e-works数字化企业网  »  新闻  »  记者观察  »  正文

智擎信息,以行业知识图谱赋能设备健康管理

2019年6月19日             作者:e-works王阳       
关键字:智擎信息  
成立于2014年的智擎信息,致力于与Uptake类似的领域,依托于自主研发的“工业设备故障分析预测平台”,为企业提供数据采集、智能监控、故障预测的产品及服务。
    最早关注到智擎信息,它的角色是NVIDIA 2018年初创企业大赛的冠军。凭借在工业领域自研的深度学习模型和算法,智擎信息开发的工业设备故障预警及智慧运维平台,从30家参赛的人工智能企业中脱颖而出,一举夺魁。
    事实上,在设备健康管理领域,美国有另一家明星公司——2014年成立于芝加哥的Uptake,凭借围绕高价值设备提供设备监管、运维、预测性维护等产品服务,如今的Uptake估值超过23亿美元。
    同样成立于2014年的智擎信息,致力于与Uptake类似的领域,依托于自主研发的“工业设备故障分析预测平台”,为企业提供数据采集、智能监控、故障预测的产品及服务。
    相较于Uptake在工业互联网和设备预测性维护维修领域的风头正劲,智擎信息显得有些低调。作为工业互联网产业联盟成员,智擎信息积累了大量面向行业的知识谱图,而这,仍是大多数工业互联网公司或提供预测性维护维修解决方案公司还不具备的能力。
    在智擎信息创始人兼CEO王曦看来,设备健康管理最核心的是给客户提供价值,大数据、人工智能这些技术至关重要,但并不意味着唯AI论。所以,除了在机器学习、深度学习上进行大量研究,智擎信息同样注重把行业的认知、机理、经验梳理并固化下来,与机器学习融合成面向行业的知识谱图。“这是我们引以为豪的技术研发成果,”王曦在北京接受e-works记者采访时谈到。
设备健康管理领域仍是一片蓝海
   保证设备的健康可持续地运行,减少风险和故障的发生,是每个企业运营管理的重要部分,特别是那些有着高价值设备的企业。
   随着中国制造业转型升级的加速,各种生产及运维场景对设备管理提出了更高要求,这也导致工业设备运维的成本一直居高不下,甚至高于除研发、制造外的其他诸多环节。以风电行业为例,设备的运维成本约占整个风电资产生命周期成本的15%-20%,预计到2022年中国风电场运维费用将增至每年200亿元。
   其它诸如石油化工、钢铁、航空航天、重型机械装备等行业面临着同样的挑战。一方面,设备故障的发生,降低了企业资产的可利用率和产能,同时维修费用昂贵,增加了运维成本;另一方面,上述工业企业的设备工作环境通常较为恶劣,连续性作业要求高,日常运行健康状态检测困难。
    中国工业设备的存量和增量都已是世界前列,随着其老化程度持续提高和企业对生产效率提出更高要求,对其健康状态进行管理已经迫在眉睫。在大数据和机器学习应用于工业领域之前,设备故障多以报警的方式呈现,或只能基于专家经验进行判断。随着IT/OT技术的不断融合,以及越来越多新技术渗透至工业设备的故障预测及预防性维护领域,情况才逐渐变得乐观。
    可以说,工业设备的健康监控、故障预测及预防性维护已经成为消除设备失效和计划外停机的重要措施,这一市场蕴含着巨大的机会。这也是近年来涌现出一大批工业互联网公司的主要原因。
    在王曦看来,智擎信息的愿景很聚焦,就是帮助企业实现每一台工业设备的健康运行。经过过去几年的积累,智擎信息沉淀了多个行业应用场景的知识图谱,并打造了工业设备故障分析预测平台,在帮助中国制造业提升设备健康管理水平的进程中,智擎信息正扮演着重要角色。
 构建面向设备维护的行业知识图谱
    所谓知识图谱,是人工智能技术的重要组成部分,其强大的关联认知分析和互联组织能力,为智能化信息应用提供了基础。本质上,知识图谱是为了描述真实世界中存在的各种实体或概念及其关系,其构成一张巨大的网络图,节点表示实体或概念,边则由属性或关系构成。
    在工业设备的健康管理领域,为什么知识谱图如此重要?在王曦看来,企业要进行设备的运行监控管理、预测分析和运营决策,数据是一切的基础。工业设备在运行过程中通过传感器产生了大量运行监测数据(例如:温度、振动、压力、转速等等),这些数据中蕴含着大量重要的运行信息和知识。但数据并不是采集上来就能用,往往还需要针对行业特性,结合专家知识和经验,对采集数据进行清洗、存储、计算、模型建模训练、数据分析和持续优化等,最终才可能成为设备健康管理的数据来源。在这个过程中,通过数据挖掘、信息处理、知识计量和图形绘制而显示出来,揭示特定工业场景的动态发展规律,才称得上知识图谱。某种意义上,知识图谱提供的是一套方法论,它给复杂的工业场景应用提供了切实的、有价值的参考。

