2018年4月13-15日，由國(guó)家發(fā)改委綜合運(yùn)輸研究所、“十三五”國(guó)家重點(diǎn)研發(fā)計(jì)劃《先進(jìn)軌道交通重點(diǎn)專項(xiàng)》總體專家組指導(dǎo)，北京市地鐵運(yùn)營(yíng)有限公司地鐵運(yùn)營(yíng)技術(shù)研發(fā)中心、RT 軌道交通聯(lián)合主辦，中國(guó)信息通信研究院協(xié)辦，地鐵運(yùn)營(yíng)安全保障技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室聯(lián)合承辦的“2018年中國(guó)（國(guó)際）智慧軌道交通大會(huì)”圓滿閉幕！

來(lái)自國(guó)際國(guó)內(nèi)多家地鐵業(yè)主單位、科研機(jī)構(gòu)、設(shè)計(jì)單位、設(shè)備制造企業(yè)的相關(guān)專家、學(xué)者等近1281名參會(huì)代表參加本次會(huì)議。北京天澤智云科技有限公司CTO劉宗長(zhǎng)博士出席會(huì)議并發(fā)表“工業(yè)智能技術(shù)在軌道交通智能運(yùn)維中的實(shí)踐”主題演講。

天澤智云首席技術(shù)官 劉宗長(zhǎng)博士

劉宗長(zhǎng)博士介紹了基于“信息-物理系統(tǒng)”（CPS）的5C架構(gòu)的智能軌道交通PHM解決方案，并分享了天澤智云在軌道交通車輛、道路基礎(chǔ)設(shè)施和機(jī)電設(shè)備智能運(yùn)維中的實(shí)踐案例。

在演講中，他剖析了在設(shè)計(jì)智能軌道交通系統(tǒng)過(guò)程中面臨的挑戰(zhàn)，詳細(xì)解讀了系統(tǒng)架構(gòu)及流程設(shè)計(jì)中的關(guān)鍵技術(shù)，包括數(shù)據(jù)采集和管理、信號(hào)處理及特征提取、算法模型開(kāi)發(fā)、遠(yuǎn)程集群監(jiān)測(cè)及運(yùn)營(yíng)決策等。

天澤智云在智能邊緣計(jì)算及數(shù)采系統(tǒng)集成方面擁有豐富的經(jīng)驗(yàn)，針對(duì)軌道交通產(chǎn)品的不同核心部件，基于該部件的關(guān)鍵特點(diǎn)，以何種數(shù)據(jù)采集方式最優(yōu)等方面，都具備非常豐富的工程經(jīng)驗(yàn)。此外，天澤智云開(kāi)發(fā)了專業(yè)的建模分析平臺(tái) GenPro、智能軌交應(yīng)用模型服務(wù)環(huán)境CyberShpere及大數(shù)據(jù)可視化及報(bào)表系統(tǒng)等能力體系用以支撐完整的PHM系統(tǒng)。

劉宗長(zhǎng)博士指出：“我們的目標(biāo)是把PHM這樣一個(gè)非常專業(yè)且目前只有少數(shù)人掌握的技術(shù)，通過(guò)更加系統(tǒng)化的流程設(shè)計(jì)和輔助工具，降低開(kāi)發(fā)門檻，未來(lái)讓更多的業(yè)務(wù)專家、運(yùn)維工程人員也可以獨(dú)立完成模型開(kāi)發(fā)，使其更廣泛地適用于軌道交通的場(chǎng)景。這也是天澤智云的使命所在。”

期間，劉宗長(zhǎng)博士接受了RT軌道交通網(wǎng)的采訪，以下為訪談內(nèi)容。

Q：感謝劉博士接受RT軌道交通的采訪。根據(jù)您的觀察，相較于其他工業(yè)領(lǐng)域，軌道交通的PHM工程化應(yīng)用與其他系統(tǒng)有什么不同？會(huì)遇到哪些挑戰(zhàn)？

首先是相比于其他大部分的工業(yè)裝備，軌道交通系統(tǒng)更加復(fù)雜，以高鐵車輛為例，它由九大系統(tǒng)、上百個(gè)關(guān)鍵零部件構(gòu)成，其本身就是一個(gè)非常龐大的體系。

