\u200E
PaddleTS在工业机械状态监测中的智能应用
发布日期:2023-01-12T08:58:31.000+0000 浏览量:170次

本系列根据WAVE SUMMIT+2022深度学习开发者峰会「产业护航 湾区共振」论坛嘉宾分享整理。本文整理自「产业护航 湾区共振」NI中国华南与西部大区智能制造领域经理陈哲明的主题演讲——PaddleTS在工业机械状态监测中的智能应用。

作为全球自动化测试和测量领域的领导者,NI与百度飞桨探索开放创新方向,通过NI+飞桨联创方案,实现监测智能化突围,助力中国智能制造迈上新高度,同时期待与所有合作伙伴一起探索和拓展智能制造的智慧未来。

NI相关简介

NI成立于1976年,是一家专注于测试、测量领域的高科技公司。在上世纪90年代,以虚拟仪器技术的全新概念开启了测试领域软件定义的时代。40多年以来,NI不断致力于开发基于软件的测试、测量与自动化平台,助力工程师和科学家们解决全球最严峻的难题,获得数以百倍的效率提升。在中国深耕23年,NI开放的软件平台和丰富的硬件资源在中国形成了完整科技生态,广泛应用于下一代通讯、半导体、商业航空航天、交通、能源、医疗、消费电子、工业电子等领域,推动中国科技创新数字化转型,以及能源可持续发展。

2021年8月,NI中国创新发展中心成立,这是NI中国本地化发展的里程碑。依托国家科技创新政策,以及NI先进的自动化测试测量技术,连接科创生态,赋能创新型中小企业加速成长。以NI开放的技术平台为载体,携手中国生态伙伴和用户协同创新,打造原创性成果和前沿科技研究的策源地,共同推动工业力升级。向前展望,NI中国创新发展中心将秉承“在中国,为中国”的理念,深度融合本地创新生态,与国内市场共同成长,赋能高质量发展。NI中国与百度的合作就是融入本地创新生态,与合作伙伴协同创新的范例。


NI与百度飞桨开放创新探索方向

进入移动互联网大数据时代,NI从贯穿技术与产品生命周期的测试测量布局入手,结合强大的软件能力,共建了更完整的企业级数据链,成为不同行业、不同应用技术的连接者和创新驱动者。

测试与测量技术贯穿着从产品设计、验证新产品导入、大规模量产、保养反修整个产品生命周期,直接影响产品质量、用户体验和企业成效。

在整个过程中,NI仍然面对很多问题。比如在测试测量过程中产生的大量数据,除了用来判断测试结果,是否可以用来优化测试策略和企业绩效?如果打通产品生命周期不同环节之间的孤岛数据,关联在一起做分析,是否可以用来优化整个产品生命周期,缩短上市时间?目前,NI没有确定答案,但可以确定的是大数据加人工智能是一个探索路径,这也是NI和百度正在共同完成的事情。

目前,NI与百度飞桨开放创新探索的方向主要有三个方面。

技术创新

将NI的明星产品LabVIEW和百度飞桨进行打通互联,在原有的测试测量功能上赋予人工智能功能,并且拓展到NI的其他软件,比如SystemLink、OptimalPlus等。在打通软件工具链后,领先的人工智能技术,将测试测量技术赋能NI模块化硬件测试平台,从而探索跨领域的技术应用场景,比如5G通信、图像识别、设备管理、预测性维护等。

应用创新

众所周知,人工智能技术需要与不同应用场景结合,才能产生商业闭环。而这正是应用创新急需解决的问题,比如基于深度学习的电子制造智能产线监测系统是目前正在探索的方向之一,目标是通过分析SMT、剪贴片机等制造设备的过程数据,在保证质量的前提下,节省耗材费用。

生态创新

为了更好开创NI和百度飞桨的创新生态,在人才培养方面,双方希望共同培养人工智能交叉型创新型人才。面向工程师,双方希望深度匹配行业背景,建立面向行业内非人工智能方向工程师的培训平台。面向高校学生,双方希望制定基于LabVIEW+百度飞桨的创新课程体系及培养方案。

目前,应用创新在工业领域有很多场景。以机械状态监测这一领域为例,该领域需要解决的难题是如何降低非计划性宕机,并且进一步从基于经验决策的预防式维护,进化到经验模型加大数据智能决策的预测性维护。

NI+飞桨联创方案的应用

如下图所示,NI+百度飞桨联创方案能够最大化发挥NI模块化、高性能数据采集平台和飞桨深度学习平台的优势,构建了一个从物到决策的端到端工业机械状态监测解决方案。

众所周知,任何大数据+人工智能的应用都具有三个关键要素:数据、算力和算法。

数据方面

业机械状态应用中需要采集到的物理量种类繁多,不同类型数据对于精度采样率和通道间的同步性要求各异。NI模块化数据采集平台为此提供了高性能和灵活可扩展性的解决方案。

算力方面

NI数据采集平台可提供边缘计算处理器,搭配针对硬件优化的商用信号处理工具包,比如声音和振动工具包,实现在边缘端的数据预处理和分布式计算,为人工智能处理提供算力支持。

算法方面

NI开放的硬件平台和软件LabVIEW平台能够直接对接百度飞桨深度学习平台,从而实现从信号到决策的无缝对接。
在实践联创项目过程中,双方使用飞桨时序建模算法库PaddleTS训练模型,使用飞桨原生推理库Paddle Inference进行推理。其中,飞桨深度学习平台明显缩短了从训练到部署的迭代周期。此优势对于加速产业界公司在工业制造新领域的探索、落地和形成商业化的闭环过程极为重要。

如图所示,以下4个具体案例体现了目前NI+飞桨健康监测解决方案的商用化和部署经验。
  • 在轨道交通领域,用于检测和记录铁路运输系统中的铁轨振动情况。
  • 在建筑学领域,进行结构健康监测,从而确定关键建筑物的稳定性、可靠性,以及抗自然灾害能力。
  • 在风力发电领域,在线监测风力涡轮机声的噪声影响是否符合行业标准。
  • 在工业产线上,如在汽车零部件生产线上部署大规模量产测试系统,目前这些状态监测系统均已在使用中。

<<< 滑动查看具体案例 >>>

基于NI和百度的联创方案,双方会进一步探索和实践大数据+人工智能在状态监测系统中的应用,帮助客户挖掘潜在投资,进而监测系统价值。
在智能制造领域,NI和百度飞桨联创探索的成功,是基于NI在测试测量领域,以及百度在大数据、人工智能领域的经验积累和持续创新投入的成果。其中充分发挥了NI模块化,软硬件平台所提供的高质量数据采集,以及百度飞桨深度学习平台的优势,从而构建了一个从物到决策、从训练到部署的端到端快速迭代的工业状态监测解决方案的思路。

链接NI全球生态,拓展智慧未来
当前,产业+人工智能在智能制造产业升级改造的应用仍处于起步阶段。与电商等消费性领域不同,制造业对于算法的稳定性、决策的准确性有较高要求,同时细分场景较多,而且每个细分场景所涉及的痛点、难点各不相同。因此,产业+人工智能仍具有想象和发展空间。NI依托前期的生态资源,期待与所有合作伙伴一起探索和拓展智能制造的智慧未来。