周濤:各自圍建是大數據軍工應用的核心痛點

 By : 大數據icu   Time:2017-09-28 10:12:28

9月25日,由鼎興量子主辦、投中信息協辦的“2017軍民融合產業投資論壇”在深圳舉行。來自學界、業界的專家大咖坐而論道,同時鼎興量子、投中信息聯合推出 《2017中國軍民融合產業投資白皮書》,聚焦軍民融合行業及投資機構,分析了軍工行業的現階段存在的問題及投資發展趨勢。

論壇上,電子科技大學大數據研究中心主任、數之聯CEO周濤做了題為《大數據與人工智能的軍工應用 》的專題演講。他認為,大數據的軍工應用主要的核心痛點是各自圍建,數據不整合,未來大數據在軍工領域可應用在武器效能評估、作戰決策支撐、情報分析、裝備的智能管控等方麵。

周濤年僅27歲時就成為電子科大教授、博士生導師,現任電子科技大學大數據研究中心主任、博士生導師。他2011年獲得第十二屆中國青年科技獎(最年輕獲獎者),2014年獲得四川省科技進步一等獎、中國計算機學會自然科學獎,2015年獲得共青團中央授予的“最美青年科技工作者”稱號,並當選2015年度中國十大科技創新人物。 2017年獲得全國創新爭先獎。

周濤:各自圍建是大數據軍工應用的核心痛點

以下為周濤演講實錄

我先講我們用在軍工的能力,再講例子,通過能力的介紹就大概知道我們把什麼技術用在軍工什麼地方。我們主要注重兩方麵的能力:數據挖掘和數據可視化。我們用這些基礎能力在行業中解決一些問題,裏麵用的很多能力是用在軍工上

第一個解決的問題是怎麼做食品藥品的監管,包括怎麼發現一些不合格的食品,通過檢驗檢測盡可能多地在有限資源內發現更多的不合格品,包括發現食品中存在的謠言和重大輿情事件。

兩個例子:一是怎麼發現謠言,一般都是文本分析、情感分析,這顯然是可行的。除了這套東西,有兩個創新點:一個謠言來了,原來有大量數據庫分析哪些是謠言,那些是真實重大輿情,我們做了LDA的話題比較,能快速發現當前正在發生的重大輿情是不是謠言,如果是謠言就立刻反饋是謠言。

二是98%的輿情,比如食品安全領域其實都是由微博中不到萬分之一的節點參與。微信中的公眾號,大概2萬多個公眾號能控製90%以上的輿情。我們做輿情分析不像以前,一定要更新微信、微博的全量數據,而是一個探針計劃就可以指向三四萬個節點。如果輿情來了,是食品安全的,這些人裏麵有兩三個轉發,那你要小心,雖然轉發隻有三四百次,構不上輿情,但是要小心,一個小時內就對輿情進行研判。不像以前24小時、48小時,原來數據量非常大,現在隻要抓4萬個人,量小了。比如現在要發現這些不合格的食品,國家通過監督性抽檢來發現,盡可能在市場中抽檢食品,多發現不合格品。

怎麼解決這個問題?發現食品藥品是否合格受很多因素影響,比如食品的品類、生產的地點,還受其他因素的影響。比如食品生產廠商,如果生產廠商裏麵有法人股東,它的食品安全性就要提高很多,它的董監高股東有沒有從事食品行業,並且受處罰等,這都有影響。我們把各種各樣的數據,包括倉儲、運輸方式、保質期等,再做一個特征工程,用集成學習。其實每個分類器都很簡單,但是把幾百上千個分類器放在一起做統計。一個檢驗員拿一個Pad一掃預包裝食品的條形碼就可以告訴他有多大風險,全國180天有多少個批次做過檢驗檢測,不合格率有多少。有了這個就可以判斷是不是要再進行檢驗,真實檢驗。檢驗檢測有大量的腐敗,因為很多檢驗員實際上不是在市場中買檢品,而是讓廠家送檢,不用花錢買食品的批次,而且給你紅包,一般兩三千、四五千的紅包,重新做包裝,廠家送檢肯定都合格。我們為了避免這個問題,Pad中你所有行動軌跡我都知道,這樣你預抽檢和抽檢就可以看你是不是有70、80次預抽檢,7、8次抽檢。

