“新基建”中的佼佼者:基于知识图谱的工业互联网

扫码链接5000+新基建产业链上下游从业者,入群请备注“基智地+姓名+公司+岗位

你可能或多或少已经在种种演讲和文章中看到过知识图谱(Knowledge Graph)的身影,这一名词在2018年被Gartner第一次加入新兴手艺成熟度曲线。正如其名,它是一系列显示知识生长历程与结构关系的差别的图形,用可视化的手艺,形貌知识资源及其载体,挖掘、剖析、构建、绘制和显示知识及它们之间的相互关系。

“新基建”中的佼佼者:基于知识图谱的工业互联网

与数据和表格有所差别,知识图谱由节点和毗邻线段组成。许多企业正在其平台和产物中运用这种手艺,因此到了2019年,知识图谱在Gartner成熟度曲线中的位置快速前进,这意味着其正在快速成熟。

“新基建”中的佼佼者:基于知识图谱的工业互联网

由于知识图谱异常适合剖析从非结构化资源中提取的数据,包罗隐式的提供结构和内容的元数据,常被用于形貌客观天下中,种种实体或者看法之间的相互关系。

越来越多的企业将知识图谱应用在物联网和工业互联网领域,他们运用知识图谱充实挖掘事物背后客观的隐性关系,将这种隐形关系转化为可盘算数据,而且以可视化的形式展示在人们眼前。

知识图谱让我们将剖析的重点放在了探索种种“关系”上,包罗隐性关系。最近,当我约请走向智能研究院执行院长、工信部CPS生长论坛副秘书长、工业互联网领域的专家赵敏介入物联网智库组织的直播流动时,知识图谱引起了我们的配合关注。

  • 物联网是不是只能把已知要素联接起来,表达已知的物与物之间的关系?

  • 照样可以把未知关系的物与物也联接起来?

  • 未知的关系要怎么联接,联起来以后做什么?

针对这些问题,赵敏以《新基建中的佼佼者:基于知识图谱的工业互联网》为题,举行了一次精彩的演讲,本文将我在聆听中的收获与你分享。

01、一个未被提及的指标:联接度

“新基建”中的佼佼者:基于知识图谱的工业互联网

现在绝大多数的工业互联网平台,联接了“看得见、摸得着、想得清”的已知工业要素,确立了这些要素之间的数据采集、互可操作、协作控制等关系,形成了全新的工业治理逻辑,缔造了伟大的经济效益。

但这还不够,若是想要进一步生长,一个未被提及的公式跃然纸上,那就是联接度。

联接度=已经联接的要素/未被联接的要素

工业互联网的“第一性原理”,就是要广泛地联接种种机器装备和工业系统,由此而实现“联接-管控-优化-效益”的基本逻辑。

因此,工业互联网的联接局限,从一最先就不局限于企业界限之内,而是以跨越企业的“价值链”,甚至是以联接种种企业的“价值网”作为起点,联接企业内外部要素,特别是在用工业品,向基于云的新价值体系探索。

这时,联接度是评价工业互联网生长的主要指标。 

在联接度的盘算公式中,分子是指“可见要素”,包罗看得见、摸得着、想得清的工业要素,它们大多数已经实现了联接;分母是指“不能见要素”,包罗看不见、摸不着、想不清的工业要素,以及这些要素之间的隐形关系。

为什么剖析联接度尤为主要?举一个现实中的例子。今年2月,媒体报道了一则“山东省司法厅厅长因疫情防控不力被免职”的新闻。乍一看,你可能会好奇,山东司法厅厅长与武汉新冠肺炎的关系是什么?经由剖析与挖掘之后,我们看到了一条清晰的关系路径:

山东任城的狱警→有武汉亲戚→到武汉探亲→历程中熏染了山东任城狱警→再熏染其它干警→继续熏染在押囚犯→造成任城重大疫情→导致省委追责→效果任城监狱长、书记被免职→最终造成山东司法厅长被免职。

