种，数据的关系，数据的意义，所以海上风电，当我看到这个风速在变的时候角度不一样了，所以可以根据这个把风速切割，发电量和风速、角度的关系，这个是人不可能知道的事情，当我知道以后就可以知道这个风电连续三个小时就在衰退，明天我就可以做一些事情。

 

动车也一样，高铁跑的时候直接就用建模分析，每个高铁数据做分析了，我就知道哪一段路不稳，未来中车要做全世界的“一带一路”规划，光有数据是不行的，没有支撑平台不行，高铁轴承两百公里/小时速度以下中国可以做，两百公里/小时速度以上的中国不能做，现在要跑460公里一小时的速度，那这就需要技术来支撑它。

 

2005年我们和丰田一个压缩机合作，这个压缩机轴承一年坏几次，它在跑的时候一定要压缩，要有效率，它会产生共振，一共振轴承就坏了，这只需要三到五秒钟时间，所以三秒钟时间之内你要监测到马上把能量释放出去就可以解决了，所以我们当时就监测它的压力特徵，监测到阀门15微妙就能够马上打开。我们从12个参数中只用了四个最重要的参数，我们就用SVM做模型特徴分割。分割准不准会造成误差，如果按照原来的情况会有误差，但是如果分割线稍微小心一点，给你警示多一点绝对不会有故障。在过去十一年沒有故障過。

 

日产机器人健康监控，机器人每日自己做一个比较，我们不可能监控他，我根据运动点来做比较，做了比较之后建立一个档案，和其他机器人做比较。所以不需要他是谁，不需要监控，就是不需要数据量，但是需要它的差异化和特性。我们在加拿大厂做了实际生产，去年10月20号很快抓到两个机器人在变化，三天前就知道会故障了。

 

中国并不是把过剩的东西送去“一带一路”沿线国家，早期是因为东西做得很多，过剩了，水缸满了，挖一条沟让水出去，这叫“一带一路”，其实并不是这样，所以要把系统工程带出去。智慧海洋我们与中国船舶合作，对海洋里风浪，天气，利用智能化建模让船能够省油。这种就是“蛋黄+蛋白”服务，让全世界的船都省油了，顾客会很高兴的交给你管。

 

现在我们开发的很多电讯传感器，所以我们开发了皮肤传感器，直接贴在皮肤上，你的皮肤一动我就知道力度大不大，比如腿痛，所以可以根据这个算出肌肉受伤的问题与运动员是否过度。

 

结论，大数据要是事实，是效益。

 

李杰：

美国国家科学基金会（NSF）智能维护系统研究中心（IMS）主任，上海交通大学特聘讲座教授，长江学者和中组部千人计划专家，自2000年起领导全球工业大数据分析和智能维护系统技术研发；2013年，担任美国白宫信息物理系统与美国挑战项目顾问；2016年起，担任美国麦肯锡（Mckinsey&Company）全球顾问。李杰教授是美国机械工程学会（ASME）及美国制造工程学会（SME）的会士。目前的研究方向包括以工业大数据分析、赛博-实体系统技术（CPS）、智能维护系统和产品及服务主控式创新创值设计（Dominant Innovation）,自2000年起与全球超过90家企业合作研发与应用上述领域的技术和成果。李杰教授的研究突破了传统机械设备故障预测的理论、方法和技术，其关键性技术得到国际学术界的认可与高度评价，被美国《财富》杂志誉为“21世纪全球三大热门技术”之一。他所著的《工业大数据》与《从大数据到智能制造》在中国读者和企业中广受好评。