像查殺電腦病毒一樣，如何靠演算法直接診斷出工業設備的問題？

科技 06-28

讓能源生產「上線」，華能集團在不經意間實現了工業智能化。題圖來源@視覺中國

鈦媒體註：插個盒子就能讀取一個電廠的數據，通過人工智慧計算指導最佳燃煤摻燒比例，一年幫助電廠節省幾百萬元成本。華能集團在技術上實現了一次由傳統的管理信息化到生產數字化的騰挪，使信息化與工業化真正實現了深度融合，也在無意間跨入了工業智能化的門檻。

6月30日至7月1日，來2018雪浪大會，我們有更多關於工業互聯網領域的話題，想與你一起頭腦風暴！

2017年10月，華能集團CIO朱衛列一行人受邀到美國、日本GE公司訪問。他們參觀了GE的Predix項目，也就工業互聯網的一些話題與GE公司的專家進行了深入的探討。在交流中，華能在工業互聯網領域的思考和實踐，給GE的專家留下極深刻的印象。回國後，GE主動找到華能，希望在工業互聯網項目上進行深入的合作。

華能集團是我國大型能源央企，也是「五大四小」發電集團中「五大」之中的排頭兵。

2017年，華能集團6495.94億千瓦時的發電量位居五大發電集團第二，旗下電力產業包括火電、水電、風電及太陽能等多種類型，電廠遍布全國。其主營業務為電力，同時擁有強大的煤炭產業以及交通運輸產業，產業遍布電力、煤炭、運輸、科技、金融等板塊。

從現實來講，華能這類電力企業屬於流程型製造業，業務屬性十分特殊——設備運行不能停止，而且這類連續生產的流程型企業所產生的不間斷生產實時數據，與離散型製造業在流水線上所生產出來的數據，在體量和質量上天差地別，使用目的也頗有不同。

中國華能集團有限公司信息中心處長郭森對鈦媒體記者解釋道：「連續性企業在生產上與離散型企業的業務流程不一樣。構建工業物聯網，首要任務上是要區分製造業中的流程型企業和離散型企業。」

圖：例如火力發電機組和水輪發電機組。火力發電機組是以煤炭、油類或可燃氣體等為燃料，加熱鍋爐內的水，使之增溫，再達到一定壓力的蒸汽推動蒸汽輪機進而帶動發電的機組發電。水輪發電機組則是水電站引用的水流經過水輪機時，將水能轉換為驅使機械旋轉的機械能；發電機又將機械能轉換為電能而輸出。

公眾比較熟悉的汽車、家電、裝備生產企業都屬於離散型製造業，流程型企業包括石化、石油、冶金、電力、鋼鐵和電解鋁等等，這類企業的特點是生產過程連續、完整，企業體量大、資產密集，數據海量、連續，影響力相對較大。但就其中的發電行業來說，所涉及的生產技術專業、複雜，而且，不同類型的發電設備運行方式也不同。另外，預知工業設備的健康狀態，在設備出現故障之前進行檢修，對於電力企業的意義大。

就拿跳機事故（即機組非計劃停運）來說，實時監測到了跳機事故，再對這一數據的實時分析，事故已經發生。而只有做到提前發現問題，避免故障的發生，才是建設工業互聯網真正的目的，然而要實現這一目標，靠的是工業大數據、人工智慧——一句話靠工業智能化。

要實現上述功能與目標，正是朱衛列所屬的團隊的夢想。

在有意無意之間迎來了工業互聯網的誕生

2009至2012年，朱衛列帶領團隊開始在華能集團進行ERP建設，集中、統一的ERP在國內大型中央企業的成功建設為華能的信息化建設帶來了許多讚譽。

2012年他們開始思考：後ERP時代幹什麼？經過一番調研，他們把目標放在了生產實時數據的應用上。

2015年，華能建立起初步的數據平台，數據涵蓋了華能8大電廠的全部生產實時數據，每台火電機組就有上萬個測點，按秒級傳輸數據，他們請來不同專業的工程師對數據進行分析，嘗試建立由專業工程師分析數據的「數據分析與診斷中心」。

