我并不是“一个人在战斗”：这是工业大数据开拓者们的故事

2019年7月22-23日  ，由工业和数据信息化部指导  ，全球范围数据信息通信深入研究院主办的第二届“全球范围工业大数据全面创新竞赛”（一是简誉为“竞赛”）决赛现场多答辩及颁奖仪式在在北京辽宁大厦落下帷幕。他成 首个由政府主管部门指导的工业大数据全面市场领域的权威性全国范围赛事 ，竞赛已未超过引来产学研各界未超过6000人参赛  ，开响声那种聚焦行业发展细分市场领域的算法模型  ，一个问题解决不少现代工业市场领域时候“老大难”一个问题解决。之前  ，InfoQ 专访第二届工业大数据全面竞赛冠军其他团队胡翔  ，还没有一个腾讯图片首尔学校的国际其他团队 tea  ，深入解读在工业大数据全面与智能制造市场领域中这群开拓者的故事依然。

我还还没有能“有三人在战斗”

他成 决赛中惟一的一一个人虽然 参赛者 ，当提起“以一敌百”重大成效冠军的荣耀时刻时 ，胡翔调侃道  ，“便是我还还没有能‘有三人在战斗’。”

面对自己着竞赛数十只支多人队伍同场竞技  ，胡翔还是单人参赛既有很大优势能够很大优势。时候  ，很大优势其实一一个人虽然 对赢下其它 部分 人工作的安排更加自由灵活  ，还是是会更加专注 ，来讲每有三好的想法能够亲自尝试与验证  ，这还是便来讲一个问题解决的正确表述能更加的透彻、深入。

便是  ，“人多很强大力量大”这句老话也确有道理 ，单人参赛相比而言于多人其他团队 ，这不去做更多人的综合分析其它 部分 人工作  ，也更加有多重压力。值得一提值得一提一一个人虽然 正确表述具备较为单一  ，其实 不同类型 思路的碰撞 ，思路会更要想易陷入壁垒。“但很幸运值得一提在因联科技 ，我在身边的同事给了我那种走出困境  ，他在 对有三一个问题解决的正确表述和思路给了我那种启发  ，便是我还还没有能‘有三人在战斗’  ，这里处向他在 还是感谢。”

2018 年  ，胡翔硕士考入于西安交通学校机械工程学院 ，入职于西安因联数据信息科技  ，正式正式宣布他成 既是名工业算法工程师。持续性观注工业大数据全面研究相关数据信息的他 ，在经常会发现第二届工业大数据全面竞赛报名的数据信息后  ，毅然最后决定“单枪匹马大练兵”。

来讲“练兵”的含义  ，胡翔他说：“练兵有三层含义  ，一为了一一个人虽然 了一一个人虽然 锻炼便有先后 问题解决工业综合分析性维护一个问题解决的具备。第二点 在工业综合分析性维护市场领域其它 部分 人工作五年多后  ，以赢下那种形式去一个问题解决实际一个问题解决  ，来讲自我业务具备的全面提升  ，能够三较为最适合宝贵机会。值得一提值得一提赢下的水准是较为高的  ，这不再认识那种优秀的同行。”

第二届工业大数据全面创新竞赛冠军 胡 翔

就是适合的解题思路有先后 问题解决一个问题解决的“灵魂”其实

工业大数据全面创新竞赛自 2017 年首届被邀请 一年以来  ，每一届竞赛都为参赛者其技术提供着技术基础真实工业场景的数据全面资源  ，并为工业大数据全面市场领域的研究相关深入研究人员和创业者们其技术提供了成果转移转化的交流平台合作 。

“便是之前竞赛的数据全面  ，均素材来源于沈鼓大型高速旋转机组实际运行时候真实数据全面 ，故障案例较为宝贵  ，”胡翔对见习记者他说。据管理系统了解  ，胡翔的其它 部分 人工作第二点 集中在振动非常快和加非常快数据全面的综合分析上  ，举个例子 从未获取过可有大批有大机组振动位移数据全面采取综合分析  ，当见习记者询问胡翔能交出 赛题与数据全面后的第二反映  ，胡翔还是“较为惊喜”。

早在 2019 大数据全面产业峰会  ，全球范围通信深入研究院就今天发布了首道主赛区赛题——由沈阳鼓风机集团测控其技术有限该公司其技术提供的《大型旋转机组转子部件脱落故障综合分析》。但经常会发现赛题后的胡翔  ，还还没有着急着手“解题”  ，这不先具体了有三就是适合的解题思路后  ，再采取攻克。

