“与工程师坐在一起" — PTC物联网首席技术官Joe Biron专访(下)

“与工程师坐在一起" — PTC物联网首席技术官Joe Biron专访(下)

机器学习和物联网
机器学习是用数据,大量的数据来编程计算机,而不是用Java 或 c++ 这样的编程语言。物联网的计算架构永远不会只是将物联网设备和传感器连接到云上,而没有控制回路中的计算资源。控制逻辑,特别是与安全相关的系统的控制逻辑,潜在限制低而且可预知,这就摒除了云作为一种可能选项。例如,要是有工人的手挡着,机器人就不能快速关闭。更简单的控制逻辑可以在单片机上运行,但随着控制逻辑变得更加复杂,特别是大型机器学习模型将需要位于本地的、靠近物联网控制回路边缘的强大的多核服务器。

Biron用了一个为了进行预防性维护而检测到一个机器人异常状态的例子。在大多数情况下,启发法 (导致失败的确切条件) 不被理解也不可用。如果给出足够的数据,机器学习可以预测失败。这种机器学习模式需要每秒耗费几千个传感器来读数。Biron认为的密集多核边缘计算节点将运行在诸如HPE Edgeline 4000的机器上。该HPE Edgeline 4000是被加固并挂在墙上的。

像这样的架构必须通过云来管理,因为管理员通常不在物联网旁边来管理虚拟机(VM)、应用更新和监视系统操作。 从Biron的经验来看,云将包括边缘。 他引用了VMware的Pulse 物联网中心的观点。该中心正在不断发展以管理虚拟机和在远程容器中部署系统。他还引用了Microsoft Azure Stack作为物联网混合云架构的好例子,该云具有复杂边缘控制回路比如机器学习模型。

ThingWorx被用于获取数据来训练机器学习模型。然而,培训这些模型“说来容易做来难”。Biron重新提到他举的工业机器人的例子。这些应用实例让人相信机器学习还只在较窄范围的一些领域发挥作用,比如自然语言、语言翻译、对象识别和推荐,因为这些是学术和行业研究中侧重于建立大型培训数据库的领域。机器学习在物联网中的应用还处于早期阶段,但是正在建设自动化系统比如工业机器人的产品团队对此非常感兴趣。

我们首先需要获取来自数千台机器人这几年来的的状态和故障数据。然而在大多数情况下,这些数据是没有的。第一步是构建由状态和故障数据组成的培训数据语料库的模式。ThingWorx可用于捕获数据,但需要是正确的数据。 数据科学家和相关领域专家(在这种情况下是一个工业机器人专家)可以一起合作。大家可能会用新的或更准确的传感器重新设计机器人,来完成具有正确状态的数据语料库模式,以及通过故障事件来构建培训数据语料库。 PTC收购了一个构建了神经元自动化预测分析平台机器学习团队Coldlight来解决这种类型的问题。

物联网搭载增强现实技术(AR)
物联网和机器学习是密不可分的,同样,物联网和增强现实(AR)之间的联系也是不可分割的。AR 和物联网相联系的原因是这些系统将收集巨大的数据集,精减到可操作的信息,从而为管理人员和工人提供不同的服务。由Vuforia建立的 ThingWorx工作室目前可供客户试用,来通过AR 创造物联网环境。

以一个业界的工厂经理和一个工厂维修技术员为例。一个工厂经理佩戴 AR 设备比如Hololens,在工厂里走过时,他可能希望获得效率、质量和生产线运行时间等可操作信息。维修技术员则可以通过智能手机的摄像头来查看一台机器,获得额外的预防性维护信息,识别需要更换的组件。技术员将能够通过机器制造商创建的AR 应用程序获得维护步骤的指导。

物联网技术成熟度曲线
物联网一直处在硅谷技术成熟度曲线过程中的漩涡。对于在这个漩涡里那些已经停止怀疑的人,物联网的好处立等可得。然而物联网的技术还处在发展阶段。像Biron这样的人既考虑到现在已得到解决的问题,为创新者提供相应解决方案,也考虑到数以百计悬而未决的问题,将其提炼成十几个科学问题,一旦得到回答,将会带来物联网的成熟。实际上,每一项新技术都会经历这样从研究到发展到最终成熟的的路径。




关于湃睿科技:

湃睿科技(pisx.com)致力于在产品设计、制造、服务领域,为制造业客户提供集成高效的信息技术解决方案和技术平台,在CAD/CAE/CAM、产品生命周期管理PLM、数字化制造和仿真、ALM/SCM/SLM、物联网IOT等领域提供解决方案以及规划咨询、实施推广和定制开发服务。湃睿科技目前仅技术团队超过140人规模,已服务于1000多家国内外知名企业,横跨工业装备、汽车、高科技电子、医疗设备、航空航天和国防等多个行业。

 

请关注我们的公众号

湃睿科技.png