2015年起中國(guó)工業(yè)的智能化轉(zhuǎn)型進(jìn)入加速賽道，構(gòu)建以數(shù)據(jù)為驅(qū)動(dòng)的生產(chǎn)運(yùn)營(yíng)能力、對(duì)數(shù)據(jù)進(jìn)行建模分析和價(jià)值挖掘，已經(jīng)成為絕大多數(shù)制造企業(yè)致力實(shí)現(xiàn)的目標(biāo)。如何快速高效地完成模型開發(fā)及落地，北京天澤智云科技有限公司工業(yè)智能實(shí)驗(yàn)室干瑞在2019未來工業(yè)智能峰會(huì)上進(jìn)行了詳細(xì)解讀。

一個(gè)典型的工業(yè)智能建模流程可以概括為以下幾步：數(shù)據(jù)探索、數(shù)據(jù)預(yù)處理、特征工程、模型訓(xùn)練與調(diào)優(yōu)、模型驗(yàn)證以及模型評(píng)估。

而工業(yè)大數(shù)據(jù)獨(dú)有的碎片化、質(zhì)量差及強(qiáng)行業(yè)屬性的“3B”問題，直接導(dǎo)致工業(yè)建模的低效和高門檻，使制造企業(yè)在建模時(shí)不得不在數(shù)據(jù)清洗、整理、模型泛化訓(xùn)練等方面進(jìn)行大量的重復(fù)工作，而且還需要有豐富的跨學(xué)科能力與經(jīng)驗(yàn)積累作為支撐。

為此，天澤智云研發(fā)了工業(yè)智能建模平臺(tái)GenPro，將核心技術(shù)團(tuán)隊(duì)多年來在旋轉(zhuǎn)機(jī)械、風(fēng)電、機(jī)加工等多個(gè)領(lǐng)域的經(jīng)驗(yàn)轉(zhuǎn)化為工業(yè)數(shù)據(jù)分析算子，制造企業(yè)可直接基于內(nèi)置的建模算子及建模模版，通過簡(jiǎn)單的“拖拉拽”方式完成建模，并最終輸出為物理世界的洞察、決策和知識(shí)，賦能制造企業(yè)有效可行地實(shí)現(xiàn)智能模型的研發(fā)和落地。

GenPro關(guān)鍵特性

下面結(jié)合風(fēng)機(jī)葉片結(jié)冰預(yù)警的具體案例，來和大家分享如何通過GenPro幫助工業(yè)企業(yè)快速實(shí)現(xiàn)工業(yè)智能模型的落地。

葉片結(jié)冰會(huì)導(dǎo)致風(fēng)機(jī)發(fā)電效率下降，甚至嚴(yán)重時(shí)對(duì)風(fēng)機(jī)造成損壞，是風(fēng)力發(fā)電中的一個(gè)常見問題。

但是通常除冰系統(tǒng)只能檢測(cè)到嚴(yán)重的結(jié)冰進(jìn)行自動(dòng)除冰，很難發(fā)現(xiàn)早期結(jié)冰狀態(tài)，而早期結(jié)冰的檢測(cè)對(duì)于機(jī)組健康運(yùn)行至關(guān)重要。因此如果能夠檢測(cè)出早期結(jié)冰狀態(tài)，則能有效防止機(jī)組由于嚴(yán)重結(jié)冰導(dǎo)致的經(jīng)濟(jì)性和安全性下降的問題。

>> 建模原理

針對(duì)這個(gè)典型的樣本不平衡的二分類問題，在建模時(shí)首先要根據(jù)維護(hù)記錄生成標(biāo)簽，并利用機(jī)理模型提取風(fēng)機(jī)性能相關(guān)特征，之后再訓(xùn)練機(jī)器學(xué)習(xí)模型預(yù)測(cè)葉片結(jié)冰故障。

>> 建模流程

GenPro提供了豐富的行業(yè)組件，可以滿足不同的常見輸入格式和場(chǎng)景，加速工業(yè)碎片化數(shù)據(jù)的處理效率及建模流程。

讀取數(shù)據(jù)

首先需要讀取建模所需數(shù)據(jù)，打開數(shù)據(jù)讀入組件的返回結(jié)果，可看到每條數(shù)據(jù)的時(shí)間戳、風(fēng)速、發(fā)電機(jī)轉(zhuǎn)速、風(fēng)機(jī)輸出功率等能反映風(fēng)機(jī)性能的參數(shù)。

生成標(biāo)簽

在GenPro標(biāo)簽生成組件中輸入待打標(biāo)簽的數(shù)據(jù)和待打標(biāo)簽的區(qū)間信息，根據(jù)需求進(jìn)行靈活配置（標(biāo)簽列、標(biāo)簽值、時(shí)間格式、偏移量等），快速完成所需要的打標(biāo)簽過程。