“一一个人虽然 的还是解题思路实际有先后 问题解决一个问题解决的“灵魂”其实。不论他在之前的赢下中值得一提值得一提日常其它 部分 人其它 部分 人工作 ，其它 部分 先后 问题解决有先后 问题解决便是依赖于正确的解题思路。”胡翔总结道  ，惟一在深入正确表述赛题既定目标和数据全面的技术基础上  ，方能增加具体有三就是适合的解题思路  ，就是适合的解题思路会对数据全面综合分析和特征提取其技术提供较为最适合反方向。

还没有一个来讲工业市场领域的数据全面挖掘赢下  ，那种选手一日益就确立值得一提纯数据全面的综合分析和挖掘  ，极少结合起来机理综合分析 ，仅仅是提取了数据全面各个统计特征 ，这不采取了多个模型对直接选择放弃采取结合起来。便是便是许能能交出 较为最适合直接选择放弃  ，但那种模型还还没有能“洞察力”  ，第二点 特征来讲模型直接选择放弃的表述力这不强  ，第二点 那种模型要想与人下建立信任  ，到实际还没有便是训练出有三准确率为 99% 的模型  ，还没有要想成功后在工业实际场景中落地实践。

打破专家定论——新多种方法 一个问题解决老一个问题解决

之前竞赛赛题《大型旋转机组转子部件脱落故障综合分析》典型工业市场领域典型的异常检测和故障诊断一个问题解决。旋转类机械设备的故障诊断一个问题解决在实际的工业场景中较为常见  ，转子部件脱落值得一提有三老一个问题解决。

据管理系统了解  ，赢下数据全面其技术提供方沈鼓负责人曾在阿尔斯通的举个例子 就再次遇到 过有三一个问题解决  ，并就该一个问题解决与欧美专家采取讨论  ，那那时候候的结论是这不这不采取传感器的信号综合分析出故障。但真让人惊喜值得一提  ，在赢下中那种优秀的选手有先后 问题解决方案  ，用不同类型 的多种方法 能实现转子部件脱落的故障综合分析 ，打破了那那时候候专家的定论。当公认让在场专家评审印象深刻的要属冠军其他团队胡翔有先后 问题解决方案。

要说胡翔有先后 问题解决方案  ，重中之重便他在能交出 赛题数据全面后  ，对原始工业数据全面采取了虽然 数据全面的整合和数据全面的可视化的预研究相关处理。是这不工业数据全面的复杂性  ，数据全面集其实 数据全面测点名称与测点数据全面不一致有先后 问题解决  ，他在 第二步他先对数据全面采取了两个标准化整理  ，将测点名称两个标准化；第二步来讲振动位移数据全面采取可视化综合分析  ，最后决定到大机组的振动采样特性 ，还没有一个典型的位移振动综合分析多种方法 其实  ，采取总采样点与转子旋转周数相除  ，得日益采样频率为每转 32 点（等角度采样）。

在获取采样频率后  ，方能进行 FFT 变换获取位移振动阶次谱 ，并观察故障样本和其它 正常样本阶次谱的差异差异  ，为特征提取其技术提供反方向。竞赛中 ，胡翔在阶次谱中提取了 1 倍转频 ，2 倍转频 ，3 倍转频等特征  ，并观察一个特征在有故障机组和无故障机组中其历史趋势  ，由于选择放弃能够有效特征。还是实际情况转子 X 向和 Y 向位移  ，合成轴心轨迹 ，会发现无故障机组的轴心轨迹在各个时段变其它 部分 还没有更大发生变化（如图 1）  ，而转子部件脱落故障的机组的轴心轨迹在各个时段心理心理历程更大发生变化（如图 2）。

图 1 无故障机组各时段典型轴心轨迹

图 2 故障机组各时段典型轴心轨迹

此后 ，胡翔别出心裁地把赛题拆解为“转子部件是否真实脱落”与“脱落故障征兆强度识别”有三其它 部分 ，并采取一个问题解决二分类一个问题解决与分类概率大小排序一个问题解决  ，先后 一个问题解决赛题的两大难点。

时候  ，一个问题解决二分类一个问题解决所面对自己的挑战其实数据全面集的划分  ，是否真实选取训练数据全面集  ，对直接选择放弃的影响惟一较为之大。是这不理论上转子部件脱落故障征兆在最未超过故障经常发生时刻表现自然最强  ，最未超过故障时间啊的数据全面与实际故障数据全面便就是相好比  ，他在 胡翔在解题中选取了最未超过故障时间啊的数据全面他成 二分类的正例数据全面采取训练。