第二個(gè)是軌道交通的運(yùn)營(yíng)要非常地快速和精準(zhǔn)。數(shù)據(jù)不僅涉及資產(chǎn)，同時(shí)也涉及到運(yùn)營(yíng)。不論是地鐵還是客運(yùn)鐵路，涉及的數(shù)據(jù)量都非常大且多變，任意的不精準(zhǔn)都可能影響軌道交通的連續(xù)運(yùn)行。比如一輛地鐵誤點(diǎn)兩分鐘，極有可能后面其他地鐵的運(yùn)營(yíng)都受到影響，所以必須立即處理，把這兩分鐘的誤點(diǎn)協(xié)調(diào)過(guò)來(lái)，因此對(duì)于整個(gè)系統(tǒng)的動(dòng)態(tài)性和魯棒性要求也很強(qiáng)。

第三個(gè)是由于軌道交通對(duì)于數(shù)據(jù)的安全性要求更高，因此很難使數(shù)據(jù)在開(kāi)放的網(wǎng)絡(luò)中流動(dòng)。數(shù)據(jù)的安全性限制了我們?nèi)ビ煤芏嗄壳耙呀?jīng)比較成熟的互聯(lián)網(wǎng)或者云計(jì)算技術(shù)，所以需要建設(shè)一個(gè)自己的平臺(tái)或者網(wǎng)聯(lián)/物聯(lián)的體系。

所以不論是對(duì)業(yè)務(wù)、對(duì)象的運(yùn)營(yíng)，還是對(duì)于整個(gè)工業(yè)網(wǎng)絡(luò)方面的基礎(chǔ)設(shè)施而言，都存在很大的挑戰(zhàn)，在其他行業(yè)里很少見(jiàn)到這么復(fù)雜的場(chǎng)景和挑戰(zhàn)。

Q：面對(duì)如此復(fù)雜的數(shù)據(jù)環(huán)境，如何用最短的時(shí)間實(shí)現(xiàn)高效數(shù)據(jù)分析、攫取有用信息？天澤智云在這方面有哪些突破或深刻體會(huì)？

針對(duì)這些挑戰(zhàn)我們運(yùn)用了李杰教授提出的“六分法”的思路，即分類、分割、分解、分析、分享和分憂。

• 分類：首先對(duì)數(shù)據(jù)按照分析的對(duì)象和要求進(jìn)行分類，這樣可以幫助我們識(shí)別哪些是關(guān)鍵有效的數(shù)據(jù)，以及如何用合適的方式獲取這些數(shù)據(jù)。

  
  

• 分割：數(shù)據(jù)流是連續(xù)產(chǎn)生的，但狀態(tài)是離散的，所以我們要基于工況和設(shè)備狀態(tài)的變化把連續(xù)的數(shù)據(jù)進(jìn)行分割。

  
  

• 分解：分割之后對(duì)整體信號(hào)進(jìn)行特征提取，并清晰化特征與問(wèn)題之間的對(duì)應(yīng)關(guān)系，這個(gè)過(guò)程就是分解。

  
  

• 分析：其實(shí)就是建模，無(wú)論是機(jī)器學(xué)習(xí)等AI的一些算法，或者是專家模型的方法，都是說(shuō)如何對(duì)特征進(jìn)行建模，以及如何實(shí)現(xiàn)從特征到根原因的匹配。

  
  

• 分享：分析的結(jié)果怎么被分發(fā)到各個(gè)業(yè)務(wù)部門里面去，實(shí)現(xiàn)整體決策或后面行動(dòng)的同步。

  
  

• 分憂：尋找業(yè)務(wù)價(jià)值，也就是數(shù)據(jù)分析產(chǎn)生的信息到底是為了解決什么問(wèn)題，如何與運(yùn)營(yíng)相結(jié)合實(shí)現(xiàn)對(duì)問(wèn)題透明化和預(yù)測(cè)性的管理。

數(shù)據(jù)分析最終都是收斂的，一開(kāi)始數(shù)據(jù)可以很多很大，但是最后都需要匯聚到業(yè)務(wù)痛點(diǎn)、收斂到業(yè)務(wù)價(jià)值點(diǎn)，從而解決場(chǎng)景中的具體問(wèn)題，最終實(shí)現(xiàn)為工業(yè)客戶分憂的目標(biāo)。

這一整個(gè)過(guò)程具有非常強(qiáng)的流程性，李杰教授指導(dǎo)我們解決問(wèn)題的時(shí)候基本上都是按照這個(gè)思路來(lái)處理。同時(shí)這套體系也得到我們客戶的認(rèn)可，不論是制造或者其他企業(yè)，其最終目標(biāo)都是如何實(shí)現(xiàn)價(jià)值，以及通過(guò)什么樣的路徑實(shí)現(xiàn)這樣的價(jià)值。

Q：上面我們談到了軌道交通行業(yè)的數(shù)據(jù)特點(diǎn)及分析方法，對(duì)于數(shù)據(jù)的標(biāo)準(zhǔn)化，軌道交通行業(yè)是否存在？如何解決?

