数字双胞胎，工业AI的要求

使用人工智能提高工业资产效率并减少停机时间已成为许多议程。了解数字孪生和时间序列数据如何在该计划中发挥重要作用。

在接受采访时，各行各业的首席执行官都表示，人工智能是他们的首要任务。但是当涉及到实际实施时，AI项目并不是很迷人。通过简单的概念验证和聘用数据科学家团队，通常没有迹象表明首席执行官希望实现高度期望的数字化转型。

造成这种魅惑的原因有很多，这里有太多原因无法列举。但是，其中一些与我们专注于SenX，数据以及行业将其引入环境的方式直接相关。

在许多组织中，变革的意愿是真诚的，这取决于雄心勃勃的愿景或竞争格局正在演变的意识。

下一步通常是让这些企业快速赢得胜利，以证明可以启动转型并让所有人感到欣慰，这并不意味着更换团队或从根本上改变其工作方式。

这些简短的项目旨在演示转换有限的作战边界的方法。他们通常涉及利用新技术的方法来解决问题。这些技术（100％数字化）需要燃料才能工作，而燃料就是数据。因此，第一步是确保数据可用。

然后，受雇帮助建立快速胜利的公司将在部门之间徘徊。他们将在这里和那里收集数据集，直到他们有足够的精力来实施解决方案为止。

如果没有很好地识别数据并将其分布在整个组织中，则此步骤有时会花费一些时间。但这是必须遵循的必经之路，因为没有数据就不会发生数字转换。

过去完成引导转型的简单快速胜利是在出现更多雄心勃勃的项目时，也就是AI（人工智能）进入对话之时。围绕AI的炒作是如此强烈，以至于围绕AI和ML（机器学习）的项目都不能忽略。

当前炒作的问题在于，很少有人真正了解AI的真正含义。对于许多人来说，购买AI就像购买Microsoft Office 365订阅一样，事实并非如此。 AI的承诺是带来新的，自动的数据使用方式，以帮助甚至完全承担决策过程。只有实际投入使用的AI（也称为模型）实际上是在您自己的组织中对数据进行训练的，才能实现这一承诺，而这又需要相同的数字化转换来补充数据。不同之处在于这一次您需要更多。您不再要点燃火锅燃烧器，而是要点燃火箭发动机！

训练模型确实确实需要大量数据，这些数据涵盖了您希望模型重点关注的业务运营的各个方面，而且还涉及很长时间，因此可以对趋势和季节性进行建模。

首先，在您实际收集到足够有意义的数据之前，您不能期望训练模型并在操作中有效引入AI。并且，如果您的组织到目前为止还没有这样做，则需要尽快开始。

第二个影响是该数据收集过程不是一次性的工作。一旦您拥有足够的数据来训练模型，它就不会停止。它需要不断地进行下去，因此，如果模型的性能开始下降，您将不断积累有关您的业务运作方式的信号，以在将来重新训练模型。这意味着在进入AI核心之前，您需要计划要收集，存储大数据并提供给组织中的团队，以便他们可以开始查看数据并想象可能的用途和模型。

在垂直行业中，工业组织面临着最困难的数据收集问题。数据主要与使用服务的用户有关的行业是幸运的。最后，他们的数据不是那么庞大。当然，我们都听说过银行或零售商ho积大量数据的故事。但是，我们正在谈论的是每个用户每年数千次互动。因此，即使拥有十亿用户（这不是很多银行或零售商拥有的用户），我们每年仍在谈论几万亿次事件。

在工业世界中，情况有所不同，产生数据的资产不会吃不睡。它们昼夜工作，有时每秒可进行数千次测量。

以LHC的CERN实验为例。在搜寻希格斯玻色子的运动中，它们每秒产生6亿个事件。每天有51万亿个事件。幸运的是，对于欧洲核子研究中心，并非所有事件都需要保留。借助高效的基于AI的检测器，这些检测器本身需要进行海量数据的培训，因此他们能够将每秒产生的事件限制为10万个事件，以进行数字重建，最终每秒可以持续200个事件。

但是其他部门需要保留更多数据。例如，同步相量（或PMU，相位监视单元）监视电网。它们每个每秒产生数千次测量，而像法国这样的国家，则有数千个。这意味着每秒发送数百万条C37.118.2消息，更不用说发送IEC61850消息来监视变电站了。

在航空业中，飞机通常每秒可产生5000至15000个数据点，或者其PLC（可编程逻辑控制器）跟踪许多传感器和执行器状态的工业资产也是如此。

在这些垂直领域中使用AI要求收集和组织那些真正的海量数据。由于它们是与实物资产相关的数据，因此明智的做法是使用一种以数字形式模拟这些资产的方法，该方法称为“数字孪生”。

资产的“数字孪生”是来自其传感器和执行器的一组度量。需要及时跟踪这些措施，以掌握资产的动态。操作。这样做的首选技术是时间序列数据库。确实，数字孪生无非就是时间序列，有些是传感器，有些是带有状态的执行器。而且，如果您想要更高级的数字双胞胎，则可以将某些控制命令发送到资产，以修改其行为。

一旦开始从时间序列数据库中的资产中收集数据，就可以在任何时间点轻松访问这些资产的状态。更重要的是，您可以开始提取特征以训练模型以检测异常并执行预测性维护。

AI适用于每项业务 议程，但数据的重要性常常被忽略。 对于工业AI，成功实施的第一步是收集所有传感器数据，以构建所涉及物理资产的Digital Twins。 这种方法需要利用时间序列数据库，这是SenX在Warp 10时间序列平台中提供的那种数据库。 联系我们以了解SenX及其技术如何帮助您掌握工业AI冒险。