本文翻译自《Industrial IoT Artificial Intelligence Framework》，原始来源：https://www.iiconsortium.org/pdf/Industrial-AI-Framework-Final-2022-02-21.pdf。本翻译作品仅供参考，遵循 Industry IoT Consortium 使用信息 - 使用条款、条件和通告。作者和贡献者对原文内容享有版权。请阅读原文以了解详细信息和权限限制。
作者 AuthorsWael William Diab, Alex Ferraro, Brad Klenz, Shi-Wan Lin, Edy Liongosari, Wadih Elie Tannous, Bassam Zarkout.
4 功能视角
功能视角（图4-1）关注工业人工智能系统中的功能组件、其结构和相互关系，以及系统与外部元素的关系和交互，以支持整个系统的使用和活动。
图4-1. 工业人工智能框架的功能观点及其利益相关者。来源：IIC。
4.1 架构目标和约束条件
对工业人工智能的功能组件进行讨论需要基于对构建和使用工业人工智能模型的基本理解。人工智能模型是实现特定问题解决算法的单个或一组计算机程序。
人工智能模型的一个关键特点是其能够从数据中学习。Tom M. Mitchell给出了一个关于计算机程序学习的经典定义：“如果计算机程序在某类任务T上以P衡量的性能随着经验E的积累而提高，那么就可以说该计算机程序从经验E中学习了。”
在我们讨论的背景下，经验包含或呈现在从特定环境或上下文中获取的数据中（明显或隐藏）。利用人工智能，特别是机器学习模型的过程通常包括两个主要阶段，即模型构建和模型执行（使用），如图4-2所示。
在模型构建阶段，我们需要从真实环境中收集的数据创建和验证针对特定问题领域的模型。在模型执行阶段，模型构建阶段得到的模型可以部署到系统中，以在来自真实环境（运行时）的数据上检测模式并进行预测。在这个阶段，可以尝试使用各种算法，有时会将一组算法组合在一起或以集成方式来获得最佳结果。
图4-2. 人工智能/机器学习模型流程。
模型构建通常是一个迭代的过程，涉及算法的探索、训练、微调和验证。即使在模型最初部署到运行时之后，也可以使用新数据对其进行重新训练，然后将更新版本的模型重新部署到运行时，以提高其准确性或覆盖更广泛的问题空间或条件。
在模型执行阶段，模型的执行可以根据问题的性质以几种模式进行。
即时或按需、定期批处理执行：模型根据某些事件或计时器的触发进行按需运行。例如，在预测性维护中，可以定期运行一个预测机器维护需求的模型，或者在积累了大量数据时运行，例如当从油井获得数据进行详细的大规模分析时。
准实时执行：只要有新的数据可用，模型就会持续运行。例如，对工业炉进行实时监控以检测操作异常的模型可能会持续运行，只要从正在运行的炉子收集到数据。
4.2 数据问题
数据对模型的构建和执行都至关重要。数据质量对这两个阶段都很重要，而数据的数量对于构建多功能模型也至关重要。
数据质量涉及几个因素，可能会影响模型的质量。其中包括：
• 用于模型训练的数据集是否包含（甚至隐藏的）待检测模式的特征，
• 数据集中包含的特征（甚至是隐含的）是否具有足够高的信噪比，
• 数据集是否包含可能使模型训练变得模糊的系统偏差。
数据数量的问题涉及数据集是否足够大，以使得：
• 数据集涵盖足够的问题空间（条件、场景或情况的变化范围），使得模型足够强大，能够处理真实环境中可能发生的情况，
• 数据集使得模型能够成熟地进行训练（与人脑中的神经网络不同，人脑具有强大的推理能力，只需要少量示例就能学习识别某种模式，而机器学习需要大量样本来形成和巩固其模式识别能力）。
有关详细信息，请参阅第5.2.7节的数据属性。
4.3 学习技术
由于数据在人工智能和机器学习建模中的重要性，使人工智能和机器学习变得更加复杂，超出了图4-2所包含的内容。图4-3给出了更详细的表示，并添加了一些数据处理阶段。
图4-3. 用于人工智能建模的数据处理。
在工业物联网（IIoT）的背景下，
• 数据收集涉及连接到工业设备和传感器，并从中收集数据。
• 数据预处理涉及数据验证（类型、范围、一致性）、转换（例如单位、时区）、对齐（例如时间戳）、噪声减少（例如平滑）、缺失数据处理和数据稀疏化。数据预处理的目标是确保下一个阶段可用的数据质量。
• 数据转换涉及数据处理，使模型构建（包括学习）更可行。常见的例子包括核技巧和维度缩减（例如PCA）等转换，使得模型对数据的真实特征更敏感，或者在学习过程中减少处理量，使其在经济水平上不降低最终模型的结果。
• 数据预处理和数据转换中的处理步骤在模型构建和执行阶段之间必须保持一致，以确保在模型的训练、验证和执行过程中输入相同的数据内容和形式。