我認(rèn)為標(biāo)準(zhǔn)化的問(wèn)題確實(shí)存在，可以分為四大部分。

1、最前端數(shù)據(jù)采集部分的接口標(biāo)準(zhǔn)化

對(duì)于平臺(tái)開(kāi)發(fā)者而言這一點(diǎn)非常重要，因?yàn)樗麄兪占瘮?shù)據(jù)之后需要解析才能入庫(kù)，但是不同系統(tǒng)之間的通訊協(xié)議和編碼標(biāo)準(zhǔn)都各式各樣，對(duì)我們獲取數(shù)據(jù)造成了很大的挑戰(zhàn)。所以從數(shù)據(jù)的來(lái)源角度，接口的標(biāo)準(zhǔn)化和協(xié)議的標(biāo)準(zhǔn)化是第一步。

2、數(shù)據(jù)存儲(chǔ)方式的標(biāo)準(zhǔn)化

即如何對(duì)數(shù)據(jù)定義、貼標(biāo)簽，以及如何根據(jù)業(yè)務(wù)需求，對(duì)數(shù)據(jù)庫(kù)以建表的方式管理。現(xiàn)在很多數(shù)據(jù)進(jìn)來(lái)后散落在各種各樣的數(shù)據(jù)庫(kù)，有時(shí)候即使是指向同一個(gè)變量，也有不同的名稱，所以這部分就設(shè)計(jì)到數(shù)據(jù)存儲(chǔ)的標(biāo)準(zhǔn)化，也就是我們上面講的分類、分割和分解。

數(shù)據(jù)的存儲(chǔ)方式標(biāo)準(zhǔn)化之后，我們?cè)僮龇治?，只需要根?jù)業(yè)務(wù)需求尋找相關(guān)數(shù)據(jù)，大大降低了工作開(kāi)展的難度。

3、模型評(píng)價(jià)體系的標(biāo)準(zhǔn)化

尤其對(duì)于數(shù)據(jù)驅(qū)動(dòng)，基于機(jī)器學(xué)習(xí)的方式，最大的問(wèn)題在于可重復(fù)性較差，對(duì)模型的精度和不確定性管理較難。因此需要明確用哪些標(biāo)準(zhǔn)做規(guī)范，進(jìn)而保證模型輸出的結(jié)果持續(xù)可靠、穩(wěn)定精準(zhǔn)。

4、客戶業(yè)務(wù)流程標(biāo)準(zhǔn)化

客戶的業(yè)務(wù)流程及對(duì)數(shù)據(jù)理解的標(biāo)準(zhǔn)化也非常重要，否則對(duì)于同一個(gè)結(jié)果，不同人可能有不同的操作方式，所以我們需要規(guī)范數(shù)據(jù)應(yīng)該用什么樣的方式分發(fā)到各業(yè)務(wù)部門，業(yè)務(wù)部門收到結(jié)果后又該采取哪些協(xié)同性的動(dòng)作等問(wèn)題。

完成這幾部分的標(biāo)準(zhǔn)化之后，我們可以真正實(shí)現(xiàn)以數(shù)據(jù)驅(qū)動(dòng)的業(yè)務(wù)流程，進(jìn)而逐步實(shí)現(xiàn)從“以經(jīng)驗(yàn)為導(dǎo)向”向“以事實(shí)為導(dǎo)向”的轉(zhuǎn)變。

Q：回歸到整個(gè)工業(yè)領(lǐng)域，在您看來(lái)目前國(guó)內(nèi)工業(yè)智能運(yùn)維的工程化應(yīng)用面臨的最大挑戰(zhàn)是什么？天澤智云如何化解這些挑戰(zhàn)？

