当前位置:人工智能行业动态 → 正文

GE Digital的首席技术官论数据和人工智能在数字孪生应用中发挥的作用

责任编辑:cres 作者:David Essex |来源:企业网D1Net  2020-09-16 10:25:06 原创文章 企业网D1Net

通用电气(GE)的数字孪生事业的创始人Colin Parris阐述了数据管理可以提出或破坏应用程序的原因,以及将数字孪生与人工智能结合有助于这两者互相改善的原因。
 
Colin Parris在IBM主要部门以及现在的通用电气担任高管已有长达22年的经验,但这名通用电器数字化部门(GE Digital)的首席技术官认为自己首先是一名数据科学家,事实也是如此。如果你向他询问遍及产品设计,制造和维护的数字孪生技术的情况,他将把这个问题转换为数据管理问题。你有适用的数据吗?如果没有的话,你能得到这样的数据吗?你的文化在多达程度上面向数据?
 
Parris的数据科学技能(他持有霍华德大学的工程学学士学位,加州大学伯克利分校的电子工程学学位和斯坦福大学的管理科学硕士学位)有助于他为这一跨越数据分析,人工智能和工业物联网的职业做好了准备。他花了五年时间经营通用电气的人工智能,分析和数据处理研究小组,领导了该计划,该计划为该公司的制造部门及其客户生产了超过120万个数字孪生。
 
Parris说:“通用电气研究部门(GE Research)曾负责处理了一整套旋转机械”,他指的旋转机械是喷气发动机以及该公司生产的燃气,蒸汽和水力涡轮机的统称。“我们要解决一个业务问题,并将其融入各种数据问题中。”
 
今年5月,Parris走马上任通用电器数字化部门的高级副总裁兼首席技术官,该公司专注于各种工业自动化软件和服务。他这样描述自己在通用电器数字化部门所面临的重大难题——用稀疏数据(例如模拟数据和人们所做的笔记)来做预测。他的这一双重身份是为了推动通用电器数字化部门产品的创新,从而为客户带来价值并扩展这些产品以供通用电气内部使用。
 
在2014年加入通用电气之前,他曾在IBM担任副总裁,期间它负责Unix系统,这一6600人组成的部门负责为IBM的硬件开发系统软件。Parris说,时任通用电气首席执行官的Jeff Immelt聘请了他,要他将IBM的经验(即期间在银行,通信和医疗领域获得的经验)应用于通用电气的主要行业:航空,运输,采矿,石油和天然气,能源和医疗。
 
在一次访谈中,Parris讨论了如何发现数字孪生的价值,如何发现人工智能发所发挥的作用。本访谈为了简明而做了删改。
 
通用电气如何在自身的制造中使用数字孪生应用程序?
 
Colin Parris:对我来说,数字孪生是某种形式的资产或系统的生动体现。“生动”意味着存在持续不断的数据流,使模型可以了解环境。还有反馈数据:“当我采取行动时会产生什么结果?”
 
另一个方面是学习。我不仅想从数字孪生的传感器数据中学习,我还想学习机队中的各种事物,当我做设计时我还想在我创建的模拟器中学习。我还想向员工学习并查看维护专家写的所有日志。我要查看各种照片。
 
这也许是部分或整个系统,网络或过程。全部都是数字孪生。
 
在通用电气,我们将数字孪生用于三个目的。
 
首先某个时间范围内出现的对企业有重大意义的预警。最重要的事情是确保各种资产可用,例如喷气发动机。飞机降落时会靠近登机口,飞行员通常会做飞行前分析(pre-flight analysis)。如果驾驶舱上某个指示灯亮起,这表明我们失败了。为什么会这样呢?传感器仅表明轴承出了故障。这时除了疏散机组人员,你什么也做不了。
 
但是,提前30天预测到轴承故障会怎样的呢?你需要30天的时间才能设法在那个时候将另一台发动机和飞机安置于该登机口,你还需要足够的时间来为机组人员指路。
 
其次是预测零件何时会发生故障的连续预测。我需要更多的时间,因为在许多情况下,这些零件都是现成的。建造喷气发动机和一整套发动机叶片可能需要四到六个月的时间,这是因为我要弄清楚库存情况。如果必须保障所有零件的库存,那么我必须加入供应链并让供应商生产这种特殊的镍合金,将其寄给10个人,然后再进行生产加工。如果我可以通过说“这是各个零件呈现的损坏程度”来进行连续预测并且提前六个月知道,那么我就可以优化库存,从而知道自己需要制造什么。否则,我可能会因为仅仅需要这个零件而积压数亿美元的库存。
 
我们要做的第三件事是优化,例如将哪架飞机拖出机库,以便对其发动机进行维修并归队。如果我可以做到这一点,我就可以为你节省很多钱。如果我可以优化燃油,如果我可以观察飞行员的起飞方式,基于气流飞行时使用了多少燃油,着陆时使用了多少燃油,那么我就可以优化燃油。
 
使用数字孪生的另一个目的是实施模拟飞行。你可以做各种假设分析。
 
那么哪些数字孪生应用程序具备最佳的投资回报呢?
 
Parris:你要试图了解最大的缺口在哪里,即那些客户很难处理的缺口。他们在哪里损失的钱最多?他们在哪里面临的风险最大,或者在哪里的获利机会最大?
 
然后,你要考虑客户的成熟度等级。有些客户在数字化方面尚不成熟。他们没有收集到适用的数据集,或者数据中存在很多空白,或者需要处理大量的数据。
 
以前,在我设想的理想情况中,这很容易做到。我会说:“将所有内容数字化,然后开始进行主数据管理。这将花费你400万美元。如今,我们讨论的问题是:“让我们直奔主题,即看看你现在最大的问题在哪里,然后弄清楚我可以通过收集哪些数据来解决这个问题”。如果你有一个价值800万美元的问题,而解决方案的成本为1000万美元,那么你肯定不买账。
 
接下来是概率。你是否希望花700万美元做到90%的准确性,以赚取一百万美元的利润,还是希望花200万美元做到60%的准确性?
 
