李杰：工業(yè)大數(shù)據(jù)的前半生和后半生

1、李杰：工業(yè)大數(shù)據(jù)的前半生和后半生8月2日，2017 中國(guó)大數(shù)據(jù)產(chǎn)業(yè)生態(tài)大會(huì)在京召開。 大 會(huì)由中國(guó)電子信息產(chǎn)業(yè)發(fā)展研究院主辦，中國(guó)大數(shù)據(jù)產(chǎn)業(yè)生 態(tài)聯(lián)盟聯(lián)合達(dá)晨創(chuàng)業(yè)投資有限公司、中國(guó)軟件評(píng)測(cè)中心、賽 迪智庫(kù)、賽迪顧問股份有限公司和軟件和集成電路雜志 社共同承辦。此次會(huì)議吸引了政府領(lǐng)導(dǎo)、行業(yè)專家、中美近 二十家大數(shù)據(jù)企業(yè)代表以及創(chuàng)投機(jī)構(gòu)聚首京城，共同探討大 數(shù)據(jù)產(chǎn)業(yè)發(fā)展趨勢(shì)，推動(dòng)技術(shù)創(chuàng)新，助力企業(yè)成長(zhǎng)。 美國(guó)辛辛那提大學(xué)講座教授、美國(guó)國(guó)家科學(xué)基金會(huì) (NSF) 智 能維護(hù)系統(tǒng)產(chǎn)學(xué)合作中心主任李杰，作為聯(lián)盟專家委員會(huì)主 任委員受邀出席此次會(huì)議，并做主題為：工業(yè)大數(shù)據(jù)的前半 生和后半生的演講，分享了如

2、何更好地利用工業(yè)大數(shù)據(jù)，從 解決問題、避免問題的思維轉(zhuǎn)換成價(jià)值創(chuàng)造的思維。 美國(guó)辛辛那提大學(xué)講座教授、美國(guó)國(guó)家科學(xué)基金會(huì) (NSF) 智能維護(hù)系統(tǒng) (IMS) 產(chǎn)學(xué)合作中心主任李杰 大家好，很高興跟大家分享。今天我演講的主題是工業(yè)大數(shù) 據(jù)的前半生和后半生。前半生怎么發(fā)展過(guò)來(lái)的，后半生該怎 么去？這個(gè)主題也相當(dāng)于對(duì)我個(gè)人經(jīng)歷和實(shí)踐的一個(gè)小的 總結(jié)。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 年的時(shí)候美國(guó)就開始做汽車自動(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) ，然后在聯(lián)合技術(shù)公司 (United Technologies Res

3、earch Center UTRC) 擔(dān)任研發(fā)總監(jiān)參與了普惠發(fā)動(dòng)機(jī)、 開利空調(diào)、奧迪斯電梯等開發(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)企業(yè)伙伴，現(xiàn)在做的最大的項(xiàng)目是跟日本電裝合作的 “ Da-nTo- Tsu” 可翻譯成 “無(wú)人可及的工廠”。目標(biāo)就是 100 萬(wàn)個(gè)零部件做出來(lái)只有一個(gè)質(zhì)量不好，目前世界上沒有任何 其他工廠能夠到達(dá)這樣的水平。飛機(jī)也同樣，起飛 100 萬(wàn)次 才有一次失事，能做到安全系數(shù)這么高，主要是有工業(yè)大數(shù) 據(jù)分析、故障預(yù)測(cè)與健康管理等技術(shù)的支撐。現(xiàn)在我們

4、跟大 金空調(diào)、華為、中船、中車高鐵，還有馬扎克-世界第一大機(jī)床廠等企業(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)力開始著手。有五個(gè)階段，第 一個(gè)階段是全員實(shí)踐，日語(yǔ)叫 Kaizen ，中文叫改善。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，豐田最早的精益與GE的“6Sigma”，這是在 80、90 年代在做的事。第三階段做預(yù)測(cè)性建模分析， 那時(shí) 2000 年美國(guó)在做轉(zhuǎn)型，解決數(shù)據(jù)層到信息層的問題。 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，不需要管它，比如

5、無(wú)人駕駛。但無(wú)人駕駛不是目 的，無(wú)憂駕駛才是，就是說(shuō)開車時(shí)不用擔(dān)心前面的路況。假 如前方一公里處有坑洼，這輛車以前經(jīng)過(guò)此處，通過(guò)傳感器 跟我的 GPS 建立了關(guān)系，下一次我走同樣的路線時(shí)，還沒 有開到這個(gè)地方，車子就會(huì)收到提醒-前方一公里處有坑請(qǐng)注意。我的車跟別的車分享，它們還沒有開到，也會(huì)收到 提醒說(shuō)前面一公里處有坑請(qǐng)注意，這才叫無(wú)憂駕駛。這是我 們所說(shuō)的數(shù)據(jù)的價(jià)值轉(zhuǎn)換，從性能優(yōu)化到避免風(fēng)險(xiǎn)和憂慮。 在工業(yè)大數(shù)據(jù)這本書里面我講了很多，前半部分講的是 從可見的問題入手去解決，比如從生產(chǎn)力開始來(lái)找大問題， 問題要大到足夠讓我們?nèi)ネ顿Y做數(shù)據(jù)，因此才能解決大問題， 這是我的前半生做的事情。我的后半生

