本地化：WitSight的优势

通用电气和西门子已经分别创建了Predix和MindSphere等原始大数据云平台，并在业界占据领先地位。相比之下，三一集团重要的WitSight提供了哪些核心功能和优势？

在这里，行业专家引用了百度、谷歌、阿里巴巴、eBay公司的案例。他解释说，“当国外公司和产品进入中国时，本地化应始终是他们首先想到的举措。三一重工是中国创立的世界级企业，其新兴的数字产业大数据云平台也在国内发展成熟。上海华兴公司的工业大数据云平台的目的是管理三一重工自己的设备。该平台的开发和实现以来进行了多次改进。自2010年以来的经验，现在以更快的速度处理来自300，000个在线设备的数据，其计算结果的时间是百万分之一秒。”

发展过程并不顺利

在这种规模的工业大数据云平台的情况下，最困难和最具挑战性的部分是如何启动这样的项目。人工智能团队在开发平台架构时遇到了重大障碍。问题是创建一个架构，支持分散在世界各地的机器和设备上的传感器的实时数据传输；WitSight数据分析平台的数据传输，处理和分析；最后通过可视化为用户灵活显示数据。

设计整体架构需要付出很多努力。混合使用正确的工具、技术、软件产品和流程有助于构建出色的架构。该公司还负责不断重复测试和验证。虽然数据传输和处理过程看似简单，但实际上并不那么容易。WitSight中的数据传输、存储和处理平台必须包含各种软件，包括Kafka、Cassandra、Spark、Hadoop分布式文件系统（HDFS）和MongoDB。

该平台还必须集成devops等工具，以实现敏捷开发和服务交付。随着WitSight平台、风电场和EVIcloud应用的发展，上海华兴公司构思并尝试了各种解决方案，其中包括利用传统虚拟机进行交付或请求公共云基础设施即服务（IaaS）资源进行交付。但是，这些解决方案面临以下问题：

（1）复杂的部署配置：需要单独的部署和配置专家来构建每个软件。

（2）每个虚拟机的使用仅适用于特定服务：同一虚拟机无法同时运行多个不同的应用程序，因为它无法提高资源的整体利用率。

（3）在高峰需求时申请新的IaaS资源：由于在虚拟机上持续部署软件并降低效率，整个过程变得复杂。因此无法实现资源的全自动扩展。

（4）像Kafka、Cassandra、Spark、HDFS和MongoDB这样的软件架构本身很复杂：企业需要招聘更多熟练的软件维护人员，以运行生产环境或培训现有员工来管理相同的工作。这个过程提高了使用软件的进入门槛，增加了复杂性和成本。

（5）开发人员和运营人员必须自己查阅信息或单独联系每个软件的供应商以解决问题，而无需考虑该版本是开源还是企业，如Kafka、Cassandra、Spark、HDFS和MongoDB。由于此过程过于分散，因此无法快速解决问题或响应管理。

（6）网络和数据安全缺乏保证：不能集中管理和保护网络，不能同时备份和恢复平台数据。

上海华兴公司需要开发下一代云原生应用平台，该平台可以支持同一基础设施上的各种不同任务负载，从而减轻所有上述挑战。在仔细考虑支持WitSight上的各种应用程序、工具和任务之后，三一重工决定利用DC／OS（Mesos）作为底层平台，从而解决上述挑战。

未来五年将为大数据平台的发展带来最大的机遇

工业大数据云平台在“万物互联”这个时代获得了很大的关注。可能会面临一些问题，例如它在推动工业发展方面的作用是什么？或者像WitSight这样的平台在“中国制造2025计划”所推动下，将为中国未来增长做出什么样的贡献？

行业专家表示，“在过去的几年里，万物互联或物联网已经蓬勃发展。可穿戴设备和智能家居设备的出现标志着物联网的发展。物联网的英文首字母缩略词是IoT，而工业物联网（IIoT）指的是物联网技术在工业中的应用。工业4．0的理念最早是在德国提出的，之后中国迅速提出了自己的“中国制造”2025计划。

