【观点】利用机器学习实现工程洞察自动化

机器学习已经在某些领域取得了卓越的成果,尤其是模式识别领域,并且它还会对更需要洞察力和效率的行业中的企业产生了更深远的影响。谷歌在美国总部以外最大的开发者集合是一个致力于机器学习的研究小组,微软开源CNTK,百度发布了PaddlePaddle,亚马逊决定在AWS上支持MXNet,Facebook创建了两个深度学习框架。机器学习在消费领域的应用浪潮将蔓延到行业,这将有助于工程师和管理人员通过自动数据分析来改善业务运营。除了驱动创新之外,机器学习还提供了实用的、现代化的业务改进,如操作正常运行时间、产量和工程效率。

机器学习以数据为基础

将智能系统联网以提高数据可见性的能力已经作为物联网(IoT)益处和大型模拟数据挑战而被记录。ABI Research(2017年第1季度报告)指出,到2020年,工业设备的传感器和机器数据有望达到78 Exabytes,而所有这些数据将成为今天技术所遗漏的机器故障,制造缺陷或重要验证测试的证据。浩大的数据集将有助于从机器学习算法训练出更好的模型,并产生更快的结果,但前提是它们可用。今天的系统设计人员需要将有组织的数据收集视为实施机器学习技术的第一步,为连接系统开发提供更全面的DAQ和管理策略。

推动创新

在产品开发过程中处理设计缺陷可能会很昂贵,这就是为什么设计验证和验证测试会得到如此多的时间、精力和预算。在机器学习能够将成本高昂的工程时间集中到需要最多测试和验证的产品领域之前,需要组织和访问历史测试数据。

提高产量

今天的大多数制造商都会进行合格或不合格的筛选,并保存数据以进行取证分析和校准记录。一些制造商使用更先进的自动化测试方法,但是机器学习模型可以帮助他们筛选产品缺陷,而不考虑根本原因。当前构建的硅级组件是否来自新的fab ?这个设计是否包括了仿冒品?是否由于传感器的故障而导致波峰焊温度升高?无尽的异常会导致缺陷,所以为所有的异常设置测试限制是不实际的(或可能的)。机器学习技术将提醒制造测试工程师在产品开发的设计和测试阶段错过的缺陷。

增加正常运行时间

许多生产过程制造或其他过程工业的公司拥有广泛的工业资产维护和运营数据库。维修工程师今天手工处理这些数据,但是将来的机器学习方法将处理这些数据来对操作状态进行分类并检测异常。经过适当训练的系统将识别需要注意的违规行为,并提醒维修人员进行故障排除。

利用优势

在很多方面,机器学习已经进入了一个阶段。与机器学习相结合的简单处理和传感器的融合将帮助工程师建立更好的系统,可以在不需要与企业堆栈通信的情况下对数据进行解释。一些技术已经可以在边缘上训练和运行模型,为工程师提供以下系统架构选项: 在云中,边缘或其他方面进行模型训练和部署。用真实的信号将智能推到边缘可以降低决策的延迟和昂贵的基础设施的需要,这有助于数十亿新设备上线并争夺有限带宽。

平台将利用机器学习的力量

值得注意的一个关键因素是,在技术平台上与机器学习的结合,帮助开发人员集中精力解决新问题,节省了拼接相邻技术的时间,避免在中间件中丢失。工程师们很少愿意花时间去处理那些已经被解答或仅仅因为工具链而被认为是必要的问题。支持哪些云分析?谁的云?在部署模型时是否存在RTOS兼容性问题?将机器学习集成到云、软件和硬件平台上,将提供预先处理的技术,使工程师能够专注于新的挑战。PTC的CTO Andy Timm说:“在当今大多数企业都拥有的不同的商业信息系统中,存在着巨大的机会来提取隐藏的洞察力。”“机器学习平台可以快速将这些数据和新获得的物联网传感器数据结合起来,让平台做非增值的工作,这样企业就可以专注于获取可操作的洞察力。”

今天的机器学习应用程序能够在相册中快速地找到一条狗的照片,但商业领袖们正在寻找工程师、平台和下一波机器学习,以帮助在海量模拟数据中找到正常运行的时间、产量和效率。

原文发布于微信公众号 - ATYUN订阅号(atyun_com)

原文发表时间:2017-12-26

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏PPV课数据科学社区

☞【PPT】数据挖掘方法及案例介绍

1、数据挖掘的引入 面对山一样高的,海一样广的数据,我们该怎么办? ? 数据挖掘中的5W问题 ❶为什么要使用数据挖掘? ❷数据挖掘是什么? ❸谁在使用数据挖掘?...

34512
来自专栏目标检测和深度学习

2018机器阅读理解技术竞赛开始报名 百度提供中文阅读理解数据集

3月1日,由百度公司、中国中文信息学会(CIPS)、中国计算机学会(CCF)联手举办的“2018机器阅读理解技术竞赛”正式开启报名通道。 本次竞赛,百度将提供面...

3329
来自专栏Java技术栈

一张图告诉你什么是系统架构师

这张图从架构师的综合能力、岗位认识、岗位职责等方面,清楚的画出了作为一个架构的基本准则。人人都想成为架构师,可作为架构你达到了上面的要求了吗? 系统架构师是个神...

2976
来自专栏新智元

麦肯锡:用机器学习调查72个国家50万学生,发现最好的教学方法

【新智元导读】是让孩子自己探索,还是采取传统的教师指导,什么是最好的教学方式?麦肯锡使用机器学习的方法,在全球最大的教育数据库上进行数据科学方面的探索,对这一问...

3176
来自专栏AI科技大本营的专栏

TensorFlow可以做什么?让Google Brain首席工程师告诉你

编辑 | 明明 1月19日,在极客公园创新者大会IF2018的现场,Google Brain首席工程师陈智峰发表题为:《找答案从定义问题开始 ——TensorF...

3905
来自专栏韩伟的专栏

机器学习能在游戏开发中做什么

机器学习很容易让人联想到在游戏中的角色 AI 。一直以来游戏中 NPC 或怪物的 AI 问题都是一个游戏比较难解决的问题。比如游戏的角色行为过于单一,让玩家乏味...

9600
来自专栏新智元

【智驾深谈】深度学习驱动的自动驾驶新主流框架盘点(附3篇论文)

【新智元导读】早想动笔写点深度学习在自动驾驶中的应用,无奈羁绊太多总也未能成行。最近两晚恰好李师傅怂恿而且大力支持,提供了大部分素材,揭开了目前的应用现状,让我...

3828
来自专栏新智元

【重磅】雷鸣对话吴恩达(Andrew Ng):超级大咖深度解析人工智能的发展现状与未来

【新智元导读】2016年4月14日(周四)21:00 - 22:30,酷我创始人、北大大数据与机器学习中心联合主任雷鸣先生以线上对话的方式,在微信群中与人工智能...

2756
来自专栏大数据文摘

业界 | Kaggle问卷主成分分析,16000万数据从业者面临这5类挑战

1276
来自专栏数据科学与人工智能

【数据科学家】作为数据科学家最重要的是什么?Being Curious

视频是海量的,看视频的人也是海量的,无疑解释人们视频消费行的数据也是海量的,优化视频内容以迎合受众的口味是 Ooyala 公司业务的关键内容,其客户中就有 Fo...

2557

扫描关注云+社区