阿裡雲工業大資料總監楊斌在2018雲栖大會·深圳峰會中介紹了他們團隊的ET工業大腦，通過大資料以及人工智能，建立一個工業的最強大腦，協助制造業實作關鍵工序智能化、生産過程智能優化控制等方面的轉型更新。
數十款阿裡雲産品限時折扣中， 趕緊點選這裡 ，領劵開始雲上實踐吧！ 以下内容根據演講嘉賓PPT以及視訊整理而成（雲栖社群做了不修改原意的編輯）。實際上，在雲計算和大資料的驅動下，智能制造是工業更新，改造的核心内容，其中工業大資料在整個更新改造中處在重要地位。對于如何利用海量的大資料進行分析挖掘，提高生産效益這一研究問題上，楊斌團隊做了大量的項目實踐。
資料是工業系統的核心要素，但在中國工業文獻中，工業1.0，2.0，3.0，4.0中的内容非常層次不齊的，很多資料沒有被充分使用，即便資料被使用了，它的價值也沒有被充分發揮。以工廠中的房間制造系統為例，隻有個位數比例的資料被用于輔助工業決策。阿裡雲将資料分為質檢資料，儀器資料，裝置參數等。對于阿裡雲來說，他們積累了很多資料分析的經驗，再加上阿裡資料智能的技術，這兩者結合起來足以解決使用工業大資料面臨的諸多難題，比如資料的深度整合，資料的分析挖掘，以及資料的使用。資料使用的場景一般是存，通，用。存和通的關鍵在于資料上雲，資料上雲之後，建構機器神經網絡，汲取和吸納行業的經驗和社會的運作特征參數以及規律，在這之上統籌歸納為人工智能。是以，整個人工智能服務分為三步走，如下圖所示，首先是看見資料，對應于企業深度資料洞察，把實時的資料和離線的資料線上統一；之後在第一步的基礎上進一步做資料處理，将資料按照各個次元關聯起來，形成工業領域的知識圖譜，在一個個項目中沉澱出行業模型；最終這些行業知識圖譜可以對标具體的工業業務（包括工業的業務，工業研發的業務，營銷的業務等），在原有的工業資訊系統，工業的制造執行系統基礎上進行拔高和疊加，然後給每個企業創造自己的工業大腦。以上是整個産品設計的核心思想。
阿裡雲将整體工業大腦的設計稱為三艙一體，如下圖所示。第一艙為資料艙，利用工業資料內建套件，在雲上進行資料處理，歸納為知識中心，資訊中心以及資料中心，這幾個中心實作都對應不同管理體系下的不同子系統。這些整體的資料系統進行重組，打散業務的需求，整理成為工業企業的大資料總線。在資料艙之上，定義了應用艙，應用艙是一個開放的智能算法服務平台，阿裡雲圍繞着“供，研，産，銷，能，環”沉澱了一系列供使用者使用的官方資料智能服務。同時，阿裡雲希望引入更多的合作夥伴，利用應用艙提供的開發接口把他們的算法服務拉到資料智能服務中，共同服務客戶解決問題。對企業和工業來說，管理者也好，一些員工也好，他們常常會面臨非實時，非內建的資料。阿裡雲希望把資料艙的實時資料，知識圖譜以及應用艙的智能服務暴露的服務接口，在可視化的條件下進行內建，然後面對不同業務角色形成滿足業務需求的業務指揮艙，供企業進行監控與指導。對工業和企業的使用者來說，為了降低大家使用技術的門檻，希望使用者更多的了解自身的業務，通過AI創作間平台，通過拖拉拽的方式，把資料艙的資料模型，元件和應用艙的算法服務元件結合起來滿足業務需求，是以使用者不需要懂很多專業的技術，隻需要專注于自己的業務，工藝。
阿裡雲提供了工業資料內建套件，如下圖所示。工業資料采集上雲一直是一個非常具有挑戰性的問題。本身裝置的多樣性，工業協定的不一緻性，對資料安全的顧慮都是我們要充分重視的。對于工業大腦的設計來說，通過工業資料內建套件，依托阿裡雲的資料安全技術，給資料穩定地搭建安全通道，處理好資料管道安全，雲端資料的安全。為了提高使用者體驗，提供了資料裝置服務，支援使用者将他的裝置注冊管理，這裡的裝置是面向對象的。然後通過智能網關，對接工業上的不同協定，例如OPC，CDT等，同時提供多源異構适配去适配不同的資料源。最後，資料從雲上轉成通用的格式，通過實時和離線的方式，根據不同的業務場景，最後形成歸檔。
