返回首页
您的位置:首页 > 新闻 > CCF聚焦

CNCC论坛分享 | 工业大脑关键技术研讨

阅读量:42 2023-11-13 收藏本文

工业大脑的思考过程,是从数字到知识再回归到数字的过程。生产过程中产生的海量数据与专家经验结合,对数据进行建模,形成知识的转化,并利用知识去解决问题或避免问题的发生。主要涉及的技术包括多模态数据的采集与清洗,基于行业背景知识的数据模型训练与验证,大数据平台建设等。尽管工业大脑相关技术和产品在智能制造和工业领域取得了显著进展,但由于工业数据质量和可靠性较低,各数字化平台所用算法和模型较为复杂,平台间集成困难等问题,工业大脑仍有很多不足亟待解决。


2023年10月26日下午,工业大脑关键技术研讨会在沈阳皇朝万鑫酒店举行。本次论坛重点围绕国家政策及行业趋势,创新工业大脑发展战略与研发策略,针对工业大脑关键技术与未来发展前景,进行广泛而深入的探讨。本次论坛主席由CCF高级会员、沈阳航空航天大学副教授朱睿和东北大学教授王斌共同担任。论坛有幸邀请到哈尔滨工业大学教授王宏志、北京极智嘉科技(Geek+)副总裁谭文哲、清华大学副教授宋韶旭、西安交通大学机械制造系统工程国家重点实验室长聘副研究员郭文华、沈阳飞机工业(集团)有限公司研究员级高级工程师刘艳梅史吉鹏作为嘉宾。

 

   

图片
图片
图片

首先,王宏志教授带来了题为《工业大数据管理与治理:智能制造的基座”》的开场报告。王宏志教授解释了什么是智能制造以及大数据的产生和处理流程,并且介绍了工业大数据所面临的挑战,以及该团队所提出的一系列算法在对近似匹配、数据压缩的解决方案。王志宏教授指出工业大数据是制造智能化的基础,针对智能制造中时序大数据的规模变速以及复杂环境带来的数据孤岛等问题,至今仍亟待解决。


图片


来自北京极智嘉科技(Geek+)副总裁谭文哲先生做了题为《数据驱动的多机器人协同调度研究与应用》的报告。他从多机器人协同调度问题的决策、单机寻路算法以及怎样实现协同调度问题的方面进行了详细汇报,并且对协同调度问题在现实和理论中的区别进行了比较。


图片


来自清华大学的宋韶旭教授做了题为《基于Apache IoTDB的工业物联网时序数据治理》的报告。Apache IOTDB(物联网数据库)是一体化收集、存储、管理与分析物联网时序数据的软件系统。宋教授通过工业场景下的数据治理全生命周期的实例介绍了7类工业大数据质量问题并提出处理有问题数据的建议。


图片


郭文华研究员做了题为《增材制造中一体化软件服务平台的应用》的报告。他从增材制造技术、创新中心简介、平台概述和研究成果四个方面进行了详细介绍。他对一体化软件服务共性技术平台、软件服务平台总体架构及关键技术、软件服务平台系统组成、软件服务平台的研究成果进行了分享。


图片


史吉鹏工程师做了题为《基于数字孪生的增材制造技术》报告。他通过阐述制造技术的发展需求展示出制造技术的演变趋势,并引出制造技术所面对的挑战,根据增材制造柔性化,可设计性强的特点,表明增材制造是推动制造技术发展的关键技术和重要实现途径之一。


图片


论坛最后的panel环节,在场的演讲嘉宾就工业领域与计算机如何更好的协同发展进行了热烈探讨。主要围绕以下两个议题分别展开深度讨论。问题一:当前高校的科研研究和工业领域企业需求如何进行更高效的契合?针对该问题,史吉鹏工程师指出:从企业方面看,首先,企业应当清晰地表达自身的需求和问题,包括技术、产品、服务等方面的具体要求,以便高校能够有针对性地进行研究。其次,企业应当积极参与产学研合作平台,与高校建立紧密联系。此外,企业应该尽可能的提供实习、实训机会,让学生在实际工作环境中获得经验,也为企业发现人才提供机会。随后,王宏志教授从高校方面指出:高校应积极了解企业的技术需求、市场需求等,以便有针对性地开展科研研究。高校和企业可以共同申请科研项目,将双方的专业知识和资源充分整合,共同推动项目的进展。问题二:如何让计算机专业的学生更好的在工业领域发挥作用?郭文华研究员认为计算机专业的学生应该积极与其他专业进行交流与合作,拓宽自己的知识领域,了解不同领域的需求和应用场景。王宏志教授补充,学生此外还要学习除计算机专业以外的交叉学科,如工程、商业等,有助于拓展学生的视野,使其能够更全面地理解和解决实际问题。宋韶旭教授随后指出:这也会带来一些问题和挑战,比如跨学科交流和融合难度大,不同专业之间的交流与合作可能会存在一定的沟通障碍,将计算机与其他专业进行融合需要具备相当高的学科交叉能力,而这需要学生具备较高的学习能力和跨学科思维能力,这对一部分学生来说可能是一个挑战。之后王宏志教授也补充到教师专业背景局限,教师在跨学科教学方面可能会受到自身专业背景的局限,需要进一步培训和学习,才能确保能够给予学生正确的引导和支持。


图片


本次论坛历时4个小时,通过这场讨论,与会者们不仅了解到工业物联网中的数据治理与管理,智能增材制造技术等方面的最新研究成果还对多模态数据的采集与清洗,基于行业背景知识的数据模型训练与验证,以及大数据平台建设等有了更深的理解。本次论坛为与会者们提供了一个相互交流和分享观点的平台,促进了学术界和业界的深入合作与探索。

 

图片