 这些关系是凡人无法所有获知、而且立刻能够在异常抽象的场景下想得清晰的。就像我们在工业场景中,种种产物与系统越来越庞大,若是泛起质量问题或者装备故障,若是要害要素及其关系没有被清晰的纪录、剖析和系统化出现,很难锁定真实源头一样。

 “联接度”是形貌工业互联网的“地基”是否真正牢靠的一个评价指标。提高联接度,可以通过两种方式:第一是增大分子,联接更多的工业要素,我们常说的“人、机、料、法、环”,都是可见要素;第二是削减分母,推断出不能见的工业要素,找到纪律而且将其实现联接,包罗种种隐形关系更要剖析出来。

 这个看似不能能完成的义务,可以借助知识图谱来得以实现。

02、知识图谱将“三不”变为“三可”

“新基建”中的佼佼者:基于知识图谱的工业互联网

知识图谱是人工智能的一项主要分支手艺,与工业互联网的连系是一个新的手艺生长偏向,而人工智能和工业互联网都被列入了新基建的重点范围。从今年最先,知识图谱可能会异军突起的趋势愈发显著。

在工业互联网领域,知识图谱的价值在于将“三不”变为“三可”。“三不”和“三可”是指:

  • 已往不能见的要素可见;

  • 已往不能盘算的要素可盘算;

  • 已往不能联接的要素可联接。

 

这些不能见、不能盘算、不能联接的工业要素,可以分为多种情形,我们划分举例来说。

1. 已经知晓其存在的要素,然则难以捕捉其要害信息,无法举行联接。

我们知道庞大产物的缺陷一定存在,然则要害难题是找不到缺陷在那里。例如,宇航器的发射,每次我们并不知道是不是会乐成,失败的概率照样挺高的。这种庞大产物,我们知道其中一定有缺陷,然则不知道是哪个大部件、哪个小零件上的缺陷,最终可能导致发射失败。

最典型的例子是在1986年,挑战者号航天飞机刚刚发射就爆炸了,这可以说是人类航天史上最凄惨的事故,里根总统专门下令组织了一个观察委员会,著名的物理学家费曼就是其中的成员。最后他发现事故的缘故原由是一个小小的塑料密封圈,在低温下这个密封圈变形了,由此酿成了事故。

费曼是怎么发现这个问题的呢?历程挺传奇的。他的一位同事早上上班,车坏了,自己着手修车,谁人车上也有个密封圈,这位同事灵机一动,赶快给费曼打电话,费曼这才根据这个思绪去观察。

不要害的缺陷,纵然有了也问题不大,然则要害的缺陷,就会造成大问题。10,000个环节哪怕有9,999个没问题,然则碰着一次要害缺陷,就很可能导致严重事故。除了宇航器,我们身边的汽车和种种周详装备,都是相似的实例,庞大产物很难准确判断详细会在那里失足。 

2. 已经知晓其存在的要素,可以捕捉到其要害信息,然则手艺上无法联接。

 有些物理工具,即便捕捉到了要害信息,在手艺上也无法联接。最典型的例子是大跨度的悬索桥,柔性很高,相对容易发生振动,而且找不到完全消除振动的好办法。我们较难判断它在什么样的风速下就发生了振动,颤振、弛振、共振、抖振等,只能一发生振动就住手通行。

 好比5月初,广东虎门大桥发生异常发抖,桥面出现波浪形涌动。这种悬索桥振动的主要缘故原由是在特定的风环境条件下的桥梁涡振征象,并非桥梁质量问题。

 事后观察发现,虎门大桥接纳的是流线型的断面设计,自己的风阻较小,发生涡振的概率也比较小。但由于近期虎门大桥在修吊杆和主缆,桥梁双方放置了暂且挡墙(俗称“水马”)防止车撞,“水马”把桥上透风的部门堵住,形成了一堵墙,因而造成了涡振的征象。

