168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

扫一扫,访问微社区

1 2 3 4 5
开启左侧

周涛:各自围建是大数据军工应用的核心痛点

[复制链接]
发表于 2017-9-28 11:02:03 | 显示全部楼层 |阅读模式
9月25日,由鼎兴量子主办、投中信息协办的“2017军民融合产业投资论坛”在深圳举行。来自学界、业界的专家大咖坐而论道,同时鼎兴量子、投中信息联合推出 《2017中国军民融合产业投资白皮书》,聚焦军民融合行业及投资机构,分析了军工行业的现阶段存在的问题及投资发展趋势。
        论坛上,电子科技大学大数据研究中心主任、数之联CEO周涛做了题为《大数据与人工智能的军工应用 》的专题演讲。他认为,大数据的军工应用主要的核心痛点是各自围建,数据不整合,未来大数据在军工领域可应用在武器效能评估、作战决策支撑、情报分析、装备的智能管控等方面。
       周涛年仅27岁时就成为电子科大教授、博士生导师,现任电子科技大学大数据研究中心主任、博士生导师。他2011年获得第十二届中国青年科技奖(最年轻获奖者),2014年获得四川省科技进步一等奖、中国计算机学会自然科学奖,2015年获得共青团中央授予的“最美青年科技工作者”称号,并当选2015年度中国十大科技创新人物。 2017年获得全国创新争先奖。

640.webp.jpg
以下为周涛演讲实录
       我先讲我们用在军工的能力,再讲例子,通过能力的介绍就大概知道我们把什么技术用在军工什么地方。我们主要注重两方面的能力:数据挖掘和数据可视化。我们用这些基础能力在行业中解决一些问题,里面用的很多能力是用在军工上

       第一个解决的问题是怎么做食品药品的监管,包括怎么发现一些不合格的食品,通过检验检测尽可能多地在有限资源内发现更多的不合格品,包括发现食品中存在的谣言和重大舆情事件。
      两个例子:一是怎么发现谣言,一般都是文本分析、情感分析,这显然是可行的。除了这套东西,有两个创新点:一个谣言来了,原来有大量数据库分析哪些是谣言,那些是真实重大舆情,我们做了LDA的话题比较,能快速发现当前正在发生的重大舆情是不是谣言,如果是谣言就立刻反馈是谣言。
      二是98%的舆情,比如食品安全领域其实都是由微博中不到万分之一的节点参与。微信中的公众号,大概2万多个公众号能控制90%以上的舆情。我们做舆情分析不像以前,一定要更新微信、微博的全量数据,而是一个探针计划就可以指向三四万个节点。如果舆情来了,是食品安全的,这些人里面有两三个转发,那你要小心,虽然转发只有三四百次,构不上舆情,但是要小心,一个小时内就对舆情进行研判。不像以前24小时、48小时,原来数据量非常大,现在只要抓4万个人,量小了。比如现在要发现这些不合格的食品,国家通过监督性抽检来发现,尽可能在市场中抽检食品,多发现不合格品。

       怎么解决这个问题?发现食品药品是否合格受很多因素影响,比如食品的品类、生产的地点,还受其他因素的影响。比如食品生产厂商,如果生产厂商里面有法人股东,它的食品安全性就要提高很多,它的董监高股东有没有从事食品行业,并且受处罚等,这都有影响。我们把各种各样的数据,包括仓储、运输方式、保质期等,再做一个特征工程,用集成学习。其实每个分类器都很简单,但是把几百上千个分类器放在一起做统计。一个检验员拿一个Pad一扫预包装食品的条形码就可以告诉他有多大风险,全国180天有多少个批次做过检验检测,不合格率有多少。有了这个就可以判断是不是要再进行检验,真实检验。检验检测有大量的腐败,因为很多检验员实际上不是在市场中买检品,而是让厂家送检,不用花钱买食品的批次,而且给你红包,一般两三千、四五千的红包,重新做包装,厂家送检肯定都合格。我们为了避免这个问题,Pad中你所有行动轨迹我都知道,这样你预抽检和抽检就可以看你是不是有70、80次预抽检,7、8次抽检。

      我们去年开始做这个事情,2015年成都监督性抽验不合格率是2.36%,去年做到10.71%。今年有6个省开始用我们的系统,今年成都能做到15%,全中国没有哪家做到7%,如果全国省市大局都用这套系统,在同样的发现水平下给全国节省很多投入。

