【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

来自专栏企鹅号快讯

Wikibon年度预测:2018年人工智能的八个演变趋势

素材来源|Wikibon 编译|AI商业周刊 编者按:Wikibon是一家大数据及人工智能领域的专业技术咨询和研究机构,旨在通过社区形式与开源共享免费咨询知识来...

19910
来自专栏人工智能快报

吴恩达谈当前人工智能的能力与不足

全球顶尖人工智能专家、百度首席科学家吴恩达在《哈佛商业评论》撰文讨论了当前人工智能的能力与不足。吴恩达谈到: 许多企业高管问我人工智能够做些什么,他们想要知道人...

3397
来自专栏IT大咖说

对话机器人:除了算法,还需要考虑哪些?

摘要 人工智能这个行业并不是纯算法论,算法固然重要,但是算法之外的东西对于一个创业公司来说会更重要。今天的分享会让大家了解到,机器人虽然是算法核心的应用,但在现...

3449
来自专栏钱塘大数据

【PPT】百度发布:大数据营销与可视化设计,实用收藏版

大数据营销与可视化设计》 ——百度 ▶内容概要: •可视化分析:是信息可视化与科学可视化领域 发展的产物,侧重于借助于交互式用户界面而进行的分析推理。 •科学...

3516
来自专栏华章科技

VR+大数据:感知大数据,绽放新智慧

从技术的观点来看,大数据的全生命周期大致可以分为数据采集、数据存储、数据处理、数据分析、数据可视化、数据决策及数据服务七个阶段(见下图)。

712
来自专栏华章科技

如何成为大数据企业?献给不懂数据挖掘的你

一家中等规模的百货商场,通过视频监控记录下商场各个区域的客流人数,从而评估每天各个时段客流的在店时长,进而结合销售记录数据估算出客流中带有明确购买目标的“搜索型...

712
来自专栏机器之心

演讲 | 加州大学伯克利分校教授、人工智能专家Michael Jordan 眼中机器学习的未来

机器之心原创 作者:高静宜 2017 年 6 月 21 日,在 2017 腾讯云+未来峰会上,腾讯云发布了战略新品「智能云」,希望借此推动「人工智能即服务」成为...

3425
来自专栏PPV课数据科学社区

基于大数据的线上线下电商用户数据挖掘研究

Online-to-Offline( 简称 O2O) 电子商务模式,是一个连接线上用户和线下商家的多边平台商业模式。 O2O 商业模式将实体经济与线上资源融合在...

3315
来自专栏大数据挖掘DT机器学习

基于大数据的O2O电商用户数据挖掘研究

Online-to-Offline( 简称 O2O)电子商务模式,是一个连接线上用户和线下商家的多边平台商业模式。O2O商业模式将实体经济与线上...

3684
来自专栏华章科技

为什么你的数据分析成果总是难以落地?

为什么你的数据分析成果总是难以落地?数据分析的价值总是远远低于预期?相信看完这篇文章,每个人都能找到一个属于自己的答案。以下为从事电力、军工、金融等行业担任数据...

482

扫码关注云+社区