但同時，他們也遇到了一些問題：「第一，當分析報告遞交給電廠技術人員時，得到的反饋並不好，分析的太透徹了，而且是事後挑毛病。第二，數據量太大，幾個電廠的數據都分析不過來，那要是全集團那麼多機組，靠專業工程師拼人頭看來不行。」

由此也引發了大家進一步的一些思考：能否像360分析電腦病毒那樣，靠演算法直接診斷出工業設備的問題？能否用軟體、演算法直接挖掘、分析生產數據，並直接為生產一線的工程師提供設備診斷信息，而不是事後提供分析報告？

為解決上述問題，2016年，朱衛列團隊在大數據平台上進一步推出了基於發電廠設備機理模型和大數據、人工智慧的演算法平台和相關應用，並於2017年初將相關應用部署到一些水電廠、風電廠，後期又在此基礎上開發出火電廠的應用。

「我們沒有想到的是：這幾年我們在信息化領域的嘗試，把我們推送到了工業互聯網和工業4.0的高度，因為事後我們發現美國的GE公司也在開發我們類似的平台與應用，而GE公司將這一項工作稱為『工業互聯網』，於是我們將此項工作更名為工業互聯網建設。」

朱衛列解釋道：「我們還發現我們這次的開發內容與建設工作不止在華能可以應用，而且可以輕易的推廣應用到其他流程型企業中，這就有了攜手共建新時代國家工業互聯網的提法」。他們的團隊渴望建立一個更大的生態，共同建設國家級工業互聯網，這是他們的理想與夢想。

至此，歷時5年時間，華能的團隊在技術上實現了一次由傳統的管理信息化到生產數字化的騰挪，使信息化與工業化真正實現了深度融合，然而更重要的是他們在有意無意之間一腳跨入了工業智能化的門檻，成為第四次工業革命的探索者。

——這就是華能團隊讓GE工程師感到刮目相看的由來。

KXM技術產品的創建邏輯和具體構成

「2017年，華能的工業互聯網團隊開始將一些水電廠、風電廠實時數據接入集團的工業互聯網平台，結合發電企業設備機理模型與大數據、人工智慧等技術在發電廠節能降耗、設備健康狀態評估等等方面都取得了初步的效果，同時也在實踐中摸索出了一套對於工業互聯網的理論思考：工業互聯網應該具有兩大核心屬性。

第一大屬性是互聯，即連接設備、人與企業之間的互聯。互聯說起來容易，做起來難，因為誰都希望獲得別人的數據，而自己的數據就不那麼愛共享了。所以互聯網強調互聯，有互聯才能共享。未來工業互聯網建設，我們需要更多的實現工業設備之間的互聯，更多的進行企業之間的互聯，跨平台的互聯。

第二大屬性是智能。「當全世界上千億個設備連在一起時，沒有人工智慧，很難玩的轉。」朱衛列感慨道，未來的工業互聯網應該將智能屬性作為核心內容，通過工業大數據，結合機理模型和機器學習、演算法模型來實現智能化，幫助人類做出決策。

「現在工業互聯網的定義並不十分清晰，有的企業將通過互聯網進行設備的遠程監控也說成是工業互聯網，其實遠程控制在上世紀70年代就有了，典型應用就是人造地球衛星，在電力領域我們水電站的遠程控制很多。有的企業將供應鏈、甚至將ERP、MES也說成是工業互聯網，但是這些管理信息化內容在工業互聯網概念提出以前就已經普遍存在了。」朱衛列表示。

因此，新一代工業互聯網的核心引擎應該是人工智慧。「如果我們把精力放在遠程控制、ERP上，去對第三次工業革命進行大量補課，那將很容易喪失引領第四次工業革命的機遇」。