 在工业现场,许多基础设施和大型装备包罗多种参数,它们的“脾性”人类并不掌握。

3. 已知、未知要素之间的隐形关系是更为庞大的情形。需要首先确定其隐形关系的存在,然后通过推理和盘算找到其要害信息,再想法确立联接。 

例如,一袋酸奶泛起质量问题,到底是在生产历程中哪个环节泛起的问题?我们是极难追溯的,这时许多要素之间的隐形关系需要预先确立。

再举个例子,一个工厂采购了多台德国知名品牌的立式加工中央,然则其中一台总是泛起X轴偏向超差的问题,奇怪的是其余几台都没有遇到类似情形,操作员曾经想:岂非是遇鬼了?经由长时间的剖析,工厂逐一排除了传动部件松动的问题、热变形的问题,以及X轴自己变形的问题…

最终,一位颇有履历的专家来诊断才看出缘故原由所在,由于机床的地基存在问题。操作员将机床移开之后发现,地面已经塌陷了一个小坑,说明地基简直存在问题,是由于地基的转变引发了机床的变形。

知晓了这些隐形关系,有助于我们进一步顺藤摸瓜,发现那些原本我们并不知道其存在性的工业要素。理清种种要素之间的关系,对研发、生产和治理等环节,有可能会发生伟大的利益和辅助。

03、行使联接“关系”,撬动深层价值

知识图谱的主要性在于,它推进了异构数据结构化的历程,让数据确立联接关系,为种种算法的介入提供了一个焦点支持。没有它,许多数据的接见是松散的。

在推进工业智能的历程中,有两个大的支柱,第一是知识图谱,其次才是深度学习。现阶段我们最应该重视的是知识图谱,而且许多工业领域的焦点企业已经围绕知识图谱举行结构。

在《“中国智造”若何走出与“工业4.0”差别的门路?这家巨头用知识图谱给出谜底》一文中,我曾经先容了西门子在这方面的希望。

“新基建”中的佼佼者:基于知识图谱的工业互联网

西门子的物联网服务事业部就以知识图谱为抓手,辅助企业推进数字化转型。西门子以为,若是工业想用好人工智能,无法绕过的路径是先确立知识图谱。若是不把前期的语义模子和知识图谱搭好的话,人工智能很可能只是一个扑朔迷离。

基于知识图谱已经确立的模子,连续的采集和积累数据,才能为后面的数字化和人工智能应用铺好路。当有了知识图谱以后,人工智能才有可能实现最后的终极目标,就是所有的装备完全自主、自治。

施耐德电气则与企业级的知识图谱平台Stardog互助,构建了智能建筑领域的物联网知识图谱,打通了建筑物治理、栖身舒适度调治、电源监控等数据孤岛,剖析和集成来自无数物联网传感器和系统的信息,同时降低了开发者和工程师的工作量,实现最优化的智能建筑运营。

“新基建”中的佼佼者:基于知识图谱的工业互联网

海内的初创企业智通科技在2020年头,公布了全新的知识图谱产物:通图Smart.KG,它拥有知识图谱的构建和全历程的可视化操作能力,辅助企业将数据隐形关系显性化,残缺关系完整化,并提供差别场景的图谱智能化服务,现在已经在食品饮料、纺织、能源等行业取得了一定的应用希望。

“新基建”中的佼佼者:基于知识图谱的工业互联网

—-写在最后—-

知识图谱的构建思绪包罗“自下而上”和“自上而下”,划分适合差别的场景。基于知识图谱已经确立的模子,连续的采集和积累数据,才能为后面的数字化和人工智能应用铺好路。行使知识图谱作为数字孪生的基础,打造一个可连续使用、可连续开发的数字化平台,这才是要害。 

知识图谱就像语义天下的百科全书,更确切的说,这是一套物联网装备可以使用的百科全书,它是一个在世的数字孪生。

预计基于知识图谱的工业互联网平台,在往后一段时间将会获得业界青睐,具有较大的生长动能与应用潜力。

本文经授权公布,版权归原作者所有;内容为作者自力看法,不代表本站态度。如需转载请联系原作者。

声明: 本文由入驻基智地平台的作者撰写,观点仅代表作者本人,不代表基智地立场;基智地发布此信息的目的在于传播更多信息,与本站立场无关。