之后通過數(shù)據(jù)過濾組件，基于標(biāo)簽值過濾無效數(shù)據(jù)，將篩選之后的數(shù)據(jù)切換到繪圖可視化界面，選擇散點(diǎn)圖可視化組件，查看風(fēng)機(jī)風(fēng)速-功率分布。

同時(shí)還可以根據(jù)標(biāo)簽值對(duì)數(shù)據(jù)點(diǎn)進(jìn)行不同的染色，如藍(lán)色的點(diǎn)是正常狀態(tài)的數(shù)據(jù)，紅色的點(diǎn)是結(jié)冰故障時(shí)的數(shù)據(jù)，從上圖可以看到當(dāng)結(jié)冰時(shí)，風(fēng)速-功率的關(guān)系整體上會(huì)偏離正常的風(fēng)功率曲線。

提取風(fēng)機(jī)性能相關(guān)特征

接下來進(jìn)行結(jié)冰預(yù)測(cè)相關(guān)特征的提取。從風(fēng)機(jī)原始數(shù)據(jù)中選取發(fā)電機(jī)轉(zhuǎn)速、風(fēng)速、功率、風(fēng)向和環(huán)境溫度5個(gè)相關(guān)參數(shù)，運(yùn)用風(fēng)機(jī)性能參數(shù)提取算法組件，該組件從對(duì)機(jī)理的角度出發(fā)，得到的風(fēng)機(jī)性能參數(shù)（如CP、TSR等）與葉片結(jié)冰故障存在較強(qiáng)的相關(guān)性，從而保障建立的結(jié)冰預(yù)測(cè)模型更加準(zhǔn)確和穩(wěn)定。

之后再利用滑動(dòng)窗的方法進(jìn)一步提取統(tǒng)計(jì)特征，例如最大值、最小值、均值、方差等，并且對(duì)標(biāo)簽做類似的處理，最終得到可用來訓(xùn)練結(jié)冰預(yù)測(cè)模型的數(shù)據(jù)。

訓(xùn)練機(jī)器學(xué)習(xí)模型預(yù)測(cè)故障

在訓(xùn)練模型前還需對(duì)數(shù)據(jù)進(jìn)行拆分，一部分作為訓(xùn)練集訓(xùn)練模型，另一部分作為測(cè)試集來對(duì)訓(xùn)練好的模型進(jìn)行評(píng)估，在該案例中我們采用60%的數(shù)據(jù)進(jìn)行進(jìn)行訓(xùn)練。

由于結(jié)冰預(yù)測(cè)的數(shù)據(jù)中結(jié)冰樣本比例較小，為了避免樣本不平衡對(duì)模型訓(xùn)練效果的影響，采用SMOTE算法組件對(duì)訓(xùn)練集中的結(jié)冰樣本進(jìn)行過采樣，使樣本類別比例平衡。

之后將訓(xùn)練集的數(shù)據(jù)輸入到分類模型訓(xùn)練組件中，使用隨機(jī)森林分類算法訓(xùn)練分類模型，再利用訓(xùn)練好的模型對(duì)測(cè)試集數(shù)據(jù)進(jìn)行預(yù)測(cè)。

最后根據(jù)預(yù)測(cè)結(jié)果使用ROCAUC評(píng)價(jià)方法對(duì)模型進(jìn)行評(píng)估，得出的AUC的值越大模型預(yù)測(cè)越準(zhǔn)確（最大值是1），我們?cè)谠摪咐械腁UC為0.9+。

以上就是基于GenPro的風(fēng)機(jī)葉片結(jié)冰預(yù)測(cè)模型建模的整個(gè)流程，全面涵蓋了工業(yè)智能建模的全部環(huán)節(jié)。在此過程中除了一些標(biāo)準(zhǔn)組件，GenPro提供的特殊功能的組件起到了非常關(guān)鍵的作用，如通過根據(jù)時(shí)間打標(biāo)簽加速了數(shù)據(jù)預(yù)處理的過程，融入機(jī)理知識(shí)的風(fēng)機(jī)性能參數(shù)提降低了建模門檻等，從根本上提升了工業(yè)數(shù)據(jù)價(jià)值閉環(huán)效率。

小 結(jié)

對(duì)機(jī)理的充分理解可以有效提升工業(yè)智能建模過程中碎片化數(shù)據(jù)的預(yù)處理效率，GenPro作為一款專為工業(yè)智能開發(fā)者打造的建模分析工具，內(nèi)置豐富的行業(yè)算子與行業(yè)模版，能充分補(bǔ)足人才在領(lǐng)域知識(shí)、工業(yè)機(jī)理等方面的短板，降低建模門檻；同時(shí)在可視化面板、“拖拽式”畫布等功能的支持下，可幫助工業(yè)智能開發(fā)者實(shí)現(xiàn)一站式、流水線式的建模，極大增強(qiáng)工業(yè)企業(yè)數(shù)據(jù)分析團(tuán)隊(duì)的生產(chǎn)力和創(chuàng)新力。