工业基地！AI革命风暴

Totoro

21世纪初，曾有不少科幻电影展现了跨时空解决棘手问题的故事，如《盗梦空间》《源代码》《超验骇客》等等，每每都会掀起票房高潮，引人热议。如今，TM公司的新一代工业系统可以向你证明，融合真实与虚拟世界，并非天方夜谭的幻想，而是切实可行的技术革新方向。它的诞生意味着在工业生产之初，我们就可以把控生产的各个环节，甚至工业产品投放市场后的各种复杂变化，从而绕开许多不必要的弯路，直接节约大量的生产成本和生产时间，令工业生产的效率大大提高。可以说，它的意义不亚于又一次工业技术革命。基于这—点，我们公司将这一套新型的数字化工业系统命名为Evolution One。

EvoIution One：基于赛博空间的数字化解决方案

设计师：凯瑟·M

产品介绍

随着工业4.0和智能制造2025计划的实施，传统工业技术手段下的智能系统正在遭遇瓶颈：因为这些系统侧重于功能性的设计，解决的是可见世界的问题。然而，真实世界中的环境和目标都有很大的未知和不确定性，我们的模型构建方案如果不能够管理和避免这些不确定性，就不能称为“真正的智能”。

为了解决这个问题，Evolution One从另一个新的空间，即赛博空间，去寻求解决方案。其核心关键点正是在于“融合”，包括传统物理世界的“实体系统”与数字化空间的“赛博系统”之间的融合，在技术层面的多种融合（如新兴技术），以及在分析层面中的传统专家知识库与人工智能之间的融合。

产品详情

Evolution One通过集成传感、计算、通信、控制等IT技术和传统的自动化操作技术，构建了物理空间与信息空间中人、机、物、法、环等要素相互映射、交互、协同的复杂系统，实现系统内资源配置和运行的按需响应、快速迭代、动态优化。其本质是构建一套信息空间与物理空间之间基于数据自动流动的状态感知、实时分析、科学决策、精准执行的闭环赋能体系，解决生产制造、应用服务过程中的复杂性和不确定性问题，提高资源配置效率，实现资源优化。

基于Evolution One构建的产品线，可以同时存在于虚拟和实体两个世界，虚拟世界所代表的实体状态和相互关系的模型和运算结果，能够更加精确地指导实体的行动，使实体的活动相互协同和优化，实现价值更加高效、准确、优化地传达，将实体的状态以及实体之间的关系透明化。

Evolution One的核心技术理念

软件定义机器

设备智能化的体现就是典型的软件定义机器，能够使它具备分布式计算、分布式智能分析等智能的决策能力，包括机器轻松连接至互联网；将APP和分析结果嵌入机器和云，实现智能化和自我意识；无须更换硬件即可改变和升级机器或设备功能，为用户提供智能服务，实现持续改进。

软件定义网络

软件定义网络将网络的控制与转发分离，从而降低对设备的依赖。基于通用化的通信硬件平台，提供基于工业SDNcontroller的远程信息化监控等服务：支持通信设备资源模型的构建，并连接到工业云平台。

软件定义智能工厂

通过自动化、信息化来实现精益工厂建设，完成工厂大数据系统建立和发展完善，通过自动化和信息化实现从客户到工厂和上游供应商的整个供应链的精益管理、生产线功能编排，并根据需要调整生产线设备功能，实现柔性生产。基于软件定义网络和软件定义机器，将工厂MES、ERP、人力资源等资源在平台模型化模块化处理，实现工厂级调用，进一步扩展软件定义能力。

研发原型

●奇瑞DELMIA数字化工厂

●盖勒普DNC系统

●欧曼GTL节能重卡数字工厂

基于传感器网络的Sensor-PHM系统

设计师：佩吉·伊诺

产品介绍

随着工业设备的功能不断丰富，复杂度不断增加，用户对其可靠性、安全性、维修性和经济可承受性提出了更高的要求。传统的工业设备维护技术还停留在描述以及诊断阶段，即通过单一的传感器诊断设备的状态，采用基于事件驱动或者时间驱动的方式对设备进行维修或保养。 基于传感器网络的故障预测与健康管理（Proqnosis and Health Manaqement，PHM）系统，能利用各类先进传感器实时监测设备运行的各类状态参数及特征信号，借助人工智能推理算法和模型来评估设备的健康状态，在故障发生前对故障进行预测，最终能够显著提高设备的可靠性、安全性，降低其生命周期的维护保障成本。

产品详情

Sensor-PHM系统采用了人工智能技术，可以基于碎片化的知识、经验、数据，更精准地描述工业设备的客观状态，同时具有持久的学习和更新能力，为故障预测提供了一種新的计算和问题求解规范，将基于解析模型的故障预测和基于知识的故障预测归于统一的并行推理框架中，大大降低软件和硬件的费用，并提供更快速的问题求解规范。用户可以采用基于设备运行状态的维护模式，实时感知设备的健康状况，直到出现系统失效的高级告警模式，并最终进行维修。

实现从传统的基于自动化设备单个表值的监测，向基于智能系统的整体预测的转变，为备机、热机切换争取时间，减少信号中断时间，为统筹机器提供信息支持，降低潜在的设备监管费用。

Sensor-PHM系统的核心关键技术

基于传感器监测网络的优化配置

由于目前工业设备日趋复杂化，通常由多个分系统组成，而每个分系统又包含多个子系统。在状态监测过程中不可能对所有部件进行监测，因此需要构建针对监测对象的传感器网络模型。

Sensor-PHM系统支持目前工业界广泛使用的各类传感器，如温度传感器、湿度传感器、振动传感器、声发射传感器、腐蚀传感器和光纤传感器等。通过建立传感器配置模型，配合系统自带的AI优化算法（如粒子群算法、混合蛙跳算法等）向用户提供测试点、最优配置建议，来获得测试点、传感器配置成本与可诊断性要求之间的最佳平衡。

基于AI的状态评估与故障预测

通过传感器监测网络采集的状态特征数据，由于传感器工作性能、所处工作环境及设备工作状态等因素的影响，采集的数据中不免存在噪声数据、空缺数据和不一致数据等问题。因此需要对数据进行清理、分析、特征提取，最后再利用数据挖掘的分类、关联、聚类和预测功能，采用决策树（运用概率分析的一种图解法）、人工神经网络和遗传算法等，对设备的故障模式、故障规律和发展趋势进行有效分析，并对设备的健康状态进行评估和故障预测。

作为世界顶级的综合化人工智能开发集团，TM公司从军工行业起家，雄厚的技术背景成为我们在非民用重工业系统的设计上的可靠助力。多年来，本公司重工设计部开发并投入市场的多项专利产品，不仅夺得了国家技术部颁发的技术大奖，更是收获了万千用户好评。相信本次我们经过多年潜心研究和测试，最终呈现给市场的这些产品，将为每—位用户带来前所未有的使用体验和丰厚的经济收益。

TM，您最明智的选择！