華能的團隊清晰的認識到這一歷史機遇，認識到未來工業互聯網的基本屬性是智能，所有的應用開發就圍繞著這一核心技術展開。

華能的團隊在人工智慧「感知、認知、決策」的三段式範式理論，開發出了對應這三個功能的KDM、KKM和KAM（統稱KXM）技術產品，並在技術路線上創建了標準範式的產品。

下面我們來具體看一下KXM整套技術產品是怎樣的。

具體而言，KXM整套產品分別對應了人工智慧的感知、認知和決策三個功能的集成。

感知部分，即信息獲取和信息處理。

感知單元的關鍵技術用到了大數據、物聯網、邊緣計算及數據鏡像。在源數據上，通過接入各種通信終端和源資料庫進行數據獲取，並進行轉換、清洗和整理，最終通過數據編碼存儲，利用各種通訊協議進行統一採集。

「為什麼要進行這一步？我們的電廠遍布全國各地，實時資料庫來至不同國家，不同廠商，產品標準不同。我們需要解決對不同數據的獲取的問題。」而KDM就承擔起獲取數據的作用，實現對工業設備的數據「感知」：

具有豐富的工業通信規約和資料庫介面，使數據採集的工作標準化，降低了數據採集成本；

實現數據的互聯互通。未來無論再開發任何應用，均不必再採集數據，減少實施成本；

實現了數據的採集、清洗、預處理和邊緣計算；

實現設備、感測器的統一編碼，以實現數據的識別，為後續引入演算法平台和人工智慧技術奠定數據管理基礎。

有了KDM並將數據採集鏈接到網上，實際上就建立「數據流」，也可以稱之為建立了「數據平台」。

認知部分，通過數據計算構建模型。「認知是人工智慧的核心，也是工業互聯網智能屬性的技術關鍵。」朱衛列認為。

「流程型企業有著天然的工業大數據，這些數據以前受到技術的限制，應用開發的功能很有限，現在我們用人工智慧等技術手段，將工業大數據中相關量引入，就可以解決工業中的許多問題。」能否建立良好的模型，並使之實用化、產品化，在這方面華能已經先行一步。

華能靠KDM採集到數據，靠KKM獲得應用模型，據了解所謂「數據雙胞胎」就是靠KKM計算得到的。

建模的過程需要創新，以前我們也建模，但那時僅僅是按照機理模型來建，工業領域各種物理參數太多，而且是非線性的，光靠機理模型不夠，有了工業大數據，新的演算法，就可以在原來的基礎上開創出一條新路。

「華能沒有放棄機理模型，而是要更好地將機理模型與相關性大數據有機的結合起來」。

決策部分，通過輸出單元，以決策支持系統的形式輸出給決策者。HTML5頁面的開發和運行、交互和展示KDM、KKM數據等功能；

在將數據匯聚到KDM平台軟體後，集中通過數據加工KKM演算法平台進行計算，最後通過KAM展示平台進行數據展示。華能把這套系統做成了產品化。只需在每個電廠（即節點）安插一個小盒子，花上半天或一天的時間調試，就可以隨時讀取數據。華能的團隊希望未來通過產品化開發，減低在企業的實施量，達到高效智聯的目的。

離散型企業也能應用的工業互聯網平台

按照朱衛列團隊的分析，未來的工業物聯網的智能應用可以細分到設備，可以跨企業、跨行業，甚至會重構製造業生態。倘若把產業全部聯結起來，對整個工業製造產生的價值不可估量。

利用工業大數據和人工智慧技術，可以為流程型企業實現以下幾個功能：

對工業設備的健康狀態進行診斷，從而做到故障預警，為狀態檢修提供決策依據；

節能降耗。流程型工業均是大系統，每節約一度電、一克煤，匯聚到一起均會帶來巨大的經濟效益；

解決生產過程中的難題與痛點。「畢竟是大工業，系統非常複雜，各種難點、痛點很多」朱衛列介紹道。

例如在發電成本中，燃料成本佔了60-70%左右的份額。為了降低成本，火電廠往往採用將不同質量、不同價格的煤進行配比後摻燒，但選用哪幾種煤搭配燃燒燃料成本最低？以往這項工作靠的是實驗，實驗成本動輒幾百萬，而且靠實驗得出的摻燒比例僅僅是離散的幾個點。幾百萬的成本就可以節省下來。

