工业制造中的大数据分析和预测 | TF69回顾
8月9日，CCF TF第69期活动“工业制造中的大数据分析和预测”吸引了近1300人在线观看并参与互动，探讨技术理论知识及实战经验。来自知名高校、大数据行业及电子高科技企业的资深专家围绕主题从不同层面分享了研究成果和行业最佳实践，同时与参会者进行热烈的学术交流。期待大家参与智能制造SIG今年接下来的两场活动，具体举办时间见文末。
智能制造时代的到来，也意味着工业大数据时代的到来。工业大数据是实现智能制造的核心动力，制造业向智能化转型的过程中，将催生工业大数据的广泛应用，工业大数据无疑将成为未来提升制造业生产力、竞争力、创新能力的关键要素，也是目前全球工业数字化转型必须面对的重要课题。在本次活动中，来自卡耐基梅隆大学语言技术研究所博士刘鹏飞、大数据行业北京海致星图科技有限公司资深专家孙刚及联宝科技体系管理与数字化转型部高级经理关杰通过报告分享了对工业大数据相关技术理论及应用的见解。来自高校、科研院所及各行各业的嘉宾在线参会并围绕主题展开了深入探讨。
CCF TF智能制造SIG主席、联宝（合肥）电子科技有限公司研发中心总经理袁康首先作开场致辞。袁康在计算机系统结构、产品创新设计、智能制造中的数字孪生、工业大数据分析与应用、人工智能及视觉识别等领域都有着丰富的经验，简洁的开场介绍就将参会嘉宾带入了思考，当前社会已进入大数据时代，随着物联网、云计算、人工智能等新兴技术不断向工业领域渗透，以数字化驱动的工业大数据推进了制造业发展向智能化新模式的转变。如何运用人工智能技术改变工业大数据的存储、检索、标注方式？如何实现工业大数据多源数据融合及复杂数据关系的挖掘，建立数据之间的联系？如何把工业大数据贯穿于工业的设计、工艺、生产、管理、服务等各个环节，使工业系统具备描述、诊断、预测、决策、控制等智能化功能的模式和结果，提升业务的智能分析与决策能力？由此引出了嘉宾对工业大数据相关的深入分享。
《大规模预训练模型给工业制造大数据分析带来的影响》
刘鹏飞首先从概念、常见架构、应用实例几个方便面深入浅出的介绍了什么是预训练语言模型（PLM），然后从数据的存储、检索以及标注三个维度阐述了PLM如何改变人和数据的交互方式，最后结合工业大数据技术架构论述了PLM在工业制造中数据的采集、处理、建模及分析和决策等环节的机会点以及可能产生的潜在影响。比如，数据采集环节是PLM最可能的入场环节，它对于外部应用的平台数据可以进行快速的重要信息抽取，可实现不同模态不同结构数据的理解；对于知识类型的数据比如设计图纸、仿真结果等用PLM可以很好的实现结构化；此外，PLM还可以对用户的时序数据进行建模并预测下一步需求。数据建模环节，PLM同样适配于工业制造过程可用序列建模的场景，实现未来发生事件的预测。数据分析方面PLM可以帮助快速了解技术发展趋势，加速技术创新，优化生产过程，提高服务响应速度等。期待未来PLM在工业制造领域有更多的发挥空间，产生更多精彩应用。
刘鹏飞分享内容