       智慧司法的例子,如何搭建司法体系要做的事情,目前我们做的核心问题是解决类案同推、类案同判的例子。这个例子在军工用得很多。工业4.0,大家做仓储和营销很多,核心问题是要解决加工生产过程中怎么样降低成本,提高效率,而且提高生产质量,从几方面共同做这件事:加工单独配件的管理,在所有的精加工中,刀具成本最大。加工过程中,怎么判断这个刀不行了,怎么对它的寿命进行控制?我们要解决的问题是当一刀多见,每个刀都能个性化地告诉他寿命问题。我们用一个霍尔传感器卡在机床的电路上了解电能信号,用高速摄像头去采集它的图像信号,一般而言,有这个大体就可以了,主要是通过电流信号,对刀的切声都可以做直接的判断。

      电流信号我们做小波变换,它的基本核心是三个技巧
1、刀尖加工的电流信号不能在时空间处理,是用小波变换变到高维频谱空间处理。
2、不是直接做特征工程,而是把前50次加工作为基准,用后面加工和前面加工的差值来作为特征。
3、一个刀在坏之前,电流信号的高阶矩敏感度会高于低阶矩,其实各阶矩对于崩塌或者各种坏的敏感度不一样,是不是认为电流平均值发生改变,电流往往是在中等的,三阶矩或者四阶矩,我们要对各阶矩做分析,这样我们可以预测一把刀的寿命有多长。还有一套管刀的工具,相当于你来了之后,数据传进来就来管刀,坏了立刻换刀。我们给一家世界500强企业做一个工控机,成本在3万多元,一个工控机管8-10个机床,我改造以后,收一台机床2万元。第一期我只做了50台,它有几千上万台等着。这个东西的效果是非常惊人的,而且非常产品化,看起来刀五花八门,但是核心的东西要多花一些时间,但是差不多。另外一家军工企业,一个车间耗500万把刀,7亿耗在刀上,我们现在提高25%,省掉1亿多。并且让它加工坏手机壳的比例下降40%,刀质量不一样、机床不一样,个性化的管理不仅提高刀的寿命,同时可以降低加工的问题,你们都可以理解怎么用到军工。

       刚才讲的小波变换的方法,一个大型设备,比如五轴轮动的大梁进行加工,在梁上放振动传感器,很便宜,我给它做频谱空间的变换,当设备非常好的时候,每个频率、频谱的间隔是非常清晰的。但是随着加工过程的进行,比如梁上有混振,开始出现新频谱的分杈和频谱之间的混加,我可以做无监督的大型设备件,因为大型设备的监管,武器系统不太容易坏,大的一定要做无监督,有监督的都做不了。我们要解决的问题是,生产加工过程中,怎么提前判断这个产品加工到最后已经不会是好的产品,肯定是残次品,我提前给你扔掉。后面有20多个测试参数,我要找到参数和加工环节的关联,帮你把生产线做得更好,包括京东方、五粮液都解决这个问题。

       军民融合的应用,主要的核心痛点是各自围建,数据不整合,并且数据也没有什么用。在军民融合方面可以做的事,比如做情报解决几类问题,涉及军事舆情,包括周边国家的重要舆情。我们持续做高科技,去看全世界这些颠覆性的创新发生在哪些国家,发生在哪些学校、哪些院所、哪些企业,哪些重要PCT的国际专利做这个事,是做人才和技术的提前感知。我们做电磁信号的分析,通过电磁信号看对方的目标,什么是最佳的干扰模式,信号之间的数据关联,目标的情况分类等。军工有些特殊性,所以技术上就不展开讲得特别细。三是给军队做武器系统的管理,一方面是利用原来装备的静态信息和它的训练信息,另一方面利用武器装备的传感信息来看你在训练中的表现和传感数据之间的关系,到底你效能如何,评估做预测,揭示军队的装备内在规律和特点。
       未来还有我们想做的事,还包括怎么做武器效能评估、作战决策支撑、情报分析、装备的智能管控等等。

来自:数之联大数据微信公众号

楼主热帖
168大数据(www.bi168.cn)是国内首家系统性关注大数据与数据科学的社区媒体与产业服务平台!
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2017-12-17 04:42 , Processed in 0.106242 second(s), 21 queries , Xcache On.

Powered by BI168社区

© 2012-2014 海鸥科技

快速回复 返回顶部 返回列表