自文明誕生以來(lái),人類(lèi)智慧一直在創(chuàng)造和維護(hù)復(fù)雜的系統(tǒng)。數(shù)字化雙胞胎的出現(xiàn),將幫助人們實(shí)現(xiàn)更復(fù)雜系統(tǒng)的運(yùn)作,并改善設(shè)計(jì)和生產(chǎn)效率。人工智能(AI)和擴(kuò)展現(xiàn)實(shí)(XR)——包括增強(qiáng)現(xiàn)實(shí)(AR)和虛擬現(xiàn)實(shí)(VR)等,已經(jīng)成為可以幫助管理復(fù)雜系統(tǒng)運(yùn)作的工具。數(shù)字化雙胞胎可以用AI來(lái)增強(qiáng),而新興的用戶界面(UI)技術(shù)可以提高人們通過(guò)數(shù)字化雙胞胎管理復(fù)雜系統(tǒng)的能力。
數(shù)字化雙胞胎可以將人類(lèi)智慧和AI結(jié)合起來(lái),通過(guò)創(chuàng)建復(fù)雜系統(tǒng)的可用代表,產(chǎn)生更偉大的東西。終端用戶不需要擔(dān)心進(jìn)入機(jī)器學(xué)習(xí)(ML)、預(yù)測(cè)建模和AI系統(tǒng)的公式,也可以利用它們的力量作為他們自己知識(shí)和能力的延伸。數(shù)字化雙胞胎與AR、VR和相關(guān)技術(shù)相結(jié)合為用戶提供了一個(gè)框架,將智能決策覆蓋到日常運(yùn)營(yíng)中(圖1) 。
圖1:數(shù)字化雙胞胎可以用AI來(lái)增強(qiáng),而新興的用戶界面技術(shù)可以提高人們通過(guò)數(shù)字化雙胞胎管理復(fù)雜系統(tǒng)的能力。圖片來(lái)源:SAS和IIC
為數(shù)字化雙胞胎創(chuàng)建智能現(xiàn)實(shí)
物理雙胞胎的操作可以通過(guò)傳感器、照相機(jī)和其他類(lèi)似的設(shè)備進(jìn)行數(shù)字化,但這些數(shù)字流并不是唯一可以供給數(shù)字化雙胞胎的數(shù)據(jù)來(lái)源。除了流數(shù)據(jù),積累的歷史數(shù)據(jù)也可以為數(shù)字化雙胞胎提供信息。相關(guān)的數(shù)據(jù)可以包括不是由資產(chǎn)本身產(chǎn)生的數(shù)據(jù),如天氣和商業(yè)周期數(shù)據(jù)。此外,計(jì)算機(jī)輔助設(shè)計(jì)(CAD)繪圖和其他文件可以為數(shù)字化雙胞胎提供幫助。AI和其他分析模型可以獲取原始數(shù)據(jù),并將其處理成幫助人類(lèi)理解的系統(tǒng)形式。
AI還可以幫助用戶智能地選擇內(nèi)容。這樣的指導(dǎo)可能非常受用戶歡迎,因?yàn)橛脩糨斎牍ぞ吲c典型的鍵盤(pán)和鼠標(biāo)非常不同。如圖1右上角所示,人類(lèi)可以將系統(tǒng)視為一個(gè)智能現(xiàn)實(shí)(一個(gè)技術(shù)增強(qiáng)的現(xiàn)實(shí)),可以幫助他們進(jìn)行認(rèn)知和判斷。
人類(lèi)與數(shù)據(jù)和數(shù)據(jù)可視化的互動(dòng)有著悠久的歷史,從William Playfair在17世紀(jì)末發(fā)明的線圖、條形圖和餅圖就開(kāi)始了。而現(xiàn)在,當(dāng)使用平板電腦、智能手機(jī)和AR頭盔等移動(dòng)技術(shù)時(shí),數(shù)字現(xiàn)實(shí)被疊加在物理現(xiàn)實(shí)上成為一個(gè)視圖。
考慮為數(shù)字雙胞胎創(chuàng)造智能現(xiàn)實(shí)的第一步是了解整個(gè)用戶界面的數(shù)據(jù)可視化選項(xiàng)。接下來(lái),考慮一種報(bào)告整合方法,它可以在不需要新的硬件范式(如AR頭盔)的情況下實(shí)現(xiàn)智能操作和分析。AR頭盔有可能為運(yùn)營(yíng)帶來(lái)好處,但前提是要在應(yīng)用中成功地設(shè)計(jì)為可用性。
