人工智能+区块链+云协同赋能工业制造

在上周，我们向大家分享了MATRIX“研究院”中关于如何通过利用人工智能、大数据和区块链技术实现“智慧城市”和“智慧物流”的文章。本周我们将会继续分享“研究院”项目架构中极为重要的“工业大数据智慧云链解决方案”。

解决方案中的‘工业大数据智慧云链平台’已经应用在部分工业场景中，而‘轨道装备预测式健康管理方案（PHM）’获得国家自然科学基金委重大仪器专项“基于多物理信号的高速列车系统级健康分析仪器”、中车集团重大专项“轨道交通装备故障预测与健康管理技术研究与应用”、中车集团重大专项“出口机车远程监测与诊断系统”等多个重大项目的支持。

平台诞生 恰逢其时

如果说工业大数据平台或者工业大数据云平台已经逐渐部署在我国的工业产业生产中，那么，被赋予了人工智能和区块链的工业大数据云平台的出现则进一步推动工业智能制造的发展，加快工业数字化的转变。

‘工业大数据智慧云链平台’以人工智能和大数据为核心，以区块链为基础，提供数据与人工智能模型生态和分布式人工智能算力资源。其中，‘区块链智能雾计算层’作为平台的技术支撑层，包括为平台提供核心功能的核心功能层和进行大数据云端存储，针对企业级海量数据吞吐能力，高性能数据预处理能力的工业大数据平台层两部分。

作为充分运用人工智能技术的核心功能层，基于深度学习网络、机器学习策略、对抗网络、智能模型生成、智能模型管理、知识策略管理和工业知识数字化重建系统来支撑平台工业数据分析、运行状态监控、设备故障处理和运维能力优化的能力。由此，区块链智能雾计算层就形成了大数据+人工智能模型的生态体系。

平台实现落地应用，不仅依靠过硬的技术，拥有极高的“适配性”也是特点之一。平台集成了ERP系统、产线管理和工单系统。通过可视化和报告工具为实际应用场景中的业务流程提供支持，通过设置第三方系统接口，允许企业接入既有系统，帮助企业减少了重复开发的成本。

四大核心优化工业产业流程

工业装备结构特征学习是利用基于符号回归的系统结构特征学习和基于复杂系统临界相变理论的早期预警特征学习，能够适用于工业装备机理知识发现和状态检测；基于对抗网络的小样本学习是基于TSGAN时间序列生成式对抗网络的特征学习和分类，能够适用于小样本数据模式发现；基于深度神经网络图像识别和物体检测适用于各种工业产品检测、过程监测和人员状态识别；工业领域知识数字化重建适用于各种工业领域的知识库建设和自动推理。

这四大核心技术衍生的“产品”之一就是于2018年被应用在肯尼亚独立以来的首条新铁路肯尼亚蒙内铁路上的海外机车远程监控系统。借助智能仪表和远程数据中心，可以实现实时追踪机车运行位置、机车运行实时故障报警和故障远程诊断等功能，系统在蒙内铁路项目中主要用于监控中车集团出口肯尼亚的48台机车，可以实现从组件级到整个机车的管理、操作和维护优化。目前系统已平稳运行一年。

而另一个“产品”轨道装备预测式健康管理方案（PHM）。利用中国铁路特有的、全球最丰富的运营样本、数据和经验，借助PHM大数据平台中的PHM分析引擎，完成轨道装备的设计改进、优化运营和优化维修，再通过人工智能的装备状态评估，完成对重大事故的在线预警、部件剩余寿命估计和自动化故障诊断和维修。“研究院”希望借助轨道装备预测式健康管理方案（PHM）能够大幅度提高运维效率、降低维修成本，支撑铁路可持续发展。

中国“一带一路”建设在2013年被提出，“六路”中的铁路为地区间的互通互联和贸易往来提供了基础。预计到2020年，铁路后市场年均市场规模将达到2000亿元。其中，运维检测市场年均将达500亿元。巨大的市场催生了的工业大数据平台、设备维护等技术的快速发展。MATRIX“研究院”希望能够针对现有的运营体系进行优化，与当地政府及其他工程方、研究机构联合申请研究型课题，作为轨道交通方面人工智能产业集群平台主要依托单位搭建产学研一体化平台。