在实施数字孪生应用程序时,公司将面临哪些难题?
 
Parris:公司通常会实施一个MES(制造执行系统),一个PLM(产品生命周期管理)系统以及各种各样的系统并说自己收集了大量的数据。但是通常每个人都在一个孤岛中收集数据并用于特定目的。如果你知道数据库和数据模式的工作原理,那么你首先必须定义问题,然后再处理数据。
 
当问题发生了改变并且你的环境变动不居时,当你研究那些系统并认为它们应该为你提供答案时——这些系统旨在提出各种不同的问题。你不能使用相同的数据来回答不同的问题。你可能必须添加新数据或改变你所收集的数据。
 
许多人并不完全了解问题的本质。即他们正在从工业问题转向数据问题。
 
第二个问题是:既然我已经足够理解问题了,那么如何收集这样的数据?你是否一直在收集适用的数据?
 
第三个问题是:如何从数据问题过渡到数据解决方案?你是否有合适的数据人才来做到这一点?
 
如果你以前就掌握了现在才了解的有关数字孪生的知识,那么你当时会采取什么不同的做法?
 
Parris:我希望我本来就明白这样一个道理,即数字化转型并不是首先发生的。首先发生的是业务流程转型(business process transformation)。在你说要解决某个业务问题并以某种方式分解该问题的一瞬间往往会涉及到价值流程图。
 
一旦我做到这一点,我就可以弄清楚浪费产生的地方,或者我可以在哪里进行更好的优化或创造新的价值。这才是数字化开始的时刻。在这些地方,我可以将信息收集,我所获得的洞察以及可我能采取的各种行动数字化。
 
一旦你这么做,人人都会团结起来。如果可能的话,我们将减少规避各种成本,提高生产力,进入新市场以获取新收入——这才是真正的战斗口号。
 
第二个问题是对文化的认识。我在IBM工作了20年,我自己就生活在这个数字领域,在这样一个领域里,每隔一两年就会有新的销售业务或新的笔记本电脑诞生。每隔三四年就会有一个新点子产生。这是一场永不停息的革命。
 
然后我来到了一个工业领域,在这个领域中,喷气发动机持续工作了40年,蒸汽轮机持续工作了30年,而有些东西持续工作了40年之久。这是非常不同的文化体验。人们接受了这样的训练,即首先要考虑安全性,经济性,过程稳定性以及高可靠性。
 
突然之间,人们进入了这样一个领域,在这个领域中,谷歌正在为数据中心购买电力,但同时也建立了风力发电场和太阳能发电场。这些原本非常稳定的领域如今突然变得活力十足。
 
人工智能在数字孪生应用中所起的作用是什么?
 
Parris:在数字孪生中,你拥有一个可以处理物理问题的人工智能系统。我认为这对数字孪生是密不可分的。
 
在一种情况下,这就是一个物理方程式,该方程式表示此位置将处于此温度,或者这就是金属的强度。你具备某类常量……你认为系统中的常量总是相同的。飞机将以某种方式起飞——这是我的猜测。
 
在某些情况下,人工智能正在与物理学联手。在另一些情况下,你没有物理方程式可用。当你研究风轮机并试图了解如何表示这个涡轮发动机的进风情况时,你很快就会意识到风速会根据涡轮发动机的高度而发生变化,而不是恒速的。风速也时时刻刻在发生变化。这是一个非常复杂的问题,无法通过物理方程式进行建模。
 
我们现在常常尝试使用人工智能和神经网络对此进行建模。我们可以使用人工智能代替整个方程。在许多情况下,我们采用物理方程式并使用人工智能对其进行扩充。
 
人工智能系统是数字孪生的一部分。因为人脑想不出如风一般复杂的方程式,所以,有了人工智能与物理学的组合,我们就可以在没有方程式的地方使用人工智能,人工智能现在正在调整我们所假定的总是明白无误的事物,因为很多东西都是灵活多变的
 
公司将人工智能应用于数字孪生应用程序所面临的最大难题是什么?
 
Parris:首先是数据。如何收集数据?因为在很多情况下,你要与各种文化打交道,在这些文化中,数据是一个副产品。他们将数据用于将所有重点放在机器本身的事物。收集这样的数据,了解其价值并清理它是非常重要的环节。
 
新兴行业(谷歌,亚马逊或类似公司所处的领域)最初都是收集数据的公司。数据即其文化。我们面临的其中一个难题是数据并不是我们所在的行业的文化。
 
第二个难题是:如何获得适用的洞察?因为你有一个正在运行的过程,而现在我必须扩大该过程。我需要深谙变革过程的数据科学家和深谙人工智能功能的过程工程师或机械工,以便他们可以为数据科学家提供指导。你可以通过经验来打造这一切。
 
第三个难题是:如何以实现业务流程转型的方式来对这一切进行转化?现在,我必须将这种见解纳入你的业务流程中。我必须找出你如何做出影响盈亏的决策。
 
版权声明:本文为企业网D1Net编译,转载需注明出处为:企业网D1Net,如果不注明出处,企业网D1Net将保留追究其法律责任的权利。

关键字:人工智能 数字孪生

原创文章 企业网D1Net

GE Digital的首席技术官论数据和人工智能在数字孪生应用中发挥的作用 扫一扫
分享本文到朋友圈

关于我们联系我们版权声明友情链接广告服务会员服务投稿中心招贤纳士

企业网版权所有©2010-2020 京ICP备09108050号-6

^