AI 智能中台架构设计：用ABC+IOT重新定义制造

——用ABC+IOT重新定义制造 01 探讨篇-“中台” 经验分享篇：制造领域建“智造中台” 技术篇：百度中台技术 01 探讨篇-“中台” 什么是中台？ 什么是中台？ 什么是中台？ 什么是中台？-菅设？建设？健设？ 01 经验分享篇：制造领域建“智造中台” ²造成产品质量的波动的原因主要有六个因素：人、机器、材料、方法、环境、测量。 ²人、机、料、法、环、测的六项分析不是独立的，是你中有我、我中有你。 生产制造-人机料法环测 百度案例：某制造企业采用机器视觉技术进行零件外观缺陷检测 n零件外观缺陷的机器检测是目前行业的业务瓶颈n外观缺陷检测是一个天然的深度学习应用场景 模型部署 n基于百度PaddlePaddle框架训练深度学习模型，能够高效准确地识别出问题零件及其种类，精度可与人工检测持平，检测速度可以达到20ms/个。经测算一台检测机器可以代替10个熟练质检工人，能够帮助企业降低生产成本15%以上。 n模型需要部署在Windows机器，要求每次检测时间20-50msn支持Windows预测，并保证预测性能n将缺陷检测算法集成到整个零件检测解决方案（包含拍照、外观缺陷检测、尺寸检测、分拣等环节）5 模型训练与调优 n执行方无法获取理想的模型效果，PaddlePaddle提供了大量模型调优建议。 被替换掉质检工人哪去了？ 技术方案选型 n为客户提供自行图像采集标注的系统n针对不同客户零件种类和问题种类进行数据采集和标注 百度案例：一汽物流无人机自动盘点 一汽物流与百度云合作，运用无人机航拍，获取图像数据，并基于视觉识别技术模型，进行自动分析，快速识别子库区及库内汽车数量、车辆所在的车位号，与库存系统进行实时比对，如果实际数量与系统库存不吻合，将会对异常数据进行警示，实现库存的自动盘点，目前视觉识别准确率高达100%。 百度案例：某煤矿企业利用AI算法对探放水工作安全监管 百度案例：工厂安全 技术篇：百度中台技术 多数企业数据架构及人工智能现状分析和目标架构 p大数据架构待完善n大数据分析仍不完整；缺高效模型生产平台 n数据服务化能力还弱；智能服务化能力还无p大数据治理待全域 n数据孤岛和沼泽存在；企业全域数据待治理 p数据智能期待深挖 n大量数据统计分析为主； 百度智能中台建设路径：结构化数据智能非结构化数据智能 19年前 p1.0版本的百度大脑在完成了基础能力的搭建之后，仅仅实现了语音、图像、用户画像和PaddlePaddle深度学习框架等核心技术的初步开放 p2.0版本的百度大脑形成了完整的AI技术体系，向开发者开放的能力也超过了60项能力，既有各方面AI核心技术，也有场景化能力及解决方案 p3.0版本的百度大脑在开放的能力数量方面又有了新的提升——已经超过110项，百度大脑3.0的最核心技术，用一句话概括，就是多模态深度语义理解。具体而言，就是对文字、声音、图片、视频等多模态的数据和信息进行深层次多维度的语义理解，包括数据语义、知识语义、视觉语义、语音语义一体化和自然语言语义等多方面的语义理解技术。 百度大数据战略思路：全域数据治理、数据中台战略 公司上下统一价值观：数据作为公司核心资产，属主为公司百度在2015年解决了跨体系、跨部门和跨团队的数据流通问题，通过数据共享提升数据价值，驱动业务发展 组织生态的成功，重视数据流通 百度共享服务（河图）和中台战略：数据中台、智能中台、业务中台 百度生活服务（地图/糯米）业务中台抽象 POI地理兴趣点服务中心名称、类别、坐标、分类 券码中心发券、领券、消费 交易中心购物车、交易流程、订单管理、支付、结算 商家中心商品的各种操作服务 用户中心登陆服务、账号服务、VIP服务 AI中台：OT+IT+DT 使用举例：深度学习训练 除了传统机器学习使用的拖拉拽、自动化建模外，在深度学习方面，平台也提供了强大的自动化能力，大大降低了深度学习的使用门槛 使用举例：深度学习自动化方式建模流程 企业AI开发平台软件架构 图谱展现平台 p知识图谱展现平台，分为数据查询、数据字典、数据统计和数据服务四大模块。支持企业用户在可视化平台上查询、管理和调用知识图谱。 让抽象的知识图谱直观可见，方便管理、统计及被其他业务系统调用 数据查询 数据统计 •统计企业知识图谱总体数据建设进度、各垂类数据详情与分布，让用户完整、清晰地掌握数据建设情况。 智能中台规划建议和总体设计建议 鲁班|模型工厂实施路径和解决方案 大禹|数据治理思路和解决方案 孔明| 2大服务化中台，数据服务中台和智能服务中台 智能中台AIaaS 模型市场 研、造、质、供、运市场及竞争采集分析工具 通用AI能力 “1353”大IT支撑智能制造战略,用工业大数据重新定义制造 智能，计算无限可能