下面為大家介紹一下資料艙中的領域知識圖譜，如下圖所示。資料上雲的第一步是要打破實體的資料孤島，打破實體的資料孤島有三個一的概念，即工業資料內建套件，自己通過多個項目踩過的坑形成的資料上雲的解決方案以及工業的合作夥伴。工業的合作夥伴在資料采集領域有多年的經驗，每天都在和不同的工業裝置打交道。第二步需要打破邏輯的資料孤島，基于工業業務的供，研，産，銷進行縱向梳理，在橫向上打散資料，依托資料艙中的工具建立工業的服務自身需求的數艙體系。在資訊倉庫的基礎上，基于初步的工業資料進行資料關聯，形成知識圖譜。将這些知識圖譜作為标準的資料土壤，搭載人工智能算法模型以及深度學習模型，形成神經網絡，優化工業制造。以上過程類似與大腦的思考，首先是資訊汲取，之後資訊的分析，最後進行資訊的仿真。
下面為大家展示一下工業資料門戶，如下圖所示。使用者對個人的精品資産進行盤點，可以根據不同的次元進行篩選，了解原始資料，資料标簽，資料模型，而且可以定位到哪張表格等更多的細節資訊。這些資料模型将底層的原始資料和底層的智能應用連結起來，使用者可以載入行業資料模型，看看能否一鍵部署直接建立自己的模型體系。也可以在現有的載入之後，進行一定配置和修改之後重新部署。讓使用者在不同的資料層面了解到資料現有狀況。使用者能知道哪些資料是缺失的。
下面介紹應用艙的設計，如下圖所示。應用艙的設計目标是達到工業智能的普惠化，應用艙提供了一系列算法服務。一般企業的開發人員在使用算法服務時都遇到了很多挑戰，需要花很多時間将算法和業務進行整合，是以在這個層面上，阿裡雲希望明顯降低算法服務的使用門檻，希望使用者在使用具體算法模型時，能夠直接載入具體的算法服務，通過簡單的定制修改就可以算法服務的搭建。不管哪個行業都可能涉及到關鍵參數識别，功能推薦等實作場景，阿裡雲在過去的項目實踐中對這些領域進行了算法沉澱，使用者隻需要選擇具體的資料源，具體的算法之後進行配置修改生成算法服務，最後執行調試。整體上，應用艙提供了供，研，産，銷，能，環全鍊路算法服務，在這基礎上，希望最大限度地降低使用者的使用門檻，達到易用會用的目标。比如說在智能研發套件中，使用者可以擷取海量的裝置資訊，使用資料進行深度的挖掘，提供關鍵參數識别，良品率預測，産能分析等算法服務。之後，阿裡雲希望引入更多的合作夥伴，在應用艙合作提供更多的算法服務供使用者使用。
下面介紹指揮艙中的設計内容，如下圖所示。在産品領域，指揮艙提供了多種模闆，有關于生産監控的模闆，有關于設别監控的模闆以及整個企業關鍵資訊的展示模闆。針對不同角色的工業企業提供不一樣的功能，比如說，對于企業的管理者而言，更關心企業生産的成本，效益等内容；對于工廠中的房間主任來講，他們更想看到生産的總體情況以及團隊的績效情況；對單個個人來說，他們關注與裝置運作的健康狀況。是以，阿裡雲量身定做了一套模闆，使用者取到模闆後就可以将這些資料應用起來。
新能源生産及技術研究副總劉建平說過一句話：“觀念轉變：以前是講邏輯，現在是看資料，講事實，通過計算與挖掘發現問題，很‘野蠻’。”在某種程度上，經過項目的經驗沉澱，楊斌團隊發現工業智能在一定程度上有跨行業的可能性，在具體的細分行業，細分場景下，例如在工藝優化，關鍵因素識别，推薦上都會有涉及的。工業場景的多變複雜性需要我們考慮到效率，安全，成本等更多因素，是以往往一些沉澱出來的解決方案一旦被搬到現實場景下，起到的效果是非常有限的，隻有通過實時的資料分析，資料挖掘去洞察背後的影響。楊斌團隊所做的事情并不是和以前的一些技術進行對抗，更多的是和原有的技術專家進行技術的結合産生一些期望的“化學效果”。工業大腦的推出是企業的财富，由于專家的腦海中的知識，在平時工作的工程中，因為外界原因無法完整被記錄下來，是以如果通過引入工業大腦的解決方式，所有的經驗都會沉澱為資料，這些資料通過挖掘，分析又可以産生新的規律，是以工業大腦可以說是實作了工業技術傳承的目标。對于工業企業來說，資料是一筆寶貴的财富，上億次的生産，成百上千的工業曲線本身就是曆史經驗，人工智能技術通過分析曆史，找到規律。為了更好地應用資料，依托工業大腦為底座，形成了屬于團隊的一套解決方案，如下圖所示。楊斌團隊的思路是和現有的系統結合在一起形成關聯，并不希望對現有的系統長期的改造。在工業大資料中，這個大字并非僅僅展現在資料量的大，更多的展現在解決問題的思路比較多，并非是資料量一定要大，一定要完備才能擷取知識。
在多個領域，阿裡雲ET工業大腦都有涉及，有很多實踐案例，通過實打實的技術效果展現技術的價值。如下圖所示，主要提升展現在運維成本的降低，工作效率的提升，穩定性的提升等等。
本文由雲栖志願小組沈金鳳整理，編輯百見