知识图谱与深度学习：在智能制造领域扮演重要角色

由于传统统计分析方法无法适应当前工业应用中的复杂需求，新一代人工智能技术开始成为推动工业智能化发展的新动力。pftednc

知识图谱与深度学习作为新一代人工智能技术的典型代表,通过对复杂工业模型与海量工业数据的精准建模与实时分析，可以实现工业应用的智能认知与决策，促进知识驱动与数据驱动的双向融合。pftednc

在智能制造领域，知识图谱以结构化和扁平化的方式对来自多层级的知识进行表达和存储加强了产品物理模型、生产流程数据以及企业层级信息的全方面联接，在产品仿真、生产设计、计划调度等具体应用中起到持续、可靠的决策作用。pftednc

深度学习具有挖掘数据内信息与数据间关系的能力，在诸如生产设备故障诊断、远程运维管理、制造工艺参数优化等复杂场景的应用中发挥重要作用，不仅有效规避了复杂工业模型的建立过程，还大大提高了分析效率与认知能力。pftednc

在现有研究中，已经有学者提出了采用长短期忆网络、卷积神经网络等方法对涡扇发动机、轴承等工业设备进行预测性维护和剩余寿命预测。除此之外，一些工业产品也应运而生，如IBM开发了 Watson Discovery知识图谱框架，思爱普开发了预测性维护软件 Predictive Maintenance and Service(PMS)。pftednc

知识驱动与数据驱动融合下的工业应用是当前工业智能化发展的核心路线，以知识图谱和深度学习为代表的新一代人工智能技术正是实施这一路线的重要手段。pftednc

云厂商的边缘计算框架

云计算已经在诸多领域得到广泛应用，但是随着工业物联网设备的大规模增加以及工业应用对低时延性、高可靠性的强调和需求，现面临着网络资源、存储资源和计算资源带来的巨大压力。pftednc

边缘计算在网络边缘侧实现通信计算和存储功能一体化，可与云计算充分融合交互以实现海量工业数据的高效感知与处理。云计算与边缘计算的协同应用是促进工业智能泛在支持的重要手段。pftednc

从资源的角度看，边缘计算将计算能力与存储能力下沉至边缘节点，以至于工业现场设备能够实现资源的自我配置、自我监测、自我优化等功能;云中心作为云计算的使能节点，集中收集边缘设备信息，统筹资源调度管理(29)。从数据的角度看,工业边缘设备实时采集生产、运营等过程中的海量工业数据，能够按照相关需求对其进行初步的信息分析与挖掘;云中心为接收到的海量工业数据提供更可靠、更高效的存储与处理服务。从模型的角度看，云计算基于业务需求以一定周期训练可靠、精确的模型，并通过裁剪、迁移等方式将其下发给边缘节点，大大保证了工业应用中的服务质量与用户体验。pftednc

在具体的产业应用中，以微软、亚马逊、谷歌、阿里、华为为代表的企业正着力开发云边相关平台，并促进其在工业领域的应用，例如，微软开发了Azure loTEdge平台，阿里云推出了 Link Edge 边缘计算框架。多协同计算模式促使云、边、端一体化成为可能，也为工业智能服务提供了泛在支持。pftednc

 pftednc

责编：胡子pftednc