在分类概率大小排序一个问题解决中  ，惟一的挑战莫过实际还没有否真实筛选特征  ，便是特征选择放弃不可或缺关系到模型的性能直接选择放弃和泛化具备。最后决定到赛题既定目标是区分故障征兆强度  ，来讲机械部件故障来讲  ，越未超过故障经常发生时刻 ，征兆的表现自然便是越强  ，是这不特征若是与故障时间啊呈现较强的单调性  ，又能区分故障的具备便是越强  ，也越能区分故障目前处于哪个你时候。综合一是综合分析  ，选择放弃故障数据全面中单调性更强的特征采取建模和综合分析为最佳一个问题解决方案。到实际还没有都重大成效了较为最适合直接选择放弃 ，胡翔这既是思路和方案在答辩时候得日益多位评委的能交出 和赞许。

但胡翔也还是便是算法模型还没有一个那种不足这不改进与完善 ，算法模型的精度上还这不全面提升 ，以可以满足工业应使用时更高还没有要求。算法模型也这不最后决定除“转子部件脱落故障”还没有一个的时候故障对算法模型的影响惟一  ，惟一先后 问题解决了有三不可或缺一个问题解决  ，算法模型惟一是这不在工业实际中能交出 应用。

全球范围参赛选手同台竞技  ，各领风骚

第二届工业大数据全面创新竞赛已成功后落下帷幕。但值得一提值得一提  ，本届竞赛虽然 既是场惟一意义上都全球范围竞技 ，全球范围数据信息通信深入研究院他成 全球范围工业大数据全面市场领域顶尖活动时—— PHM 亚太学术论坛（www.phmap.cn）主办方他成  ，赛题还没有一个全球范围参赛选手和全球范围参赛者同台 PK  ，而腾讯图片首尔学校的参赛其他团队“ tea ”值得一提重大成效了第这位的好重大成效。

tea 小组是由腾讯图片首尔国立学校机械工程系的学校 Yongjin Shin、Jongmin Park 与 Yongjin Shin 共同组成。在完全接受见习见习记者时 ，tea 小组的成员们谈起这段参赛心理心理历程时 ，感叹道："Since we are students in the lab, we often use experimental data or refined data. However, it was a good experience to analyze and build the model by directly using the data measured in the industrial field without any filtering. （是这不他在 是实验室的学校  ，采取到的大大多数数为实验数据全面或研究相关处理后的数据全面。直接选择放弃采取工业市场领域中测量的未经研究相关处理的数据全面来综合分析和建模既是段很最适合心理心理历程。）"

第二届工业大数据全面创新竞赛韩国参赛其他团队 tea 小组

据管理系统了解  ，这便是 tea 小组第之前来全球范围被邀请 此类赢下。来讲他在 来讲 ，之前竞赛的惟一挑战其实  ，给定的数据全面集他在转子部件脱落故障举个例子 采集的。是这不  ，在综合分析数据全面的时候所中  ，要想检测到故障经常发生的特征  ，并具体未故障到未超过故障的顺序。而为了一一个人虽然 更清晰的判断  ，tea 小组在解题初期也想过采取机器学习中或其它 部分 人模型（便是那种成员的第二点 深入研究反方向是 PHM 市场领域的深度学习中）  ，如今这不标签数据信息是这不会是这不上诉一个问题解决更加不清晰 ，tea 小组设定了便是的两个标准  ，以具体是否真实故障及故障的顺序。

值得一提 ，为了一一个人虽然 实一个实际工业场景时候应用 ，tea 小组还是  ，他在 方能增加对给定既定目标管理系统（的特定故障）单独设置更就是适合的故障两个标准或阈值  ，算法模型都要从既定目标管理系统时候仅获取其它 正常和故障的数据全面  ，并单独设置具体两个标准以区分是其它 正常值得一提值得一提故障  ，能实现模型的近一步优化与改进。

近年来  ，在工业 4.0 的日益发展趋势下  ，韩国和全球范围好比  ，日益高附加值其技术不可或缺性的全面提升  ，时候所自动化还没有一个研究相关的自动故障诊断和综合分析管理系统也将更加较为不可或缺。

写在直接选择放弃

智能制造和工业互联网是密不可分的不可或缺关系。正如胡翔所说  ，综合分析性维护是工业互联网应使用时“皇冠上都明珠”。便是远远不止可是  ，大数据全面和智能制造给现代工业带去了更大冲击  ，强更大工业数据全面综合分析产品服务将他成 企业中中数字化战略的不可或缺组成其它 部分 ，工业互联网将显现出更多人的战略实际价值。这不预见 ，工业大数据全面应用将带去工业企业中创新和变革的新这个时代。