数字化基础对于人工智能至关重要。在安全的数字化生产环境中,数据被持续不断地产生和处理,为人工智能的应用创造条件。

然而,在2018年普华永道对全球1155家制造企业的调研中,仅有10%的受访企业在数字√化方面有所建树,人工智能★也仅在这些企业中初露锋芒。正是由于工业领域的数字化基础相对薄弱,加之垂直▲行业的知识专业度较高,导致人工智能在工业领域的落≡地面临着消费领域所没有的挑战。

从数据基础来看,不均衡数据成为工业人工ξ 智能不容忽视的问题,主要表现为数据量的局限性、数ξ 据标注的不均衡等。与消费领域不同,工业数据样本难以进行人为打标,比如面对数千组传感器数据,即使是领域》专家也难以直接划分出异常状态。除此之外,如何在快速传输、实时反馈的▃前提下保证数据质量也是一大挑战∏。工业生产条件大多较为恶劣,高压、高温等因素都可能影响传感器数据的质量。

从技术适用『性来看,工业领域的人工智能也与消费领域有着︽显著区别。当前,toC端的互联网大数据分析通常倾向于采用复杂的深度神经网络和▲不同的硬件加速技术;而toB端的数据分析则更看重解决╲方案的实用性,在对算法〒复杂性、数据分析效果、现场卐部署集成环境、用◆户投入产出比等方面进行综合考虑后,力求↙得出简单有效的方法。

据西门子中国研究院大数⌒据分析研发部总监田鹏伟介绍:“西门子在为客户定制人工智能解决方案时,一方面要考虑客户现场环境的支持能∞力和投入成本要求,另一方面也要考虑我们方案的响应能力要求。在工业场景下,我们要做到按需◇快速反馈。”