AI人工智能行业应用PPT

文件存储，对象存 储，关系型数据库 Hadoop Cluster
Spark Cluster 建设 Data Lake
New SQL on Data Lake
知识图谱
单点模型训练和预测 分布式模型训练 K8S模型预测
数据与模型并行两种 分布式模型训练方式
超模型、超参数学习
AI Build AI
畸变图中商品和缺陷识别
的确认。
•例如：
•
通过回归分析对零件质量、焊接质
量、白车身质量等观测变量之间进行定量
分析，挖掘影响白车身质量的因子，并找
出他们的定量关系，指导作业。
数据智能支撑质量分析
•主成分分析
•通过主成分分析，将原来的一批变量指标压缩
变换合成为少数几个主成分变量指标，其中每个
主成分都能够反映原始变量的绝大部分信息，而
探索光衍射神经网络
应用3D视觉引导技术到 工程机械、工业装备，
比如无人叉车等
Few-shot Learning、 Zero-shot Learning； 跨领域、跨语言学习。
*来自创新工场分析报告
人工智能—基于深度学习的计算机视觉
人工智能—机器学习
“机器学习是对能通过经验自动改进的计算机算法的研究”
语义级图像差分系统 亚像素级缺陷识别
自研卷积神经网络架构， 效果超过ResNet等经典
神经网络架构
RGBD摄像头，Half model based视觉算法， 引导机械臂完成简单商
品分拣
词法分析、句法分析、 语义分析、Word2vec； 意图理解，情感分析、
评价分析
商品搜索、文图转换、 语言生成、智能对话
智能分析——归因分析
实现不同产线间的一致性分析，对产线良品率与设 备参数、环境温度等维度的归因分析等。
数据展示
实现数据以可视化的方式进行图表展示，以及对关 键数据指标自动化地定期输出数据报表。
数据智能支撑质量分析
•相关性分析、回归分析
•通过回归分析，研究变量之间的定量影响
关系，实现对关键变量的提取、影响关系
• Alphabet的DeepMind把Google数据中心 总体电力利用效率（Power Usage Efficiency，PUE）提升了15%——归功 于管理数据中心控制系统的人工智能程 序
• 节约支出、减少了数据中心对环境的影 响
• 通过数据中心内的几千个传感器去收集 温度、电量、耗电率、设定值等各种数 据，再把这些数据不断的保存下来，用 于训练深度神经网络。
且所含信息互不重复。基于主成分做得主成分回
归分析的效果会优于普通回归分析。
•例如：
•
对车间/生产线的多种观测变量进行主成
分分析，找出变量之间的关系以及他们的概括变
量从而更好地实现对各种变量因子的有效信息的
提炼(提炼成主成分变量)。从而为更深的分析挖
掘打下基础。
Google的人工智能程序控制节能例子
商品识别和缺陷检测 by Unsupervised Deep
Learning， Reinforcement
Learning
RGBD摄像头，Model free视觉算法，引导工 业级机械臂完成复杂商 品、包裹、零件的分拣
Transfer Learning on NLP like Transfer Learning on Computer Vision
人工智能是人类有史以来面临的最大机遇
人工智能技术图谱
2018年 2020年 2024年
神经网络 加速芯片
大数据平台
机器学习与 深度学习平台
机器视觉
3D视觉引导
自然语言处理
在云和端上，使用 GPU加速
在云和端上，使用 GPU和FPGA加速
联合设计和生产创 新奇智专用ASIC芯 片，加速云和端上
神经网络
数据智能支撑质量分析
AI赋能质量数据
通过人工规则以及对数据的挖掘结果模型对质量数据进 行实时的数据监控，及时发现异常，把控过程质量。 例如：根据生产线上的加工参数和产品质量的数值求得 质量最好时的各项加工参数和条件。
智能分析——关联分析
实现对不同产线设备参数数据的分析，对高维度数 据之间进行关联性分析，抽取过程的产品质量深度学习过程
设备监控数据 加工设备
单元检测数据 加工单元
整线检测数据 加工产线
车间试车数据 制造车间
发动机健康保障+AI
GE通过产品服务化实现向生产服务型制 造的转型。 将传感器安在飞机发动机叶片上，实时 将运行参数发回监测中心，实时监控， 提供及时的检查、维护和维修服务。— —发展了“健康保障系统”。同时，大 数据的获取，将改进设计、仿真、控制、 维护等过程。
回归
SVM
——Tom Mitchell 97.
降维
聚类
深度学习
决策树
人工智能—进化的搜索引擎
人工智能—进化的搜索引擎
生产质量控制+AI
大数据精准预测实现生产过程质量控制
传统模式： 数据筛选
参数分析
预测建模
实验优化
局限性：筛选过程淘汰了许多有效的数据资源，对产品加工过程信息的描述 残缺不全，导致不能发现质量问题的深层次原因（如误差积累）