工信部提出要推动互联网、大数据、人工智能和制造业的深度融合,而要真正实现IT与OT的融合,首先就要解决工业网络IP化的问题,并把智能生产数据与客户数据进行打通,同时要将原料供应、设计研发、生产外包、物流运输、销售售后等全产业链数据进行打通,并实现交互。不论智能制造发展到何种程度,数据采集都是生产中最实际、最高频的需求,也是中国制造2025的先决条件。
2021年6月30日,在“ΣCO时间:无联接,不智能——工业互联网筑基行业数字化转型”的直播中,华为携手亚控科技(以下简称:亚控),推出基于先进工业网络的联合创新产品及能力,为工业设备联接,数据采集与分析提供了坚实保障,使得制造行业的数字化转型成为可能。
智能制造和工业互联网面临的“数据”难题
在整个工业互联网的发展中,网络是基础,平台是核心,数据是关键。工业数据采集是利用泛在感知技术对多源设备、异构系统、运营环境、人等要素信息进行实时高效采集和云端汇聚。
目前,工业数据采集面临的主要挑战包括采集设备的“七国八制”,各种厂家的工业协议超过5000种,互联互通难度大,工业数据采集频率高,最高频率甚至小于100ms,单位时间内传送的数据量大,与此同时工业数据采集要求链路高可靠、数据零丢包,以及实施简便、快速。
同时,制造行业还面临着几个主要的生产难题,北京亚控科技发展有限公司副总经理周朵指出,:
第一,产品交期频繁变化。计划排程能力不足,生产进度不透明,无法按期交付,小批量、多品种生产模式无法顺利实施;
第二,生产成本高。特别是生产能耗不可控,能耗使用历史不可追溯,缺少高效设备管理机制;
第三,生产质量不可控。纸质文件下发参数导致生产过程不可视,生产协同无计划,产品质量不可追溯,无法定位责任人,质量管控难度大。
平台+应用 支撑起海量设备数据的联接与交互
面对工业互联网的诸多问题,华为联合亚控发布了智慧工厂解决方案。周朵表示,华为在该方案中主要解决了IP网络、物联网和安全等基础平台联接以及网络管控等问题,而亚控主要解决数据协议、转换,以及生产管控的应用端和组态开发等问题。
该方案可以提供从园区管理到生产制造管理一体化的解决方案。在整个园区中基于华为一体机,及亚控的产品能够解决人员、物料、设备、能耗等全环境的生产要素管理问题。而在边缘侧,华为提供了边缘计算物联网关AR502H,其基于自研的安全操作系统,并内置有容器开发环境,在此基础之上,亚控提供了工业软件产品及相关能力,能够支持各种工业协议解析、互联,满足制造业数据采集场景需求。
亚控在智能制造领域的组态软件平台,可以实现从现场设备层、生产监控层、MES调度层、企业管理层从下到上的全面联通,这也是其长期坚持不懈深耕该市场的优势所在,目前其产品在全球拥有6万多用户和30多万个现场,并广泛应用在包括矿山、冶金、航天航空、食品饮料、机械制造、军工等众多支柱型产业当中。
该方案通过稳定高效的数据采集平台,解决了“七国八制”海量设备联接的难题。在数据采集方面,支持1500多个厂家及5000多种设备和协议。在数据存储方面,支持MySql、SQLSerevr、Redis、TSDB、工业数据库等数据库存储。在数据转发方面,支持OPC UA、MQTT、HTTP等标准协议转发。同时还支持数据快速上云。
而华为在该方案中所提供的边缘计算物联网关AR502H,是一款完全基于工业级设计适用于工业环境的物联网关产品,其集成了控制、管理、计算和通信等功能于一身,能够提供丰富的业务接口,并具备可扩展IP化PLC电力线通信能力,,同时还拥有防火墙基础功能和容器磁盘加密等特色功能。
华为五大能力 保驾传统制造业向智能制造迈进
在解决方案实践过程中华为天工实验室与合作伙伴及客户紧密结合,从而加速解决方案的不断创新与快速落地。在汽车制造领域,华为就通过与亚控的合作,助力车企建设数字化工厂,重塑其生产模式。
华为制造业数通解决方案专家焦学锋指出,“车企目前在数字化转型过程中,正在朝着精准营销、协同研发、智能制造、智慧物流、服务化转型等主要方向演进。为此,华为也针对车企用户的需求,推出了一体化车企网络场景化架构。通过5大领域产品方案助力制造产业做大格局。”
据焦学锋介绍,该架构通过无线接入、有线接入、WAN接入、超数据中心网络、物联一体机五大产品体系对应解决车企园区中的办公园区、生产园区(IT)、生产园区(OT)、分厂/分部园区、智慧园区等五大场景。
在无线联接方面,华为利用新一代智能天线,AI加持,确保全厂区无死角连续组网,并通过业界首款工业级Wi-Fi 6 CPE支撑起柔性产线的快速按需调整。在有线方面,华为通过智能光电打造高品质网络,实现了业界首创的光电混合接入方式,灵活应对了智能工厂对网络容量灵活伸缩的需求。
在华为所提供的园区网络基础上,融合亚控提供的高端SCADA软件平台KingSCADA,能够为包括车企在内的制造业持续推动自动化,助力高效生产。可以说双方在市场模式与产品方面的强强联手,为生产制造领域提供了一整套全组态式管控的一体化平台和快速开发信息化的解决方案,不夸张的说这的确是实现智慧工厂数字化建设的最佳结合。
好文章,需要你的鼓励
这项来自麻省理工和滑铁卢大学的研究质疑了在AI文本排序中"思考过程"的必要性。研究者比较了三种文章重排模型:直接判断的StandardRR、先推理再判断的ReasonRR,以及禁用推理功能的ReasonRR-NoReason。实验结果表明,不仅推理过程没有提高排序质量,有时甚至会降低效果。主要原因是推理导致模型倾向于极端判断,难以表达"部分相关"这种微妙关系。即使应用"自洽性"等改进技术,简单直接的判断方式仍然更为高效有效。研究为信息检索系统设计提供了新视角:有时,少即是多。
TAGS是一种创新的医学问答框架,结合了泛医和专医两种视角,通过层次化检索和不确定性验证机制提升医学AI回答的准确性。该框架由穆罕默德·本·扎耶德人工智能大学等机构的研究团队开发,无需任何模型微调即可显著提升包括GPT-4o和DeepSeek-R1在内的大型语言模型在九个医学问答基准测试上的表现。TAGS通过模拟医疗专家协作、结构化知识检索和质量控制,解决了现有方法在复杂医学推理中的短板,为构建更可靠的医学AI系统提供了新思路。
这篇研究提出了时间抽象值学习(OTA)方法,解决离线目标条件强化学习中的长期规划问题。研究团队发现现有分层方法失败的关键在于高层策略无法生成合适子目标,原因是价值函数在长期规划中估计不准确。OTA通过"选项"概念实现时间抽象,有效缩短规划视野,使价值函数能提供更准确的优势信号。在复杂迷宫导航和视觉机器人操作任务中,OTA显著优于现有方法,证明了该方法在处理长期任务时的有效性。
这项研究探索了大语言模型内部可解释特征的形成过程,分析了它们在训练过程中(时间)、模型层级间(空间)和不同规模模型(尺度)的行为变化。研究团队使用稀疏自编码器技术,成功识别出特定语义概念在神经激活中出现的时间点和位置。研究结果显示,不同领域的知识概念在模型训练和规模扩展中存在明确的激活阈值,且在空间分析中发现了早期层特征会在后期层重新激活的现象,这挑战了对变换器模型表示动态的传统认知。