工业互联网平台赋能制造业数字化转型汇报方案.ppt

算力方面，边缘层亟需加快研发适配工业实时性需求的AI芯片? 寒武纪研制深度学习专用处理器芯片，相对于传统执行x86指令集的芯片，有两个数量级的性能提升。? 腾讯和阿里基于FPGA的云计算加速芯片，实现了低成本、低功耗，具有广泛的应用场景。? 华为针对边缘服务器市场推出Ascend310芯片，目前已部署在自动驾驶领域，正在向其他应用领域拓展。?英特尔、亚马逊、谷歌、Facebook和KhronosGroup等企业和机构基于各自优势与竞争考虑打造了相应编译器或模型表示规范。?中国移动、东方国信、寄云科技等企业通过建设智能网关，动态实现OT与IT间协议转换，加强对带宽资源不足和突发网络中断等异常场景的应对能力。? 生产设备：库卡、新松等企业开发搭载机器学习算法、路径规划等技术的机械臂、运输载具和智能机床等产品。? 控制设备：针对包装、焊接、拼接等作业场景，伯克利、海康威视等企业通过应用语音识别、视频捕捉等技术提升人机交互效率。研发设备：NetSpeed提供SoC设计与架构辅助设计系统，通过内置人工智能算法助力芯片设计师寻求最佳解决方案，并提供持续的设计反馈。?工业智能边缘目前处于技术突破阶段，所涉及的硬件基础设施、软件技术等大多已具备，但仍面临边缘节点对计算能力的支持、边缘计算任务的智能调度，边缘计算网络架构和性能优化等挑战。?目前以“AI芯片+兼容解析工具+设备”为主要形式，通过全面感知、精准计算与自主控制，有效缓解数据中心计算压力，实现业务处理去中心化；未来，其存储、计算、判断等性能将继续提升，加速向边云协同、万物智联转化AI专用芯片兼容性编译工具协议解析工具智能设备模型方面，深度学习、知识图谱和管理引擎将成为重点发展方向?深度学习，主要解决了工业场景中的识别、监控、推理、预测等问题，适用于不可见的复杂问题。?知识图谱，主要解决了工业要素的挖掘、分析、建模、可视化等问题，适用于认知明确的问题?中飞艾维与百度深度合作，基于飞桨（PaddlePaddle）深度学习框架联合开发海量数据AI分析平台，实现巡检数据中特定缺陷辩识，速度达到人工处理近百倍。?德国瀚沙公司：基于“深度学习+能耗”预测电网中断和停电，识别电网缺陷的可能性提高2倍以上。?领邦智能：基于“深度学习+视觉”进行预测性维护、产品质量检测等工作，误检率为十万分之一，质检效率是质检员的八倍。?东软集团部署工业知识图谱进行知识发现和决策辅助，实现了协助人工高效操作和有效决策。?一汽通过构建汽车故障诊断知识图谱，将业务方向、售后场景和细化描述进行关联建模，实现效率支撑、提前发现和专业案例支撑。?UTC联合技术研究中心将知识图谱引入研发设计过程，依靠知识图谱分解功能块，构建设计方案库，设计出的换热传热效率提高80%，设计周期加快9倍。深度学习知识图谱应用方面，工业的复杂性、不确定性和人工智能缺乏可靠性、可解释性之间的矛盾导致工业人工智能发展缓慢? 设备预测维护德国蒂森克虏伯集团结合智能传感器及机器学习，开展基于电梯运行数据的预测性? 产品自动分拣爱普生、埃尔森、梅卡曼德等基于3D视觉与维护，使电梯停运时间降低50%，维护费用节约15%设备级? 产品质量检测IBM依托Waston人工智能平台开展基于视觉识别的质量检测，有效减少重复人工成本，质检时间缩短80%，产品质量缺陷率减少7%? 流程行业：自动监控中海油、中石油等通过建设智能实时决策系统，构建起以井为中心、井场与基地多学科协同作战的信息系统平台，每年仅单平台操作费就节省800万元? 离散行业：辅助设计瑞士纽若公司在自行车设计中，利用深度学习网络对进行空气动力学分析，产品动力学特性比传统方法高5-20％，并将继续应用于风机、涡轮机、飞机等设计过程? 集团辅助决策GE、壳牌、阿美等巨头依托KnowledgePlatform，通过知识图谱与数据科学协同，在综合考虑品牌效益、经营成本、经济趋势等因素的基础上，利用人工智能提供决策和流程优化建议? 供应链管理华为、西门子、莱比锡等企业打造供应链知识图谱，通过企业关系网实现供应链风险管理与零部件选型? 离散行业：过程控制德国施肯拉公司了将检流计扫描仪与数字