2018年4月13-15日，由國家發(fā)改委綜合運輸研究所、“十三五”國家重點研發(fā)計劃《先進軌道交通重點專項》總體專家組指導，北京市地鐵運營有限公司地鐵運營技術研發(fā)中心、RT 軌道交通聯(lián)合主辦，中國信息通信研究院協(xié)辦，地鐵運營安全保障技術北京市重點實驗室聯(lián)合承辦的“2018年中國（國際）智慧軌道交通大會”圓滿閉幕！

來自國際國內(nèi)多家地鐵業(yè)主單位、科研機構(gòu)、設計單位、設備制造企業(yè)的相關專家、學者等近1281名參會代表參加本次會議。北京天澤智云科技有限公司CTO劉宗長博士出席會議并發(fā)表“工業(yè)智能技術在軌道交通智能運維中的實踐”主題演講。

天澤智云首席技術官 劉宗長博士

劉宗長博士介紹了基于“信息-物理系統(tǒng)”（CPS）的5C架構(gòu)的智能軌道交通PHM解決方案，并分享了天澤智云在軌道交通車輛、道路基礎設施和機電設備智能運維中的實踐案例。

在演講中，他剖析了在設計智能軌道交通系統(tǒng)過程中面臨的挑戰(zhàn)，詳細解讀了系統(tǒng)架構(gòu)及流程設計中的關鍵技術，包括數(shù)據(jù)采集和管理、信號處理及特征提取、算法模型開發(fā)、遠程集群監(jiān)測及運營決策等。

天澤智云在智能邊緣計算及數(shù)采系統(tǒng)集成方面擁有豐富的經(jīng)驗，針對軌道交通產(chǎn)品的不同核心部件，基于該部件的關鍵特點，以何種數(shù)據(jù)采集方式最優(yōu)等方面，都具備非常豐富的工程經(jīng)驗。此外，天澤智云開發(fā)了專業(yè)的建模分析平臺 GenPro、智能軌交應用模型服務環(huán)境CyberShpere及大數(shù)據(jù)可視化及報表系統(tǒng)等能力體系用以支撐完整的PHM系統(tǒng)。

劉宗長博士指出：“我們的目標是把PHM這樣一個非常專業(yè)且目前只有少數(shù)人掌握的技術，通過更加系統(tǒng)化的流程設計和輔助工具，降低開發(fā)門檻，未來讓更多的業(yè)務專家、運維工程人員也可以獨立完成模型開發(fā)，使其更廣泛地適用于軌道交通的場景。這也是天澤智云的使命所在?！?/p>

期間，劉宗長博士接受了RT軌道交通網(wǎng)的采訪，以下為訪談內(nèi)容。

Q：感謝劉博士接受RT軌道交通的采訪。根據(jù)您的觀察，相較于其他工業(yè)領域，軌道交通的PHM工程化應用與其他系統(tǒng)有什么不同？會遇到哪些挑戰(zhàn)？

首先是相比于其他大部分的工業(yè)裝備，軌道交通系統(tǒng)更加復雜，以高鐵車輛為例，它由九大系統(tǒng)、上百個關鍵零部件構(gòu)成，其本身就是一個非常龐大的體系。

第二個是軌道交通的運營要非常地快速和精準。數(shù)據(jù)不僅涉及資產(chǎn)，同時也涉及到運營。不論是地鐵還是客運鐵路，涉及的數(shù)據(jù)量都非常大且多變，任意的不精準都可能影響軌道交通的連續(xù)運行。比如一輛地鐵誤點兩分鐘，極有可能后面其他地鐵的運營都受到影響，所以必須立即處理，把這兩分鐘的誤點協(xié)調(diào)過來，因此對于整個系統(tǒng)的動態(tài)性和魯棒性要求也很強。

第三個是由于軌道交通對于數(shù)據(jù)的安全性要求更高，因此很難使數(shù)據(jù)在開放的網(wǎng)絡中流動。數(shù)據(jù)的安全性限制了我們?nèi)ビ煤芏嗄壳耙呀?jīng)比較成熟的互聯(lián)網(wǎng)或者云計算技術，所以需要建設一個自己的平臺或者網(wǎng)聯(lián)/物聯(lián)的體系。