從技術(shù)層面來(lái)看，一套完整工業(yè)智能系統(tǒng)需要具備以下三方面能力：

1、軟件平臺(tái)開(kāi)發(fā)能力

無(wú)論是平臺(tái)技術(shù)或者傳統(tǒng)的工業(yè)軟件，開(kāi)發(fā)都需要非常專業(yè)的團(tuán)隊(duì)。

2、算法開(kāi)發(fā)能力

無(wú)論是具有特定目標(biāo)的預(yù)測(cè)性分析建模，還是大數(shù)據(jù)環(huán)境下發(fā)散性的關(guān)系挖掘，都需要一支專業(yè)的數(shù)據(jù)科學(xué)家團(tuán)隊(duì)。需要持續(xù)地對(duì)分析模型進(jìn)行設(shè)計(jì)、開(kāi)發(fā)、調(diào)優(yōu)、驗(yàn)證和維護(hù)。

3、工業(yè)領(lǐng)域知識(shí)

前面兩種技術(shù)要想在具體的場(chǎng)景中落地，需要深刻理解其應(yīng)用場(chǎng)景及實(shí)施對(duì)象。以高鐵為例，我們要對(duì)整個(gè)高鐵系統(tǒng)的構(gòu)成，不同核心部件的機(jī)理、工作原理、失效模式，以及運(yùn)行過(guò)程中有哪些痛點(diǎn)等問(wèn)題有著豐富的積累和深刻的洞察。

將這三個(gè)方面能力結(jié)合起來(lái)，才能讓工業(yè)智能化成功落地，但中國(guó)目前很難有一家企業(yè)完全具備，因此我認(rèn)為不論制造企業(yè)還是軟件服務(wù)類企業(yè)，如何快速獲得這三方面的能力是實(shí)現(xiàn)大數(shù)據(jù)或工業(yè)智能在工業(yè)場(chǎng)景中落地的挑戰(zhàn)。

完整的工業(yè)智能系統(tǒng)

對(duì)于我們天澤智云而言，核心技術(shù)團(tuán)隊(duì)是來(lái)自美國(guó)智能維護(hù)系統(tǒng)（IMS）中心的機(jī)械工程博士，在博士期間研究領(lǐng)域主攻PHM方向，以數(shù)據(jù)驅(qū)動(dòng)建模和預(yù)測(cè)為主要的智能分析手段，所以接觸了大量的智能算法。同時(shí)我們也擁有實(shí)力很強(qiáng)的軟件團(tuán)隊(duì)，具備豐富的開(kāi)發(fā)工業(yè)復(fù)雜軟件系統(tǒng)的經(jīng)驗(yàn)。所以我們對(duì)軟件、算法和工業(yè)領(lǐng)域知識(shí)三方面都具備較深的理解，并且能夠?qū)⑦@三方面能力有機(jī)地耦合。

在幫助企業(yè)獲得軟件開(kāi)發(fā)能力的方面，我們開(kāi)發(fā)了CyberSphere平臺(tái)，這個(gè)平臺(tái)對(duì)客戶而言是一個(gè)輕量級(jí)的軟件/模型管理的環(huán)境。數(shù)據(jù)服務(wù)、模型管理以及整個(gè)模型的裝載、調(diào)度都可以在這個(gè)平臺(tái)完成，也可以將其放在任何一個(gè)工業(yè)互聯(lián)網(wǎng)平臺(tái)上。工業(yè)互聯(lián)網(wǎng)平臺(tái)可以通過(guò)CyberSphere為上面的應(yīng)用或者業(yè)務(wù)提供支撐。

算法建模能力方面，除了提供數(shù)據(jù)科學(xué)家的服務(wù)之外，我們還開(kāi)發(fā)了GenPro平臺(tái)，它提供常用的數(shù)據(jù)分析算法模塊和一個(gè)可視化的編程界，客戶在可視化界面中通過(guò)“托拽”的方式，根據(jù)分析的流程把模塊連接起來(lái)，迅速完成模型的開(kāi)發(fā)，極大地降低了算法開(kāi)發(fā)的門檻。

工業(yè)Know-how方面，我們和行業(yè)的龍頭企業(yè)合作，把工業(yè)領(lǐng)域的業(yè)務(wù)需求及面對(duì)一個(gè)設(shè)備對(duì)象的建模模板，比如健康管理、效能管理等應(yīng)用模塊化?？梢詭椭脩粞杆倭私鈭?chǎng)景中的需求，以及針對(duì)這樣的需求大概需要哪些維度的功能，并基于模板開(kāi)發(fā)后需要軟件及算法方面的什么功能。

在這種情況下，無(wú)論客戶或者我們的服務(wù)對(duì)象缺少哪方面的能力，我們都可以很好地補(bǔ)足，進(jìn)而讓客戶最擅長(zhǎng)的領(lǐng)域發(fā)揮更大的價(jià)值。