我們去年開始做這個事情,2015年成都監督性抽驗不合格率是2.36%,去年做到10.71%。今年有6個省開始用我們的係統,今年成都能做到15%,全中國沒有哪家做到7%,如果全國省市大局都用這套係統,在同樣的發現水平下給全國節省很多投入。

智慧司法的例子,如何搭建司法體係要做的事情,目前我們做的核心問題是解決類案同推、類案同判的例子。這個例子在軍工用得很多。工業4.0,大家做倉儲和營銷很多,核心問題是要解決加工生產過程中怎麼樣降低成本,提高效率,而且提高生產質量,從幾方麵共同做這件事:加工單獨配件的管理,在所有的精加工中,刀具成本最大。加工過程中,怎麼判斷這個刀不行了,怎麼對它的壽命進行控製?我們要解決的問題是當一刀多見,每個刀都能個性化地告訴他壽命問題。我們用一個霍爾傳感器卡在機床的電路上了解電能信號,用高速攝像頭去采集它的圖像信號,一般而言,有這個大體就可以了,主要是通過電流信號,對刀的切聲都可以做直接的判斷。

電流信號我們做小波變換,它的基本核心是三個技巧

1、刀尖加工的電流信號不能在時空間處理,是用小波變換變到高維頻譜空間處理。

2、不是直接做特征工程,而是把前50次加工作為基準,用後麵加工和前麵加工的差值來作為特征。

3、一個刀在壞之前,電流信號的高階矩敏感度會高於低階矩,其實各階矩對於崩塌或者各種壞的敏感度不一樣,是不是認為電流平均值發生改變,電流往往是在中等的,三階矩或者四階矩,我們要對各階矩做分析,這樣我們可以預測一把刀的壽命有多長。還有一套管刀的工具,相當於你來了之後,數據傳進來就來管刀,壞了立刻換刀。我們給一家世界500強企業做一個工控機,成本在3萬多元,一個工控機管8-10個機床,我改造以後,收一台機床2萬元。第一期我隻做了50台,它有幾千上萬台等著。這個東西的效果是非常驚人的,而且非常產品化,看起來刀五花八門,但是核心的東西要多花一些時間,但是差不多。另外一家軍工企業,一個車間耗500萬把刀,7億耗在刀上,我們現在提高25%,省掉1億多。並且讓它加工壞手機殼的比例下降40%,刀質量不一樣、機床不一樣,個性化的管理不僅提高刀的壽命,同時可以降低加工的問題,你們都可以理解怎麼用到軍工。

剛才講的小波變換的方法,一個大型設備,比如五軸輪動的大梁進行加工,在梁上放振動傳感器,很便宜,我給它做頻譜空間的變換,當設備非常好的時候,每個頻率、頻譜的間隔是非常清晰的。但是隨著加工過程的進行,比如梁上有混振,開始出現新頻譜的分杈和頻譜之間的混加,我可以做無監督的大型設備件,因為大型設備的監管,武器係統不太容易壞,大的一定要做無監督,有監督的都做不了。我們要解決的問題是,生產加工過程中,怎麼提前判斷這個產品加工到最後已經不會是好的產品,肯定是殘次品,我提前給你扔掉。後麵有20多個測試參數,我要找到參數和加工環節的關聯,幫你把生產線做得更好,包括京東方、五糧液都解決這個問題。

軍民融合的應用,主要的核心痛點是各自圍建,數據不整合,並且數據也沒有什麼用。在軍民融合方麵可以做的事,比如做情報解決幾類問題,涉及軍事輿情,包括周邊國家的重要輿情。我們持續做高科技,去看全世界這些顛覆性的創新發生在哪些國家,發生在哪些學校、哪些院所、哪些企業,哪些重要PCT的國際專利做這個事,是做人才和技術的提前感知。我們做電磁信號的分析,通過電磁信號看對方的目標,什麼是最佳的幹擾模式,信號之間的數據關聯,目標的情況分類等。軍工有些特殊性,所以技術上就不展開講得特別細。三是給軍隊做武器係統的管理,一方麵是利用原來裝備的靜態信息和它的訓練信息,另一方麵利用武器裝備的傳感信息來看你在訓練中的表現和傳感數據之間的關係,到底你效能如何,評估做預測,揭示軍隊的裝備內在規律和特點。

未來還有我們想做的事,還包括怎麼做武器效能評估、作戰決策支撐、情報分析、裝備的智能管控等等。

本文選自“財經新視野”

轉載時有修改