所以不論是對業(yè)務、對象的運營，還是對于整個工業(yè)網(wǎng)絡方面的基礎設施而言，都存在很大的挑戰(zhàn)，在其他行業(yè)里很少見到這么復雜的場景和挑戰(zhàn)。

Q：面對如此復雜的數(shù)據(jù)環(huán)境，如何用最短的時間實現(xiàn)高效數(shù)據(jù)分析、攫取有用信息？天澤智云在這方面有哪些突破或深刻體會？

針對這些挑戰(zhàn)我們運用了李杰教授提出的“六分法”的思路，即分類、分割、分解、分析、分享和分憂。

• 分類：首先對數(shù)據(jù)按照分析的對象和要求進行分類，這樣可以幫助我們識別哪些是關鍵有效的數(shù)據(jù)，以及如何用合適的方式獲取這些數(shù)據(jù)。

  
  

• 分割：數(shù)據(jù)流是連續(xù)產(chǎn)生的，但狀態(tài)是離散的，所以我們要基于工況和設備狀態(tài)的變化把連續(xù)的數(shù)據(jù)進行分割。

  
  

• 分解：分割之后對整體信號進行特征提取，并清晰化特征與問題之間的對應關系，這個過程就是分解。

  
  

• 分析：其實就是建模，無論是機器學習等AI的一些算法，或者是專家模型的方法，都是說如何對特征進行建模，以及如何實現(xiàn)從特征到根原因的匹配。

  
  

• 分享：分析的結(jié)果怎么被分發(fā)到各個業(yè)務部門里面去，實現(xiàn)整體決策或后面行動的同步。

  
  

• 分憂：尋找業(yè)務價值，也就是數(shù)據(jù)分析產(chǎn)生的信息到底是為了解決什么問題，如何與運營相結(jié)合實現(xiàn)對問題透明化和預測性的管理。

數(shù)據(jù)分析最終都是收斂的，一開始數(shù)據(jù)可以很多很大，但是最后都需要匯聚到業(yè)務痛點、收斂到業(yè)務價值點，從而解決場景中的具體問題，最終實現(xiàn)為工業(yè)客戶分憂的目標。

這一整個過程具有非常強的流程性，李杰教授指導我們解決問題的時候基本上都是按照這個思路來處理。同時這套體系也得到我們客戶的認可，不論是制造或者其他企業(yè)，其最終目標都是如何實現(xiàn)價值，以及通過什么樣的路徑實現(xiàn)這樣的價值。

Q：上面我們談到了軌道交通行業(yè)的數(shù)據(jù)特點及分析方法，對于數(shù)據(jù)的標準化，軌道交通行業(yè)是否存在？如何解決?

我認為標準化的問題確實存在，可以分為四大部分。

1、最前端數(shù)據(jù)采集部分的接口標準化

對于平臺開發(fā)者而言這一點非常重要，因為他們收集數(shù)據(jù)之后需要解析才能入庫，但是不同系統(tǒng)之間的通訊協(xié)議和編碼標準都各式各樣，對我們獲取數(shù)據(jù)造成了很大的挑戰(zhàn)。所以從數(shù)據(jù)的來源角度，接口的標準化和協(xié)議的標準化是第一步。

2、數(shù)據(jù)存儲方式的標準化

即如何對數(shù)據(jù)定義、貼標簽，以及如何根據(jù)業(yè)務需求，對數(shù)據(jù)庫以建表的方式管理?，F(xiàn)在很多數(shù)據(jù)進來后散落在各種各樣的數(shù)據(jù)庫，有時候即使是指向同一個變量，也有不同的名稱，所以這部分就設計到數(shù)據(jù)存儲的標準化，也就是我們上面講的分類、分割和分解。

數(shù)據(jù)的存儲方式標準化之后，我們再做分析，只需要根據(jù)業(yè)務需求尋找相關數(shù)據(jù)，大大降低了工作開展的難度。

3、模型評價體系的標準化

尤其對于數(shù)據(jù)驅(qū)動，基于機器學習的方式，最大的問題在于可重復性較差，對模型的精度和不確定性管理較難。因此需要明確用哪些標準做規(guī)范，進而保證模型輸出的結(jié)果持續(xù)可靠、穩(wěn)定精準。

