报告丨GIO白皮书:AI使能工业创新

在数字化和绿色转型的背景下,AI成为转化经验流程知识为预测性解决方案的关键,帮助客户节省成本。但在传统行业如钢铁和橡胶中,创建预测性和规范性AI模型面临挑战,如数据稀缺、工业流程危险性高。欧洲的研发计划和《数据治理法》旨在通过数据共享促进数字化转型,释放AI潜力。

当前,各行各业正处于双轨转型过程(数字化转型和绿色转型)中,产品和流程的碳足迹已成为一种新货币。由于可以访问数据,AI会成为将经验流程知识转化为预测性解决方案的关键使能器。这些解决方案将为客户和相关价值链节省成本。

在钢铁和橡胶等较为传统的行业,为预测性和规范性AI创建模型仍旧任重而道远。随着时间的推移,经验会不断积累。这是因为前端流程中的过程数据仍然缺失,需要传感器集成来生成这些数据,这也是棕地更新的目标。

传统制造业的用例面临更多的挑战和瓶颈,因为它们:

  • 通常是客户自建的,无法与其他设施进行比较,即来自类似设施的数据往往是不相关的。
  • 是为执行特定任务而设计的,正常运行的结果是已知先验,并遵循工程结构和物理原理:这大多是基于物理模型完成的。因此,与消费者分析不同,工业客户不希望了解平均(正常)运行情况,而是希望找到异常值(意外、故障)。
  • 设计工厂或机器时考虑的特定任务会反复执行。收集到的数据只有极小的差异,从而会证实先验知识。有关意外和故障的数据非常罕见,不足以得出统计结论。
  • 在工业设施的不同阶段(工程——运行——维护)具有不同的生命周期。所有阶段对于工厂的性能都同等重要。此外,工厂的生命周期比运行工厂所使用的软件的生命周期更长。
  • 许多工业流程都很危险。错误可能导致损害和人员伤亡,甚至造成更大规模的环境破坏。试错是不可接受的。

与用于大规模AI解决方案训练的数据集相比,有关工业流程的数据和信息更为稀缺。此外,数据集属于工业企业财产,往往不易获得。

欧洲目前的研发计划(GAIA-X、Catena-X、Manufacturing-X)正致力于通过资助制造业的数字化转型来解决其中的一些问题。欧洲议会于2022年4月6日通过的《数据治理法》旨在促进欧盟境内的数据共享,从而使公司和初创企业能够获得更多数据,用于开发新产品和服务。只有当利益相关方和用户能够访问大数据时,人工智能的潜力才能得到充分发挥。

以下是《GIO白皮书》部分内容:

报告丨GIO白皮书:AI使能工业创新

报告丨GIO白皮书:AI使能工业创新

报告丨GIO白皮书:AI使能工业创新

报告丨GIO白皮书:AI使能工业创新

报告丨GIO白皮书:AI使能工业创新

报告丨GIO白皮书:AI使能工业创新

报告丨GIO白皮书:AI使能工业创新

报告丨GIO白皮书:AI使能工业创新

 

来源:AI芯天下

0赞

好文章,需要你的鼓励

2024

10/29

11:04

分享

点赞