可視化數(shù)字化雙胞胎輸出
在Cap Gemini的“運(yùn)營(yíng)中的增強(qiáng)現(xiàn)實(shí)和虛擬現(xiàn)實(shí)”報(bào)告中,來(lái)自?shī)W迪AR / VR能力中心的Jan Pflueger建議采用以業(yè)務(wù)為先的方式進(jìn)行可視化項(xiàng)目,“首先,專(zhuān)注于您的應(yīng)用,而不是技術(shù)本身。確定用例后,請(qǐng)專(zhuān)注于信息處理和數(shù)據(jù),以便為技術(shù)提供正確的信息?!?/div>
考慮呈現(xiàn)數(shù)字化雙胞胎的5種技術(shù)方法和它們各自的能力。這些是傳統(tǒng)的臺(tái)式機(jī);智能手機(jī)或平板電腦;單鏡片AR;立體AR,包括混合現(xiàn)實(shí)(MR)設(shè)備;和全沉浸式VR(圖2)。
圖2:該表顯示了呈現(xiàn)數(shù)字化雙胞胎的5種技術(shù)方法:傳統(tǒng)臺(tái)式機(jī);智能手機(jī)或平板電腦;單鏡片AR;立體AR,包括MR設(shè)備;和全沉浸式VR。每種類(lèi)型的設(shè)備功能各不相同,這些差異可能會(huì)影響產(chǎn)品在不同應(yīng)用下的使用效果。
每一類(lèi)設(shè)備的能力各不相同,而這種差異可能會(huì)影響產(chǎn)品在不同使用情況下的可行性。這對(duì)AR頭盔來(lái)說(shuō)尤其如此。顯示分辨率、視場(chǎng)和計(jì)算能力因產(chǎn)品而異。此外,關(guān)于將電池和計(jì)算單元放在耳機(jī)上,還是放在一個(gè)單獨(dú)的連接模塊上的設(shè)計(jì)決定,會(huì)對(duì)其舒適度和實(shí)用性產(chǎn)生影響。AR頭盔的另一個(gè)實(shí)際問(wèn)題是它們與工作服是否可以無(wú)縫整合,如無(wú)塵室和食品加工操作所需的工作服。
在數(shù)字化雙胞胎環(huán)境中進(jìn)行報(bào)告
在一個(gè)交互式的視覺(jué)分析應(yīng)用中,可以使用集成的3D模型創(chuàng)建智能現(xiàn)實(shí)報(bào)告(圖3)。數(shù)字化雙胞胎提供了可以與報(bào)告中其他對(duì)象進(jìn)行交互的自定義可視化效果,包括在表格或圖形中顯示數(shù)據(jù)。
圖3:使用SAS Visual Analytics和Autodesk Forge軟件可以實(shí)現(xiàn)系統(tǒng)集成。在這個(gè)例子中,Autodesk Forge被集成到SAS Visual Analytics的報(bào)告界面中。
這種可視化方法遵循了長(zhǎng)期存在的數(shù)據(jù)顯示傳統(tǒng),不需要增加常規(guī)臺(tái)式機(jī)設(shè)置以外的新硬件。 用戶界面顯示在帶有鼠標(biāo)和鍵盤(pán)的典型計(jì)算機(jī)上。 用戶幾乎不需要額外的培訓(xùn)就可以使用數(shù)字化雙胞胎的功能。
增強(qiáng)現(xiàn)實(shí)的可用性和易學(xué)性
當(dāng)從臺(tái)式機(jī)轉(zhuǎn)移到AR頭盔時(shí),應(yīng)用程序設(shè)計(jì)人員將面臨一系列新的可用性挑戰(zhàn)??捎眯允侨魏渭夹g(shù)成為工具的基石。盡管AR是一種新的交互范例,但長(zhǎng)期使用的可用性標(biāo)準(zhǔn)仍然適用。這些標(biāo)準(zhǔn)可以指導(dǎo)將AR與數(shù)字化雙胞胎集成的工作。一個(gè)良好的界面應(yīng)該是高效、易學(xué)、令人難忘、不經(jīng)常出錯(cuò)且使用愉快的。
