資訊專欄INFORMATION COLUMN
摘要：從數學博士到阿里云工程師，夏分一直學以致用。入職后的第個月，夏分接手了第一個項目，用工業大腦幫一家風電企業提前預測風電機組故障。一個萬千瓦的風電場，平均每年維護費用高達萬元，還會以平均的速率逐年遞增。
從數學博士到阿里云工程師，夏分一直學以致用。加入阿里云接手的第一個ET工業大腦項目，因為數據傳輸問題丟失大量數據，導致機器誤判拉響警報，這讓他意識到自己不能只坐在電腦前做“碼農”，也要下到車間做實地考察。
然而，之后夏分參與的項目是一家有32年歷史的毛紡企業，從訂單到配色、染毛、混毛，到紡線、織布和成衣，沒有一套完整的數據采集系統。車間主任“迷信”人工智能和機器算法，在沒有數據的情況下提出一系列“無解”要求，夏分利用數學思維將其一一解決。
虛驚一場的教訓
從本科到博士，夏分在浙江大學研究了10年數學，畢業后一度從事人工智能輔助醫療方面的研究，卻因為缺乏結構化數據陷入瓶頸。剛好，有人推薦他去阿里云，抱著“醫療是民生，工業是戰略”的想法，夏分于2017年7月加入阿里云，成為一名算法工程師，也是第一代車間程序員。
入職后的第4個月，夏分接手了第一個項目，用ET工業大腦幫一家風電企業提前預測風電機組故障。
夏分
由于無法實時掌握工作狀態，傳統風電機組維護，通常都是在故障發生后亡羊補牢，維修費用高，維修周期長，還會影響生產的連續性。
一個5萬千瓦的風電場，平均每年維護費用高達300萬元，還會以平均3%的速率逐年遞增。而這家風電企業擁有10個風電場、500多臺風電機組，維護成本帶來的壓力可想而知。
就像一個人生病，病情發展有跡可循，如果能提早發現，提前干預，就能阻止病情惡化，節省醫療成本。而對風電機組來說，一個核心健康指標是溫度，長期高速運轉下，部件老化導致摩擦碰撞，就會產生不必要的熱能，但有些時候，沒有機械故障也會引起部件發熱，怎么樣才能在不放過故障的同時，做到不誤報、減少風電場工程師工作量？
工程師爬上幾十層樓高的風電機，為兩臺驗證機組裝上數十組溫度傳感器，在運轉中源源不斷地采集溫度數據，夏分則在杭州的辦公室里，實時監控并分析著數千里之外的數據。積累到上億條溫度數據后，夏分建立機器學習模型，希望能提前識別風電機組運行異常并預警。
一次，機器檢測出的溫度數值與模型預估的相差20多度，這讓夏分有點不知所措，“溫度過高將導致風電機組無法正常運作，這可不是個小問題。”遠在新疆吐魯番的工程師接到警報后，趕緊查看了“異常”風電機組測點的溫度數據，卻發現完全正常。那么，是網絡傳輸不穩定？還是傳感器故障或老化影響了數據的采集？夏分在腦海中推理著各種原因，不相信自己的算法會出錯。
“怎么會只有1%的數據？”緊張排查幾個小時，原因找到了，風電場出現嚴重的數據缺失，大量數據未同步上傳，導致機器學習的并不是完整數據。
最終，ET工業大腦做到能提前2周識別風電機組潛在故障，大修變小修，單次重大事件維護成本降低20-40萬元。夏分卻意識到，要將前沿科技真正帶入工廠，光靠在電腦前碼出一套算法還不夠，必須去實地考察真實情況。
毛紡企業的配色難
今年四月，夏分接到又一個項目需求——一家國內毛紡行業的龍頭企業，希望借助ET工業大腦，來提高配色的效率。毛紡行業，染色質量是衡量呢絨產品質量的金標準，而染色的關鍵，在于染料配方的準確程度。
夏分一頭扎進毛紡企業的混合羊毛車間。車間里悶熱潮濕，羊毛和化學溶劑的味道混在一起，鉆進鼻子令人犯嘔，轟隆作響的混毛機器旁，放著一個個一米多高的白色塑料桶，里面塞著不同顏色的羊毛。
紡織車間
這一次，客戶來樣是藍色。試驗臺前坐著二三十名工藝員，他們從一缸染好顏色的羊毛中，撕取一小撮大概15厘米長、5厘米直徑的羊毛小樣，人工梳毛后，拿著小樣去稱量，然后通過美國進口的datacolor測色儀，檢測染色結果是否與客戶要求一致。
驗色結果不盡人意，顏色嚴重偏紫，紅色太多。第二次配色，又偏綠了，黃色太多。工藝員把第一缸和第二缸的羊毛倒入混毛機，充分混勻后，再撕取一撮上機器測色，若不正確，就再重復一次。
成檢車間
“還是很原始的方式。”夏分從老師傅口中得知，從拿到訂單指令到完成配色，至少要一周時間，老師傅一般5次左右便可配色成功，而新人7次8次都未必能成功。染料配方頻繁調整，生產周期隨之拉長，庫存積壓還是小事，倘若色光不符合客戶來樣，能不能順利交貨都是問題。
夏分琢磨著，建立模型導入數據，讓機器學習染料配方，再將老師傅總結出的經驗，通過機器算法來學習，幾次推薦出符合來樣的染料配方易如反掌。夏分正想得出神，車間主任突然來了一句“我們沒有數據”……
想要數據得先洗腦
數據，其實是有一些的。比如每次配色成功，工藝員都會詳細記錄染料配方和混色數據，只是沒有數字量化最終配出的顏色，而是保存了實物樣本。每次拿到客戶來樣，工藝員就拿出以前做過的實物樣本對比，找出色光最接近的方案，不斷調整測試。