4、客戶業(yè)務流程標準化

客戶的業(yè)務流程及對數(shù)據(jù)理解的標準化也非常重要，否則對于同一個結(jié)果，不同人可能有不同的操作方式，所以我們需要規(guī)范數(shù)據(jù)應該用什么樣的方式分發(fā)到各業(yè)務部門，業(yè)務部門收到結(jié)果后又該采取哪些協(xié)同性的動作等問題。

完成這幾部分的標準化之后，我們可以真正實現(xiàn)以數(shù)據(jù)驅(qū)動的業(yè)務流程，進而逐步實現(xiàn)從“以經(jīng)驗為導向”向“以事實為導向”的轉(zhuǎn)變。

Q：回歸到整個工業(yè)領域，在您看來目前國內(nèi)工業(yè)智能運維的工程化應用面臨的最大挑戰(zhàn)是什么？天澤智云如何化解這些挑戰(zhàn)？

從技術層面來看，一套完整工業(yè)智能系統(tǒng)需要具備以下三方面能力：

1、軟件平臺開發(fā)能力

無論是平臺技術或者傳統(tǒng)的工業(yè)軟件，開發(fā)都需要非常專業(yè)的團隊。

2、算法開發(fā)能力

無論是具有特定目標的預測性分析建模，還是大數(shù)據(jù)環(huán)境下發(fā)散性的關系挖掘，都需要一支專業(yè)的數(shù)據(jù)科學家團隊。需要持續(xù)地對分析模型進行設計、開發(fā)、調(diào)優(yōu)、驗證和維護。

3、工業(yè)領域知識

前面兩種技術要想在具體的場景中落地，需要深刻理解其應用場景及實施對象。以高鐵為例，我們要對整個高鐵系統(tǒng)的構(gòu)成，不同核心部件的機理、工作原理、失效模式，以及運行過程中有哪些痛點等問題有著豐富的積累和深刻的洞察。

將這三個方面能力結(jié)合起來，才能讓工業(yè)智能化成功落地，但中國目前很難有一家企業(yè)完全具備，因此我認為不論制造企業(yè)還是軟件服務類企業(yè)，如何快速獲得這三方面的能力是實現(xiàn)大數(shù)據(jù)或工業(yè)智能在工業(yè)場景中落地的挑戰(zhàn)。

完整的工業(yè)智能系統(tǒng)

對于我們天澤智云而言，核心技術團隊是來自美國智能維護系統(tǒng)（IMS）中心的機械工程博士，在博士期間研究領域主攻PHM方向，以數(shù)據(jù)驅(qū)動建模和預測為主要的智能分析手段，所以接觸了大量的智能算法。同時我們也擁有實力很強的軟件團隊，具備豐富的開發(fā)工業(yè)復雜軟件系統(tǒng)的經(jīng)驗。所以我們對軟件、算法和工業(yè)領域知識三方面都具備較深的理解，并且能夠?qū)⑦@三方面能力有機地耦合。

在幫助企業(yè)獲得軟件開發(fā)能力的方面，我們開發(fā)了CyberSphere平臺，這個平臺對客戶而言是一個輕量級的軟件/模型管理的環(huán)境。數(shù)據(jù)服務、模型管理以及整個模型的裝載、調(diào)度都可以在這個平臺完成，也可以將其放在任何一個工業(yè)互聯(lián)網(wǎng)平臺上。工業(yè)互聯(lián)網(wǎng)平臺可以通過CyberSphere為上面的應用或者業(yè)務提供支撐。

算法建模能力方面，除了提供數(shù)據(jù)科學家的服務之外，我們還開發(fā)了GenPro平臺，它提供常用的數(shù)據(jù)分析算法模塊和一個可視化的編程界，客戶在可視化界面中通過“托拽”的方式，根據(jù)分析的流程把模塊連接起來，迅速完成模型的開發(fā)，極大地降低了算法開發(fā)的門檻。

工業(yè)Know-how方面，我們和行業(yè)的龍頭企業(yè)合作，把工業(yè)領域的業(yè)務需求及面對一個設備對象的建模模板，比如健康管理、效能管理等應用模塊化?？梢詭椭脩粞杆倭私鈭鼍爸械男枨?，以及針對這樣的需求大概需要哪些維度的功能，并基于模板開發(fā)后需要軟件及算法方面的什么功能。

在這種情況下，無論客戶或者我們的服務對象缺少哪方面的能力，我們都可以很好地補足，進而讓客戶最擅長的領域發(fā)揮更大的價值。