如今利用電廠已有的機組運行數據，結合模式識別、人工智慧演算法，計算出影響發電機組運行效率的十幾個關鍵特徵指標，便可以指導電廠調整相關量，從而提高摻燒煤種的運行效率。而且通過對於數據的分析，系統還一舉解決了鍋爐爐膛中控制火焰中心的問題，可以避免一邊水冷壁溫度不夠，而另一邊過熱的問題。

類似的應用還有許多、許多。比如發電過程需要將煤塊磨成煤粉，然而何時向磨煤機中加入鋼球，加入多少鋼球才能使磨煤機工作最省電。對於這樣的應用以前根本沒有手段，現在靠工業大數據與人工智慧結合，我們找到了解決方案。

「沒有想到離散型企業也需要這個應用，他們是希望將這個功能應用到鋁礦石等等粉碎機中。看來人工智慧在工業中的應用會層出不窮的。」朱衛列高興的說，未來工業互聯網中的智能應用是一片藍海。

引入特徵值，讓工業實時生產數據「開口說話」

什麼是特徵值？

通俗來說，就是當某個數據在發生變化時，總有一個關係值是不會變化的。郭森用通俗的案例解釋：譬如人類身體狀況的身體質量指數「BMI」。這一指數為身高處以體重的平方（W／H2），一些機構用這一指數來衡量人類的健康狀況。比如，他們認為BMI在18.4-24.8之間，人類處於最佳健康狀態，而低於18.4則會被認定是營養不良、高於24.8是過於肥胖。

也就是說，當特徵值超出正常範圍時，我們可以認定是發生了異常。同理，在生產過程中，也會有若干個這樣影響結果的數據。郭森介紹道。

「特徵值一般都應用在語音識別、圖像識別，比如車牌識別、人臉識別等等，但我們將這一概念應用到工業領域」朱衛列回憶道。「傳統的控制理論與實踐中，用的是溫度、壓力等等測量量直接報警。但我們是將這些測量量經過計算後，給出設備的特徵值，利用特徵值緩變率進行報警」。

特徵值概念的提出，其實是為了解決如何在工業互聯網連續海量的數據中發現有價值信息的問題。「但實際上是數據表象與設備本質的差異。」朱衛列談道。

而特徵值的實踐結果如何？郭森為鈦媒體講述了一個有意思的案例：「比如在水電上，我們已經實現了提前預測故障的發生。在2017年一天，某個水輪機頂蓋水平振動緩變率等幾個指標發現異常，我們通過演算法平台得出結論『10日內可能出現故障』，當時一線老員工都不信，結果之後對水輪機組水下部分進行檢查，果然發現轉輪一個葉片出現了小塊脫落。」

目前通過實時大數據演算法平台，水電的發電機已涵蓋128個特徵值，故障診斷達28個；燃煤火電已發現包括風機、磨煤機、鍋爐等設備的100多個特徵值。通過涵蓋上述百餘個特徵值，華能生產實時大數據演算法平台已經在水電、風電、燃煤火電中實現異動監測、故障診斷等功能。

「他們都說人工智慧有時候看起來就跟算命的一樣。」郭森興緻盎然地回憶道。

工業互聯網的網路架構——星雲架構

如果你讀懂了上述KXM的架構可以知道，這是一個分散式、去中心化的架構，這就是華能所提出的星雲架構：

任何端節點是數據原點，可以是設備，也可以是工業企業；

節點既是數據計算節點，也是計算後的新數據原點；

每個應用均是採集端節點和節點數據的，應用部署只能是分散式；

任何平台只能對部分企業和應用，所以不存在統一平台，分散式是基本形態；

端節點、節點很像恆星與行星，應用把節點與端節點聯繫在一起；

高層次應用相當於恆星之間的架構，從而共同組成星雲架構

星雲架構指出了工業互聯網有無限延展的連接屬性，讓數據可以在整個網路生態中有效、受控的流動，並在每個節點計算。「關鍵是在節點計算後的數據又可以在受控中再次被其他節點利用。」朱衛列強調道。