可是經驗豐富的工藝員都知道，哪怕配的是之前配過的同一種顏色，按照歷史記錄配出的顏色，也會因為車間環境溫度濕度的變化而發生細微偏差，而染料員稍偷點懶，30分鐘的染色時間縮短到26分鐘，就會直接影響染料在羊毛上的附著力。而這些有可能導致配色失敗的因素，都沒有以數據的方式留存下來。
企業的IT員工，其實早就認識到數據生成和數據采集的短板，一直在向車間主任推薦數據的功效，可是對方的回答永遠是“大家都那么忙，哪有空做這個？”
對于ET工業大腦，車間主任倒是寄予厚望，見到夏分就說，“人工智能嘛，你們阿里云就是很厲害，沒有數據你們也應該能做出來。”
“沒有數據不行？那你們就估計一個數據出來。”車間主任甚至提出，希望通過算法，自動填補缺失的空白數據。
“這根本就是悖論嘛。”夏分抿了抿嘴，車間主任“神化”了人工智能和機器算法，給他提出一個大難題。
兩次見面溝通，一次電話會議，夏分只要逮到機會，就給車間主任灌輸“要采集數據”的觀念。到了5月底，IT人員發來了專門采集的數據，夏分如釋重負。
目標節省兩成人力
從車間回到辦公室，夏分坐在電腦前，在網上搜索起契合業務背景的論文。
《基于共軛梯度法的紗線染色配方預測優化算法》，外行人讀個題目都費勁的論文，夏分抱起來就啃。從中午吃完飯到零點睡覺前，從一開始的三四篇論文再到引申出的10余篇參考文獻，夏分一邊仔細研讀，一邊做筆記標注，仿佛回到讀研讀博的時光。
既然目前車間工作流的操作無礙，就把不穩定的因素暫放一旁，只要減少配色的嘗試次數，在一定程度上就是節省工作量，夏分理清了思路，“我們要做的就是找到一個平衡點，提高算法的準確率，從而減少他們的工作流和人力。”
“收集歷史配方數據，列出用了哪個工廠的染料，哪幾種顏色，比例分別是多少，染色出來的顏色是什么……”夏分給車間主任開出了數據采集要求，在配色染色的每一個步驟都加上了使用數值化記錄的環節。
毛紡企業目前有幾十類配方，而機器學習一類配方大概需要上百條數據，只要擁有數據，夏分很快就能完成數據清洗，特征構造，特征篩選，模型篩選，參數調優等建模步驟。
結合前期試驗和算法模型，夏分設想，首次推薦配方的成功率只有60%，二次推薦的成功率是84%，三次推薦的成功率則在90%以上，可以節省20%的人力，現在就只差實踐驗證。
“分析、比較、判斷，其實都是數學中的邏輯思維。”夏分笑著說，自己跟數學早已難舍難分。
本文作者：王安憶
閱讀原文
本文來自云棲社區合作伙伴“天下網商”，如需轉載請聯系原作者。
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://m.specialneedsforspecialkids.com/yun/19811.html
摘要：云計算分論壇上，華為公司企業云業務部副總裁張懷東阿里云計算有限公司副總裁楊名全球副總裁中國客戶創新中心總經理蘇柯瑪發表演講，分別闡述了三家巨頭公司在云計算上的戰略方向。今年三月份深圳云棲大會阿里云發布了醫療大腦。2017年6月15日，以新IT，新生態，新動能為主題，由國家商務部、科技部、中國貿促會和遼寧省人民政府共同主辦，大連市人民政府和中國服務貿易協會承辦的第十五屆中國軟交會在大連世界博覽...
摘要：去年月，阿里云宣布將設立阿里云廣東研發中心，招募名云計算和人工智能工程師，推動前沿技術與廣東產業融合。吳維剛表示，人工智能與云計算，兩者不是同一事物，但是相互發展。近年來，隨著互聯網和移動互聯網的蓬勃發展，大數據、云計算、人工智能、物聯網等新技術也迎來了廣闊的發展空間。去年，阿里云工業互聯網全國總部正式在廣州揭牌成立，阿里云將聯合廣東本地合作伙伴，共同打造服務全國的工業大腦。去年9月，華為與...
摘要：日前，因他為衢州城市大腦所作出的貢獻，被授予衢州市榮譽市民稱號。城市大腦提出初期，質疑聲一片。城市大腦上線后，得到客戶明確的認可時，華先勝感慨萬分。 9月19日杭州云棲大會上，阿里云正式發布了杭州城市大腦2.0，城市大腦已成為杭州新的基礎設施，一年管轄范圍擴大28倍。 杭州市公安局局長金志表示：‘城市大腦’的嘗試，讓我們看到了云計算與大數據在城市管理上的巨大能量和廣闊前景。阿里巴巴集團...
摘要：日前，因他為衢州城市大腦所作出的貢獻，被授予衢州市榮譽市民稱號。城市大腦提出初期，質疑聲一片。城市大腦上線后，得到客戶明確的認可時，華先勝感慨萬分。 9月19日杭州云棲大會上，阿里云正式發布了杭州城市大腦2.0，城市大腦已成為杭州新的基礎設施，一年管轄范圍擴大28倍。 杭州市公安局局長金志表示：‘城市大腦’的嘗試，讓我們看到了云計算與大數據在城市管理上的巨大能量和廣闊前景。阿里巴巴集團...
閱讀 2524·2023-04-26 02:47
閱讀 3008·2023-04-26 00:42
閱讀 875·2021-10-12 10:12
閱讀 1382·2021-09-29 09:35
閱讀 1697·2021-09-26 09:55
閱讀 486·2019-08-30 14:00
閱讀 1540·2019-08-29 12:57
閱讀 2359·2019-08-28 18:00
