工业互联网中的人工智能应用现状

2021-09-15 10:14:40
人工智能与科技
人工智能
工业互联网
全文共约 868 字,阅读约需 2~3 分钟。
实际应用中,工业互联网服务商要立足于全面理清工业领域行业脉络,从实际业务需求出发,以解构平台与软件形成更加细分的功能模块和微服务组件为基础,给企业提供具有针对性的产品和服务。

工业互联网、人工智能都是当下最火的概念或者场景,为了能够深入了解人工智能应用现状,人们会研究人工智能在各个行业中的应用情况,那么工业互联网中的人工智能应用状况如何呢?

2345截图20210719174729.png

工业领域内存在纷繁复杂的应用场景,产品设计,瑕疵检测,生产工艺优化,流程自动化等许多场景的工业机理复杂,数据分析能力要求更高,以深度学习和知识图谱为代表的人工智能技术可以提高系统建模和处理复杂性,不确定性,常识性问题的能力,显著提升了工业大数据的分析能力和效率,扩大了工业互联网可解工业问题边界的深度和广度,人工智能成为重新定义工业互联网产品逻辑的抓手。

实际应用中,工业互联网服务商要立足于全面理清工业领域行业脉络,从实际业务需求出发,以解构平台与软件形成更加细分的功能模块和微服务组件为基础,给企业提供具有针对性的产品和服务。

人工智能技术广义上来看是一种通过算法模型对数据的处理方式,人工智能因此开始进入工业互联网产品建设方的视野,成为服务商拉高产品价值的落脚点。以深度学习和知识图谱为代表的人工智能技术可以提高系统建模和处理复杂性,不确定性,常识性问题的能力,显著提升了工业大数据的分析能力和效率,进一步扩大了工业互联网平台可解工业问题边界的深度和广度。人工智能驱动的工业数据智能分析支撑工业互联网实现数据价值的挖掘,强化了工业企业的数据洞察能力,成为打通智能制造最后一公里的关键环节。

2345截图20210719174729.png

以解决通用型问题为能力基础,面向特定行业进行差异化延伸,细分更多的应用场景,在部署形式上以平台+边缘处理的形式,技术为先,场景为王。

人工智能在工业互联网中的三大痛点:

第一,工业数据量大而且复杂,标准不一;AI算法训练的数据标志难度大,缺乏很好的工业数据用于算法训练;工业领域数据行业属性强,需要业务专家和深度学习专家配合完成数据的采集,标注和模型开发,训练,目前行业内合适的专家资源不足。

第二,主流的深度学习算法泛化性差,主要用于产品缺陷检测,设备预测性维护等辅助场景,缺乏一些可靠性的深度学习模型。

第三,现场缺乏专业的AI训练和推理平台,算力不足,落地集成和实施复杂维护成本低。

收藏
免责声明:凡注明为其它来源的信息均转自其它平台,由网友自主投稿和发布、编辑整理上传,对此类作品本站仅提供交流平台,不为其版权负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。若有来源标注错误或侵犯了您的合法权益,请作者持权属证明与本站联系,我们将及时更正、删除,谢谢。联系邮箱:leixiao@infoobs.com