在訪談中，朱衛列一再強調，工業互聯網更強調人、機、物的全面連接。星雲架構也可以看作多平台之間的互聯形式，要通過企業、行業、設備間的數據流通，實現價值資源的交換。

目前，他們將人工智慧未來在流程型企業的應用分成了幾個等級：從設備級的應用，到子系統級的應用，再到系統級、由企業到行業級，由區域到跨區域。如此眾多的智能應用必然需要分散式、呈網狀分布的星雲架構的工業互聯網。

「星雲結構實現了數據的流動性，在這個架構中，平台的概念實際上已經很弱化了，我們更強調的是互聯。每個節點都相對獨立，又互相聯通，通過授權保障數據的安全。平台是一個很中心化的「東西」，每個平台的應用範圍是有限的，不可能覆蓋整個工業。」

在朱衛列眼中，一些企業強調做工業互聯網平台，實際上是期望通過拓展平台來延伸自己企業的勢力範圍，通過數據壟斷達到壟斷服務的目的，這種思想與互聯網倡導的「共享」理念根本就是相悖的。一些國外企業了建立自己的工業互聯網平台，建立集中的數據湖，讓其他企業將生產數據傳到他們的數據湖和平台上，實際證明這條路行不通。

「我們是佔在整個工業的角度看待這個問題的。」朱衛列說「如果能建立一個良好的機制（商業模式），整個生態便可自發的、積極主動的成長，所有在內的實體都可通過自己在生態中的相應位置獲取相應的價值」。

實際上，華能的這一套星雲化工業智能生態體系還在創建初期，但已經可以看到一些具體的成果了。

完全自主研發可控的工業互聯網產品

無論是開發成本、還是實施成本，較之國外的產品成本差異簡直是太大了。「產品自主可控是我們的又一大優勢」華能團隊的同事自豪的說。

人類歷史上有三次工業革命，分別是機械化、電氣化、計算機誕生帶來的自動化。前三次工業革命中國沒有趕上。靠改革開放，我們開始追趕，今日的中國在工業領域已經是世界第一製造大國，在智能領域、互聯網領域的技術儲備雖然與美國有一定差距，但差距在逐漸縮小。

進入21世紀的今天，我們迎來了第四次工業革命，中國也第一次與美國、歐盟、日本等發達國家站在同一起跑線上，我們應該珍惜並把握這次歷史機遇，努力創新、引領第四次工業革命。

未來的華能團隊，依靠著他們天然擁有的大數據資源、幾十年來在工業領域積累的設備管理知識，加上對人工智慧的技術應用，相信他們將如虎添翼。創新引領工業互聯網和第四次工業革命，這是時代賦予我們的責任與使命。

（本文首發鈦媒體，作者/胡江路/趙宇航，編輯/劉湘明）

【雪浪大會預告】

雪浪大會將在6月30日-7月1日於中國無錫太湖國際博覽中心盛大召開。本次大會由一場3000人主論壇、幾十場分論壇以及近萬平米智能製造科技展覽組成。所有議題都將圍繞著基於對近萬家製造企業的數據調研，和超過200家企業面訪所總結出來的製造企業最關心的問題展開。本次沙龍作為預熱討論的人工智慧在製造業的落地場景，就是製造企業在調研中提出的一個普遍問題。

雪浪大會致力打造製造業與科技對接的平台，製造企業不僅可以充分了解、對接全球最新的科技資源，還可以發布自己的痛點問題，在更廣範圍內尋求解決方案；而科技公司除了展示自己的成果，更可以通過了解製造企業的需求，為自己的科技產品找到海量的製造業應用場景。

大會主論壇日程已經公布。