智擎信息

    如今,智擎信息已经将超过100多个工业领域知识图谱和深度学习技术结合起来,形成了从设备数据智能采集、边缘计算分析模型执行,到工业数据自动化数据标注和建模分析在内的端到端解决方案。
   王曦告诉e-works记者,这些行业知识图谱是智擎信息技术性和创新性的重要体现。
3+N战略赋予更多行业想象力
    Uptake发展早期,主要服务对象是机械大亨卡特彼勒,随后逐渐从机械制造扩展至农业、航空、风电、零售、医疗等行业。
    在智擎信息的行业发展策略中,首先重点布局包括新能源、石油化工在内的三个重点行业,再逐渐延伸至其他行业。王曦介绍,智擎信息在发展初期选择了深耕于特定行业的策略,随着数据逐渐丰富,将其底层算法模型标准化、产品行业化,并提供上层定制化应用场景,进而在不同行业间复制。
    以新能源行业的风电为例,经过多年的深耕和积累,智擎信息打造了面向风电行业的工业级大数据平台——基于风机的海量历史数据、实时数据,以及其他运维相关数据,结合风电机组运行失效物理机理知识、数据统计信息,利用不同的机器学习算法进行故障建模,针对可能造成风机停机的故障进行预测,指导现场作业人员提前针对问题较大的风机进行排查和检修的故障预警系统;使得风机保持健康状态运行;最后实现提前预测大部件健康度和风机健康度,指导运维。
    王曦告诉记者,智擎信息的风电大数据平台可以覆盖从风机设备传感器数据采集、数据传输、数据清洗、数据存储、数据计算、模型训练、数据分析挖掘到高层数据决策支撑的全价值链功能。

智擎信息

    同时,基于分布式高性能计算系统的开源组件,智擎信息研发了针对风电行业的定制化组件;平台还提供了灵活的部署管理方式,既可以全套采用其大数据平台解决方案,也可以基于已有搭建的大数据平台进行部署适配,这得益于智擎信息的组件适合 Hadoop生态的各主流发行版本。
    面向数采及监控环节,智擎信息针对风电场的各类设备进行数据采集和集中监控,包括风电机组、升压站、测风塔、无功补偿装置、安防系统等设备,建设了统一长期的数据存储数据库。这样一来从源头保证了数据质量,可以实现对风电场或风电场群的集中管理。
    基于高质量的数据,智擎信息基于知识图谱和深度学习技术的算法模型为故障预测、智慧运维和资产管理等不同业务场景提供了产品和服务。为风电企业解决经济问题,降低成本和消耗。
    值得一提的是,凭借在多个风电企业的成功实践,智擎信息如今是电力设备管理协会成员及专委会委员。同样在石化行业,智擎信息是石化联合会能源数据平台的技术合作伙伴。
    王曦说,“风机属于旋转设备,我们所有的研究和实践其实对鼓风机、压缩机、油井钻机等旋转设备同样有价值。”随着在优势行业的深耕和知识图谱的积累,智擎信息解决方案在其它行业有着十分广阔的拓展前景。
携手伙伴共建工业互联生态
    在发展过程中,智擎信息一直选择业界领先的企业作为合作伙伴。截止目前,智擎信息是微软在物联网和人工智能领域、NVIDIA在GPU和深度学习算法工业领域的合作伙伴。
    通过与微软Azure的深度合作,Azure为智擎信息提供了继私有云之后在公有云上毫不逊色的秒级预测能力。除此之外智擎信息也与AWS、阿里云在推进合作关系。
    在2018年NVIDIA初创企业大赛期间,基于NVIDIA TASLA P100 GPU,智擎信息自研了深度学习集成模型,并利用集成学习的思想通过源源不断的实时数据进行机器学习的自我优化,预测的结果越来越精准,最终通过动态可视化图表实时展示给用户。相比传统使用CPU进行模型训练和推理执行,智擎信息将每台设备训练时间从9小时降至10分钟。
    同时,智擎信息与北京邮电大学建立了常态化合作关系。依托于高校的基础类研究和预研性研发能力,智擎信息可以加速产品化和解决方案商业化的进程。王曦介绍,智擎信息和北京邮电大学每年会确定五六个方向的合作,不管是知识图谱、AI自动化建模平台或是基于图像识别良品率的算法,都在有条不紊的推进。
    “在公司发展前期,智擎信息主要还是发展技术合作伙伴。但随着技术和产品的不断成熟,接下来智擎信息会拓展系统集成商和行业合作伙伴,共同推动工业设备健康管理的发展。”王曦说。
责任编辑:王阳
关键词阅读
相关资料
e-works
官方微信
掌上
信息化
编辑推荐
文章推荐
博客推荐
视频推荐