一些用戶發(fā)現(xiàn)AR最初很困難,因?yàn)樗麄儫o(wú)法依靠自己的固有知識(shí)來(lái)操作系統(tǒng)。然而,這種挫折是暫時(shí)的,用戶通常會(huì)有所改善。根據(jù)目標(biāo)受眾的不同,學(xué)習(xí)能力差異很大。為專(zhuān)家設(shè)計(jì)的工具具有較高的學(xué)習(xí)曲線,但整體功能更強(qiáng)大,專(zhuān)家的效率應(yīng)證明延長(zhǎng)培訓(xùn)時(shí)間是合理的。通過(guò)將現(xiàn)實(shí)世界中的信息與程序中的信息相結(jié)合,體驗(yàn)認(rèn)知提高了執(zhí)行任務(wù)的效率。
與任何應(yīng)用程序一樣,錯(cuò)誤率通常受界面設(shè)計(jì)的影響。一個(gè)好的界面設(shè)計(jì)人員將能夠在人為因素的限制內(nèi)很好地創(chuàng)建用戶體驗(yàn),這也適用于AR。盡管交互方式不同于點(diǎn)擊式,但系統(tǒng)設(shè)計(jì)人員已經(jīng)考慮了可以識(shí)別的輸入種類(lèi),并限制了使用過(guò)程中不可恢復(fù)的錯(cuò)誤數(shù)量。多項(xiàng)研究表明,相比傳統(tǒng)的交互范例用戶更喜歡AR。
創(chuàng)建深度學(xué)習(xí)模型的常見(jiàn)做法
深度學(xué)習(xí)模型是在大型數(shù)據(jù)庫(kù)上訓(xùn)練的,幾乎總是脫機(jī)完成的。花費(fèi)數(shù)小時(shí)或數(shù)天的時(shí)間來(lái)訓(xùn)練模型并不罕見(jiàn)。訓(xùn)練完模型后,通過(guò)推理進(jìn)行的模型應(yīng)用程序?qū)⒉辉傩枰罅康挠?jì)算資源,但仍比數(shù)字化雙胞胎應(yīng)用需要更多的計(jì)算資源。
對(duì)于某些應(yīng)用,接近實(shí)時(shí)或稍微延遲的結(jié)果就足夠了。例如,在某些計(jì)算機(jī)視覺(jué)缺陷檢測(cè)中,在執(zhí)行缺陷檢測(cè)的同時(shí)保留生產(chǎn)批次可能是可以接受的。而在其他情況下,則需要實(shí)時(shí)推斷??梢栽谟凶銐蛸Y源的云或數(shù)據(jù)中心中進(jìn)行推斷。對(duì)于邊緣推理,具有足夠計(jì)算能力的邊緣網(wǎng)關(guān)正使其變得可用,但是這種特殊需求需要進(jìn)行規(guī)劃。
遞歸神經(jīng)網(wǎng)絡(luò)(RNN)是一類(lèi)專(zhuān)門(mén)為序列或時(shí)間數(shù)據(jù)設(shè)計(jì)的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)。在物聯(lián)網(wǎng)和數(shù)字化雙胞胎應(yīng)用中,有許多此類(lèi)序列和時(shí)間數(shù)據(jù)的示例。隨著時(shí)間的推移,許多傳感器都在收集數(shù)據(jù)。隨時(shí)間變化的測(cè)量順序或模式可用于了解數(shù)字化雙胞胎資產(chǎn)的有趣特征。一個(gè)示例是測(cè)量智能建筑或電網(wǎng)中的能源電路。電路上的能源使用模式可以捕獲資產(chǎn)運(yùn)行的開(kāi)始或結(jié)束(例如電機(jī)啟動(dòng)),這預(yù)示著數(shù)字化雙胞胎資產(chǎn)的運(yùn)行變化。RNN的另一個(gè)用途是預(yù)測(cè)異常的時(shí)間序列數(shù)據(jù)。一個(gè)示例是預(yù)測(cè)太陽(yáng)能發(fā)電場(chǎng)的能量輸出。
