ZD至顶网软件频道消息: 通用电气公司(纽证代码NYSE:GE)投入了大量资源,务求成为“数字工业公司”。 通用电气的旗舰数字工业项目是Predix。Predix是基于云计算的工业操作系统,可以分析和管理通用电气设备、设施和系统的数据和操作。听起来很响亮,但Predix实际上能干些什么呢?
下面是通用电气及合作伙伴微软 (NASDAQ:MSFT) 和Exelon (NYSE:EXC)利用Predix改善客户的表现和他们自己的表现的三个用途。
通用电气的Predix分析软件可以提高植物的性能和降低维护成本。图片来源:盖蒂图片社。
Predix的水晶球用途
工业机械非常的复杂。即便是通用电气主要产品之一的汽轮机都有几千个变量,如热、压力、摩擦、温度和速度,这些都需要编程控制、实时监控和调整,而且经常是在机器运行时要实时实现。所以,这种机器可以产生令人难以置信多的数据点也就不足为奇了。据通用电气的介绍,一个工厂可以在一天内可生成两个TB的数据。
云计算系统Predix可以收集和分析数据,可以提供如何操作一台机器的关键信息。这是好事,因为可以显露可能出现的机器低效率并可以检测问题。但Predix可以做更多一步,它可以在问题出现前检测潜在的问题,有时可以提前几个月。
Exelon是美国最大的电力公司。Exelon有这方面价值的第一手经验。通用电气最近在旧金山举行了思想+机器会议,Exelon在会上演示了如何利用Predix资产绩效管理应用程序识别机器里一对轴承的上升温度,最后诊断出机器里其他地方另外一个冷却系统阀故障。如果没有Predix的话,就可能要等到轴承出毛病后才能发现问题,或是要等到阀故障导致其他更严重后果时才会发现问题。
对于诸如Exelon一类的客户来说,这些事加在一起可能节省一大笔钱。事实上,通用电气首席数字官Ganesh Bell估计,部署一个APM应用就可以为GE电力客户在10多年里节省3900亿美元。
Predix的大师用途
Predix不仅仅可以识别问题。Predix甚至可以推荐解决方案
为达到此目的,Predix为现实里的机器创建了一个 “孪生数字版”。 Predix将来自机器操作的实际数据与数字版产生的理论数据比较后就可以找到实际机器运作和 理想机器运作的差异。Predix还可以模拟不同的可能解决方案对未来机器运作的影响。
例如,在思想+机器大会上,通用电气软件研究副总裁Colin J. Parris博士讲了一个例子,南加州的一个单D11涡轮圈出现了少量损害。Predix识别了该问题并作出“如果不及时矫正机器的寿命将减少69%”的诊断。
Predix还可以利用机器的历史数据,可以利用来自世界各地其他D11涡轮机的数据以及近60000套数字模拟数据提出最佳的解决方案,方案涉及到数字调整缓变率和热压力,这样做的另一个作用是烧的燃料更少,并且自然就避免了价值1200万美元的设备出现故障。
Predix的小兵与长官用途
诚然,Predix可以优化每个机器的寿命和操作。当然,这颇有其价值,而通用电气和微软的合作后,Predix则可以在业界引起一场革命。
微软智能云计算和物联网业务发展公司副总裁Kevin Dallas展示了Predix的一个用途,而且发生在思想+机器会上。微软和通用联手,利用Predix帮助一家未给出名字的电力传输公司客户。客户拥有超过50000英里的“传输资产”,包括线路、塔、夹和变压器。到目前为止,该公司需要超过2000人的维护人员检查线路,在偏远地区的维护还用到直升飞机,整个过程颇为昂贵。
而通过一款由微软开发的Predix应用程序,该公司现在可以用无人机沿电力线自主飞行,从多个角度拍摄每个资产。该应用然后再分析照片和其他传输数据,进行问题识别,如检查螺栓销的缺失。当问题被识别后,系统就会标出来,真人操作员可以检查是不是虚报。如果问题得到确认,系统会自动创建一个工作订单并将其发送给维修人员。
听起来像是一场变革,也确实是的。而最令人惊奇的是,微软该软件的开发只花了6个星期。是的,没有听错:仅仅6周就创建一个完整的自主系统,每年可以为公司节省数百万美元。微软曾经是个 “即”软件提供商,现在微软有找到一个额外的收入来源,那就是与客户合作创建这种定制的应用程序。
投资者要点
Predix功能令人印象深刻,毫无疑问。而这些功能可以为诸如Exelon的通用电气客户创造价值,堪称锦上添花。Predix既然可以节省巨大的成本,显然,庞大的市场机会在等着通用电气和其合作伙伴微软。通用电气预计,短短三年内,工业互联网将达到消费互联网的近50倍。
当然,一个未开发的巨大市场通常意味着竞争对手的出现,通用电气和微软在各自的领域富有竞争力。确实,在不同的发展阶段将会涌现很多物联网软件平台。但通用电气以其独特的生产巨型工业机械的能力,再加上其软件组件,而且,通用电气的这些技术在实用中得岛国验证,可以说,通用电气在这个利润丰厚的空间明显领先业界其他同行。
好文章,需要你的鼓励
来自耶路撒冷希伯来大学的研究团队开发了WHISTRESS,一种创新的无需对齐的句子重音检测方法,能够识别说话者在语音中强调的关键词语。研究者基于Whisper模型增加了重音检测组件,并创建了TINYSTRESS-15K合成数据集用于训练。实验表明,WHISTRESS在多个基准测试中表现优异,甚至展示了强大的零样本泛化能力。这项技术使语音识别系统不仅能理解"说了什么",还能捕捉"如何说"的细微差别,为人机交互带来更自然的体验。
这项研究提出了"力量提示"方法,使视频生成模型能够响应物理力控制信号。研究团队来自布朗大学和谷歌DeepMind,他们通过设计两种力提示——局部点力和全局风力,让模型生成符合物理规律的视频。惊人的是,尽管仅使用约15,000个合成训练样本,模型展现出卓越的泛化能力,能够处理不同材质、几何形状和环境下的力学交互。研究还发现模型具有初步的质量理解能力,相同力量对不同质量物体产生不同影响。这一突破为交互式视频生成和直观世界模型提供了新方向。
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。