6、就不是做這件事了， 因?yàn)榻鉀Q問題不是目的。目的是讓問題消失，甚至讓問題不 出現(xiàn)。這就是我所說(shuō)的從隱性的問題，甚至是客戶都沒有意 識(shí)到的問題， 從中找出價(jià)值， 這是大價(jià)值。 問題還沒有出現(xiàn)， 就把它避免掉了，這是大價(jià)值。下面我們來(lái)看怎么做大價(jià)值。 1984-1987 年我在通用汽車機(jī) 器人自動(dòng)化生產(chǎn)線工作，MAP (Manufacturing AutomationProtocol) 相當(dāng)于今天的 IoT 。另外 87 年的時(shí)候通用也投資 了休斯衛(wèi)星， 92 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?yán)锩嫠械膫鞲衅髦苯痈斯ご?通連在一起。汽車出車禍，它馬上就知道，你不回話

7、，他馬 上派救護(hù)車和公安人員到現(xiàn)場(chǎng)，這是在 1992 年就實(shí)現(xiàn)了的 安吉星。 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)療的磁共振超波能夠在問題還未發(fā)生之前或 者問題發(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。 在 1990 年的時(shí)候， GE 醫(yī)療的磁共振設(shè) 備在醫(yī)院里面使用，有很多的問題，醫(yī)生發(fā)現(xiàn)設(shè)備出現(xiàn)了問 題就會(huì)打電話報(bào)修，那時(shí)一周平均有一千個(gè)電話報(bào)修，只有 41% 是不用過(guò)去就可以解決的； 99 年時(shí)， 能做到

8、還沒有派人 去之前就知道什么零部件要換了，甚至很多問題可以通過(guò)遠(yuǎn) 程進(jìn)行診斷， 只有 25% 的問題必須要派人過(guò)去， 這樣節(jié)省了 70% 的不必要人力，這是一個(gè)簡(jiǎn)單的大問題。到 2004 年的 時(shí)候，開始從醫(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)的開始。 比如做分子醫(yī)學(xué)， 可以用顯影劑找到身體可能發(fā)病的地方，這才是最有價(jià)值的 部分。再比如飛機(jī)，對(duì)于發(fā)動(dòng)機(jī)里面所有的部件，能夠預(yù)先 知道哪里可能會(huì)發(fā)生什么問題。2001 年 IMS 中心成立時(shí)，我們的想法是怎么把前半生的大 問題變成后半生的大價(jià)值。把傳感器的數(shù)據(jù)和歷史數(shù)據(jù)抓進(jìn) 來(lái)，做了細(xì)致深入的分析，這才把大數(shù)據(jù)的精

9、髓發(fā)揮出來(lái)。找出了隱性的問題，即還未發(fā)生的問題，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。 是從前半生開始做， 先解決大問題 -智能維護(hù)，到后半生做智能預(yù)測(cè)，最后做 到無(wú)憂系統(tǒng)與大價(jià)值。無(wú)憂系統(tǒng)是未來(lái)任何系統(tǒng)都需要的， 比如無(wú)憂駕駛、無(wú)憂工廠。那么無(wú)憂該怎么做？先講 Intel 半導(dǎo)體。現(xiàn)在中國(guó)正在蓋 26 個(gè) 8 寸晶圓和 12 寸晶圓廠，是中國(guó)下一波經(jīng)濟(jì)來(lái)源和增長(zhǎng) 點(diǎn)。建一個(gè)廠大概需要 20 億到 45 億美金。 晶圓廠里面用人 的機(jī)會(huì)很少，人只需做一

10、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。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)候發(fā)生故障，以及跟質(zhì)量、速 度等的相關(guān)性。 2000 年時(shí)這就是我們 IMS 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。今天中國(guó)半導(dǎo)體 正在崛起，很多高端裝備零部件是靠納米線，中國(guó)現(xiàn)在是十 幾個(gè)納米，美國(guó)現(xiàn)在是五個(gè)納米、三個(gè)納米。 下一個(gè)案例是寶潔。寶潔公司的尿布產(chǎn)品生產(chǎn)線設(shè)備經(jīng)常停 機(jī)。如果想要這個(gè)生產(chǎn)線減少停機(jī)，提高使用率，就需要用 預(yù)測(cè)模型來(lái)預(yù)測(cè)。我們那時(shí)候跟寶潔的尿布生產(chǎn)線合作可以 做到不停機(jī)，一直生產(chǎn)。