• 数据标记涉及根据其已知特征用有意义的标签识别数据集，以提供上下文，以便模型在训练过程中从数据集中学习。监督式机器学习算法需要进行数据标记。
• 模型构建涉及探索和选择适当的算法来解决手头的问题，并使用可供学习的数据集对模型进行训练和微调。
• 模型验证涉及使用经过验证的数据集对模型进行测试，这些数据不在模型训练过程中使用。
• 模型的构建和验证是一个整体的过程，需要进行多次迭代。
• 模型执行涉及在真实环境中执行模型，或使用真实世界的数据作为模型的输入来解决特定问题。
• 模型的输出通常是模型执行的结果，涉及模式识别和预测。
人工智能模型通常不能单独解决现实世界的问题。一方面，很明显，应用人工智能模型在很大程度上依赖于数据，无论是用于模型的训练还是用于解决现实世界问题。在工业背景下，通常依赖于某种工业物联网平台，提供一组数据功能，包括数据收集、预处理、存储、查询和管理，以便为模型的训练和执行提供一致的数据。
图4-4 工业人工智能系统。
另一方面，人工智能模型的输出必须与业务逻辑或上下文相结合，将模型的洞见转化为可行的决策。反过来，这些决策需要直接或间接地采取行动，以优化工业设备和流程的运作。通常通过工业领域的应用实现这一机制。图4-4展示了人工智能模型和工业领域应用的关系。
依靠从工业运营环境中收集的大量数据，工业人工智能将与基于第一性原理的传统模型和传统统计模型一起，支持新一代基于数据驱动和人工智能驱动的智能工业应用。
这形成了工业运营环境中的闭环反馈，通过优化的业务决策、优化的运营流程和优化的设备状态，实现日益智能化的工业运营，如图4-5所示。
工业物联网系统收集的数据包括人员（例如用于工人安全）、设备、材料、工艺、产品和环境的数据。
图4-5. 工业运营环境中的工业人工智能。
Copyright © 2022, Industry IoT Consortium®, a program of Object Management Group, Inc. (“OMG®”). All other trademarks in this document are the properties of their respective owners.
All copying, distribution and use are subject to the limited License, Permission, Disclaimer and other terms stated in the Industry IoT Consortium Use of Information – Terms, Conditions & Notices, as posted at https://www.iiconsortium.org/legal/index.htm - use_info. If you do not accept these Terms, you are not permitted to use the document.
This document is a work product of the Industry IoT Consortium Industrial Artificial Intelligence Task Group, chaired by Wael William Diab.
Editorial Team: Bassam Zarkout (Chief Editor) and Wael William Diab (Editor).
Authors: The following persons contributed substantial written content to this document: Wael William Diab, Alex Ferraro (PwC), Brad Klenz (SAS), Shi-Wan Lin (Thingswise), Edy Liongosari (Accenture), Wadih Elie Tannous (AASA), Bassam Zarkout (IGnPower).
Contributors: The following persons contributed valuable ideas and feedback that significantly improved the content and quality of this document: Eric Harper (ABB), Salim Abi-Azzi (Dell).
Technical Editor: Stephen Mellor (IIC staff) oversaw the process of organizing the contributions of the Authors and Contributors into an integrated document.