首頁熱門文章
預置分析模塊將推動工業(yè)化人工智能革命
發(fā)布時間：2018-08-10 分類：交通百科
什么是智力革命的1/4“螺栓?
歷史如何讓我們?yōu)榧磳⒌絹淼?a href="http://m.by6191.com/" target="_blank">人工智能革命做好準備?當我試圖理解歷史能教給我們什么關于技術引發(fā)的革命時，工業(yè)和信息革命的關鍵能力之一是從勞動密集型手工制造向大規(guī)模制造解決方案的過渡。在信息革命中，它創(chuàng)造了標準化的數(shù)據(jù)庫管理系統(tǒng)、中間件和操作系統(tǒng)。對于工業(yè)革命來說，它是標準化部件的創(chuàng)造，比如螺栓就可以用來組裝。那么，對于人工智能革命來說，什么是“螺栓等效”呢?我認為答案是分析引擎或模塊!
分析模塊是預先建造的引擎，想一想樂高積木，可以組裝來創(chuàng)建特定的業(yè)務和操作應用程序。這些分析模塊具有以下特點：
1、預定義的數(shù)據(jù)輸入定義和數(shù)據(jù)，因此，不管源系統(tǒng)的來源如何，它都知道自己攝入的是哪種類型的數(shù)據(jù)。
2、預定義的數(shù)據(jù)集成和轉(zhuǎn)換算法，用于對數(shù)據(jù)進行清理、對齊和規(guī)范化。
3、預先定義的數(shù)據(jù)濃縮算法，以創(chuàng)建分析模型所必需的高階度量，例如，REACH、頻率、最近度、指數(shù)、分數(shù)。
4、算法模型，使用預測分析、機器學習或深度學習等高級分析方法建立，接收經(jīng)過轉(zhuǎn)換和充實的數(shù)據(jù)，運行算法模型并生成期望的輸出。
5、在預測分析、機器學習和深度學習框架之上的抽象層，該框架允許應用程序開發(fā)人員選擇他們首選的或公司規(guī)定的標準。
5、編制能力，以“調(diào)用”最合適的機器學習或深度學習框架的基礎上類型的問題被解決。可以參考Keras，它是一個高級神經(jīng)網(wǎng)絡API，用Python編寫，能夠在流行的機器學習框架上運行。
6、預先定義的輸出，將分析結果反饋給下游的運營系統(tǒng)，例如，操作儀表板、制造、采購、營銷、銷售、支持、服務、財務。
7、分析模塊產(chǎn)生預先定義的分析結果，同時提供一個抽象層，支持底層機器學習和深度學習框架的編排和優(yōu)化。
利用分析模塊貨幣化物聯(lián)網(wǎng)
推動物聯(lián)網(wǎng)支出的十大物聯(lián)網(wǎng)案例，其中包括預測維護、自我優(yōu)化生產(chǎn)、自動化庫存管理、車隊管理以及分布式生成和存儲。
但是，這些物聯(lián)網(wǎng)應用程序?qū)⒉粌H僅是監(jiān)視正在發(fā)生的事情的報告和儀表板。他們將是“智能的”學習與每一次互動預測可能發(fā)生的事情，并規(guī)定糾正措施，以防止昂貴的，不受歡迎的或危險的情況和基礎的組織的自我監(jiān)測，自我診斷，自我糾正和自我學習兩個物聯(lián)網(wǎng)環(huán)境。
雖然這是一個非常有吸引力的物聯(lián)網(wǎng)應用程序的目標列表，但將這些用例作為單個應用程序處理是一個巨大的錯誤。相反，這些物聯(lián)網(wǎng)“智能”應用程序?qū)⒂杉傻姆治瞿K組成，以處理這些物聯(lián)網(wǎng)人工智能應用程序需要處理的關鍵業(yè)務和操作決策。例如，可以將預測維護看作是由分析模塊組成的組合，這些模塊處理以下預測維護決策，包括：
1、識別有風險部件的故障預測。
2、優(yōu)化資源調(diào)度和人員配置。
3、配合技術員和庫存人員進行維修保養(yǎng)工作。
4、確保工具和維修設備的可用性。
5、確保第一次修復優(yōu)化。
6、優(yōu)化零件和MRO庫存。
7、預測元件的可固定性。
8、優(yōu)化零件，工具和技術人員的物流。
9、利用隊列分析來提高服務和維修的可預見性。
10、利用事件關聯(lián)分析來確定天氣、經(jīng)濟和特殊事件如何影響設備和機器的維護和維修需求。
創(chuàng)建人工智能應用程序的唯一方法是采用一種方法，通過識別、驗證、評估和優(yōu)先排序包含這些人工智能應用程序的決策來啟動預測維護假設的開發(fā)過程。