使用序列數(shù)據(jù)與使用時(shí)間數(shù)據(jù)時(shí),訓(xùn)練RNN的過(guò)程有所不同。用序列數(shù)據(jù)訓(xùn)練RNN的過(guò)程如下:
● 將數(shù)據(jù)分為順序測(cè)量的各個(gè)部分。段的長(zhǎng)度由數(shù)據(jù)的時(shí)間間隔和事件前兆的預(yù)期持續(xù)時(shí)間確定。
● 為感興趣的事件創(chuàng)建目標(biāo)變量,并將其用于標(biāo)記事件發(fā)生的序列。
● 訓(xùn)練RNN。在這種情況下,不需要雙向模型擬合,因?yàn)闇y(cè)量數(shù)據(jù)始終會(huì)及時(shí)向前移動(dòng)。
然后可以將訓(xùn)練后的模型用于推理。在大多數(shù)情況下,模型推斷功能將足夠快,可以在云,服務(wù)器或邊緣設(shè)備中的實(shí)時(shí)測(cè)量流上使用。
基于機(jī)器視覺(jué)的數(shù)字化雙胞胎
計(jì)算機(jī)視覺(jué)或機(jī)器視覺(jué)是一種功能強(qiáng)大的工具,它因能識(shí)別場(chǎng)景中的面部和物體而引起了眾多關(guān)注。對(duì)于數(shù)字化雙胞胎,它可以增加有關(guān)被監(jiān)測(cè)物體的重要信息??梢酝ㄟ^(guò)與數(shù)字化雙胞胎的AR界面來(lái)增強(qiáng)需要目視檢查的任務(wù)。例如,計(jì)算機(jī)視覺(jué)可以通過(guò)比較成千上萬(wàn)的圖像來(lái)檢測(cè)人類(lèi)可能無(wú)法檢測(cè)到的異常,從而檢測(cè)缺陷。而且,諸如紅外線之類(lèi)的專(zhuān)用攝像機(jī)通過(guò)組合多個(gè)信息流,甚至可以進(jìn)行進(jìn)一步的分析。
另一個(gè)選擇是創(chuàng)建一個(gè)模型,該模型可以在零件上找到容易識(shí)別的特征。生成的圖像可以使用卷積神經(jīng)網(wǎng)絡(luò)(CNN)創(chuàng)建分類(lèi)模型。根據(jù)數(shù)據(jù)標(biāo)簽的好壞,模型可能具有各種復(fù)雜性。
通過(guò)收集大部分為良好的圖像,可以創(chuàng)建一個(gè)二元分類(lèi)模型,該模型可以識(shí)別出具有已知良好圖像或可疑異常圖像的可能性很高的圖像。通過(guò)用已知缺陷類(lèi)型標(biāo)記圖像,可以創(chuàng)建識(shí)別各種缺陷的更復(fù)雜的分類(lèi)模型。通過(guò)良好的位置識(shí)別,還可以分解圖像并找到圖像中有缺陷的部分。例如在半導(dǎo)體晶片生產(chǎn)中,可以基于具有缺陷的晶片的比例來(lái)量化預(yù)期的產(chǎn)量。
在模型被訓(xùn)練之后,需要確定推斷的延遲并測(cè)試捕獲的新圖像,以及是否需要逐流傳輸圖像并立即獲得結(jié)果。也可以捕獲一批圖像并進(jìn)行批量處理。還要確定是否可以在云中或服務(wù)器中完成推理,或者是否需要邊緣網(wǎng)關(guān)。
當(dāng)在智能現(xiàn)實(shí)的保護(hù)下進(jìn)行適當(dāng)?shù)募軜?gòu)和集成時(shí),物聯(lián)網(wǎng)、人工智能和擴(kuò)展現(xiàn)實(shí)技術(shù)可以開(kāi)辟新的可能性,而數(shù)字化雙胞胎提供了一種可用的表示方式,使得此類(lèi)架構(gòu)中固有的大量信息的價(jià)值被充分挖掘出來(lái)。
上一個(gè) :
1-10月份儀器儀表制造業(yè)投資增長(zhǎng)28.2%
上一個(gè) :
1-10月份儀器儀表制造業(yè)投資增長(zhǎng)28.2%