機器和生產(chǎn)工廠不斷產(chǎn)生數(shù)據(jù)。將這些數(shù)據(jù)成功轉(zhuǎn)化為創(chuàng)新的公司獲得了決定性的競爭優(yōu)勢。借助易于使用的軟件，魏德米勒公司正在使人工智能方法應(yīng)用于機器生產(chǎn)商和生產(chǎn)型公司。

為了分析機器數(shù)據(jù)和流程數(shù)據(jù)，工業(yè)分析使用了能夠檢測異常情況甚至能夠預(yù)測未來機器行為的復(fù)雜模型。通過使用人工智能（AI）方法和機器學(xué)習(xí)（ML），用源自原始數(shù)據(jù)的特征來揭示以前未知的測量值之間的關(guān)系。

需要具備綜合專門知識

幾乎在所有公司都能獲得必要信息。在開發(fā)有意義的分析模型時，尤其是中型公司通常還要依賴外部數(shù)據(jù)科學(xué)家的支持。魏德米勒公司開發(fā)了一個突破性的解決方案，使中型公司不再需要數(shù)據(jù)科學(xué)家。在與最終用戶密切合作的過程中，數(shù)據(jù)專家識別測量值中的相關(guān)性并訓(xùn)練初始模型。初始模型應(yīng)用成功后，反復(fù)向初始模型輸入新數(shù)據(jù)，并在機器的整個生命周期中進一步開發(fā)模型。隨著時間的推移，這將提高信息質(zhì)量。

學(xué)習(xí)機器學(xué)習(xí)

許多機器生產(chǎn)商和生產(chǎn)型公司還不能獨立使用現(xiàn)有的機器學(xué)習(xí)工具，因為這些工具的操作已經(jīng)針對分析專家的數(shù)據(jù)驅(qū)動活動進行了優(yōu)化。公司可以用巨額資金培訓(xùn)現(xiàn)有員工，也可以自己雇傭一名數(shù)據(jù)科學(xué)家。這就產(chǎn)生了一個抑制閾值，放慢了人工智能在工業(yè)中的應(yīng)用速度。

另一個方法是開發(fā)易于使用的軟件解決方案，即使用戶沒有經(jīng)過任何統(tǒng)計培訓(xùn)也能夠理解并生成分析模型。魏德米勒公司的工業(yè)分析業(yè)務(wù)部門已經(jīng)通過自動化機器學(xué)習(xí)軟件將這一想法付諸實踐。該款應(yīng)用程序的名稱意味著模型大部分是自動開發(fā)的。

“類似的應(yīng)用程序目前在金融技術(shù)、銀行業(yè)和營銷領(lǐng)域得到廣泛使用。但是，現(xiàn)有的解決方案不適用于機器和工廠，因為它們不支持自動化行業(yè)的相關(guān)數(shù)據(jù)類型。這些解決方案總是需要一個理想的數(shù)據(jù)庫，”工業(yè)分析業(yè)務(wù)部門產(chǎn)品經(jīng)理CarlosPaizGatica博士解釋道?！按送?，這些解決方案不能整合用戶的領(lǐng)域知識，而這對于工業(yè)應(yīng)用程序至關(guān)重要。”

對于自動化機器學(xué)習(xí)軟件，魏德米勒公司的分析專家將領(lǐng)域?qū)＜业臄?shù)據(jù)信息與算法相結(jié)合，自動生成合適的模型。以下工作步驟描述了模型生成過程（以異常檢測為例）：

1.選擇訓(xùn)練數(shù)據(jù)

領(lǐng)域?qū)＜覜Q定應(yīng)該使用哪些數(shù)據(jù)集來學(xué)習(xí)機器或工廠的正常行為。為此，首先生成原始數(shù)據(jù)概述，用來支持用戶評估數(shù)據(jù)的信息內(nèi)容。測量值的準(zhǔn)備過程完全自動進行。

2.特征工程

如果原始數(shù)據(jù)不夠，可以在原始數(shù)據(jù)的基礎(chǔ)上生成附加信息。用戶可以使用其領(lǐng)域知識來創(chuàng)建新特征。例如，這些特征可以描述溫度變化的過程，而不僅顯示個別狀況。使用這些特征比使用原始數(shù)據(jù)通常能夠?qū)C器狀況進行更好的評估。

3.標(biāo)記機器行為

用戶用標(biāo)簽標(biāo)記數(shù)據(jù)中存在的正常行為區(qū)域（綠色）或不希望發(fā)生的行為區(qū)域（紅色）。這樣能夠使用戶用其領(lǐng)域知識增加訓(xùn)練數(shù)據(jù)的信息內(nèi)容。輔助系統(tǒng)通過直接突出顯示數(shù)據(jù)集中的類似情況，支持標(biāo)記過程。

4.模型訓(xùn)練

標(biāo)記過的數(shù)據(jù)集被轉(zhuǎn)換成模型，并用各種機器學(xué)習(xí)方法進行訓(xùn)練。這個全自動化的過程產(chǎn)生了一個替代模型列表，該列表可以提供與結(jié)果質(zhì)量、執(zhí)行時間和訓(xùn)練持續(xù)時間相關(guān)的信息?！懂惓７謹?shù)圖》（AnomalyScorePlot）直接顯示模型的結(jié)果，專家可以直接比較模型性能。如果未能實現(xiàn)所需的模型性能，用戶可以再次編輯模型的特征和標(biāo)簽。然后，可以將模型直接轉(zhuǎn)移到目標(biāo)系統(tǒng)的架構(gòu)中。

擴展人工智能應(yīng)用程序

Paiz說過：“有了自動化機器學(xué)習(xí)軟件，機器生產(chǎn)商和生產(chǎn)型企業(yè)不必成為數(shù)據(jù)專家，就可以獨立開發(fā)人工智能和機器學(xué)習(xí)并從中獲益”。“通用的應(yīng)用程序支持用戶生成初始模型并進一步開發(fā)模型。這樣，公司不再依賴數(shù)據(jù)科學(xué)家，也不必與外部合作伙伴分享其工藝流程和機器知識?！?/p>