因此，可以看到，工业物联网的发展既是工业的需要，也得到了国家层面的支持。此外，它还为未来增长开辟了方向。因此，工业大数据云平台是极其有利的环境的产物。它适应了这个时代的工业需求，未来五年将为其发展提供最重要的机会。”

没有创新就没有进步。创新对工业企业的转型至关重要。在公司层面，三一重工为其工业大数据云平台制定了三年和五年计划，以及一整套商业模式和发展战略。然而，凭借其创新，三一重工多年来一直是国内挖掘机行业的第一大销售公司，该公司也将能够在行业内引领产业大数据云平台的发展。

物联网代表了新一代信息网络技术的高度集成和全面应用。它是新一轮工业革命的重要方面，也是重建世界工业格局的重要推动力。工业物联网将在未来呈现三种主要的演变趋势：

（1）数据处理：设备连接变得更加多样化。互连设备的类型和数量将呈指数级增长，这将对云计算资源造成很大压力，因为生成的大量信息将在云上进行分析和计算。在未来，数据的初始处理和计算将越来越多地转移到互联网的“边缘”——这就是所谓的“边缘计算”。

（2）工业生态系统：如今，许多公司在物联网领域隔离的专有平台上工作，将与个人数据区分开。未来，每个工业设备生产商都将成为工业物联网系统的成员，平台和数据将被共享，从而形成集群效应和协调发展的新生态系统。

（3）关注不同的应用：工业物联网不仅可以实现设备之间的交互。它还可以通过优化产品和维护与客户的关系为公司服务。目前，工业物联网不侧重于设备资产，而是优化产品或维护客户关系。随后，工业物联网将在收集产品和客户信息方面发挥重要作用，该数据将用于增加产品的吸引力，并提高客户满意度。

当今和未来的工业人工智能

自从AlphaGo在围棋比赛中击败世界冠军以来，人工智能已进入人们的生活，并增加其在工业领域的存在。OpenAI机械手自主操作魔方的能力是人工智能的一种形式。同样，装配挖掘机和机器学习的机械臂也是人工智能的形式。

大家都知道机器学习＝数据＋特征＋建模。而在工业物联网行业中，数据并不是一个大问题，因为有设备的地方就会有数据。但是，从该数据中提取特殊特征并基于它创建模型是工业物联网中的挑战。这是因为不同行业的特征和模型各不相同。因此，工业部门的更详细分类和深入研究对于整个工业部门的人工智能的进一步发展是必不可少的。目前，人工智能在业界普遍水平的表现有三个方面。这些如下：

（1）应用数据的可视化分析：除了收集各种设备运行数据（如温度、转速、能耗状态和生产率状态）之外，人工智能还可以同时存储数据进行二次分析，优化节约生产线能耗，提前识别操作偏差，并提供减少能源消耗的措施。

（2）机器自诊断：人工智能可以允许机器自己诊断问题发生的原因和位置，就像生产线突然发出故障警告一样，同时规定检查维修记录或标准的步骤来解决问题。它甚至可以使机器修复问题并独立恢复自己。

（3）预测性维护：人工智能可以使机器在发生问题之前通过分析来感知问题或预测问题。例如，挖掘机上的部件可能在使用一段时间后磨损，机器可以通过分析历史操作数据预先知道零件的磨损时间，并安排更换零件的准备，以及安排更换维护。

工业人工智能的使用还包括：

（1）设备故障状态的预测与分析。

（2）根据确定的参数进行挖掘工作。

（3）通过使用面部识别技术，并通过挖掘机上的摄像机分析操作员行为，为挖掘机操作人员提供安全提醒。

然而，工业人工智能和其他新技术一样，在其早期阶段将面临各种困难和挑战。

随着人工智能在当今和未来变得越来越普遍，安全仍然是一项重大挑战。例如，数据的安全性、设备安全性、人员安全是工业人工智能所面临的最大挑战。希望当“工业人工智能的三大法则”出现来解决这个问题时，这不是一个遥远的梦想。