11、幫助寶潔一年節(jié)省了 4.5 億美金的 不必要浪費(fèi)， 這是寶潔的統(tǒng)計(jì)數(shù)據(jù)。 這種高效的投入產(chǎn)出比， 就是從大問題到大價(jià)值的轉(zhuǎn)變。2005-2007 年小松跟我們合作，也是做到預(yù)測(cè)哪個(gè)零部件會(huì) 壞掉，然后優(yōu)化工地的建設(shè)?，F(xiàn)在小松在全世界的項(xiàng)目都可 以用大數(shù)據(jù)先掃描，建立工地的基礎(chǔ)模型，然后分工合作， 給挖掘機(jī)分派指標(biāo)。這是大價(jià)值，不是賣挖掘機(jī)，而是賣工 地的管理服務(wù)，價(jià)值很高。這是今天講到的煎蛋模型，從大 問題導(dǎo)向到大價(jià)值導(dǎo)向。蛋黃是大問題，蛋白是大價(jià)值。我 們講大數(shù)據(jù)是從大問題開始，但它絕對(duì)不是目的，要做到大 價(jià)值，發(fā)揮最好的作用，從問題到數(shù)據(jù)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)可以傳

12、承，因?yàn)樗羞壿嬓浴?最后再把價(jià)值做好，把經(jīng)驗(yàn)變成事實(shí)。下一個(gè)經(jīng)濟(jì)的競(jìng)爭(zhēng)， 是在 evidence-based economy, 不是我們現(xiàn)在講的 social network, 或 experience-based economy ，像我們消費(fèi)的小 確幸感受，這是 experience ，這不是工業(yè)大數(shù)據(jù)。工業(yè)大數(shù) 據(jù)是evidence -什么時(shí)候壞、什么時(shí)候避免、什么時(shí)候沒 有問題，最好都沒有憂慮。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，誰(shuí)是客戶，定向推送廣告， 這些都是機(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，十五年下來(lái)節(jié)省一

13、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)分析的結(jié)果來(lái)優(yōu)化航線和速度，能夠節(jié)省5% 的油錢。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，這三點(diǎn)也是工業(yè)數(shù)據(jù)的基礎(chǔ)。所以DT 數(shù)據(jù)處理技術(shù)去解決這些問題是很重要的， 但是運(yùn)用 DT 技術(shù)時(shí)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)才能做得下去； 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)；

14、PT 平臺(tái)技術(shù)產(chǎn)生知識(shí)之后可以分 享，也要反饋到運(yùn)營(yíng)層面 OT 。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)背景很難去鑒別。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、 分割、分解、 分析、 分享、分憂這六個(gè)步驟實(shí)現(xiàn)出來(lái)。未來(lái)這些方法都可以用， 用哪個(gè)速度？用在精密性、用在復(fù)雜性、用在不確定性，用 在速度性的工具不完全一樣，所以不能簡(jiǎn)單地用工具解決。 另外這些工具會(huì)與嵌入式結(jié)合成為趨勢(shì)，英特爾在跟我們合 作，要做一些嵌入式技術(shù)，把所有智能軟件放在機(jī)器里面， 放到邊

15、緣端甚至云端。這里面我可以把以經(jīng)驗(yàn)為主的數(shù)據(jù)集 合在 FPGA ，包括 GPU, TPU 框架里等等。未來(lái)智能化一定 需要互相分享，這就是我接下來(lái)要講的-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。 就比如微信連接每一個(gè)人， 一個(gè)人再聰明，但是三個(gè)臭皮匠勝一個(gè)諸葛亮，聯(lián)網(wǎng)之后智 能就更高。把 Resource 數(shù)據(jù)的來(lái)源、 Relationship 數(shù)據(jù)的 關(guān)系、 Reference 數(shù)據(jù)的意義整合在一起，這時(shí)候智能化會(huì) 更高，所以說(shuō)社會(huì)的基礎(chǔ)來(lái)源于人的智慧。 未來(lái)中車能夠?qū)崿F(xiàn)一套智能的軌道交通系統(tǒng)。比如協(xié)和號(hào)在 動(dòng)的時(shí)候，每一個(gè)零部件自己可以感受到衰退、變化、軸承 有問題，實(shí)時(shí)可以看到這些動(dòng)態(tài)問題，芯片可以算出來(lái)是什 么問題，可以把每一節(jié)車廂拉出來(lái)比較，看哪個(gè)車廂最差。 整體有 2000 多列的列車，乘以 8節(jié)，總共 2萬(wàn)多節(jié)的車廂， 每一節(jié)車廂都可以實(shí)現(xiàn)以上這些能力。一帶一路出去之后， 中車可以做蛋黃，也可以做蛋白，這就是未來(lái)的 CPS 。 最后我想做一個(gè)結(jié)論，我們過(guò)去前十年走的前半生是把傳統(tǒng) 的“大問題”變成可以預(yù)測(cè)問題并解決，后面十年把大問題變 成“大的價(jià)值”。把無(wú)憂系統(tǒng)