由 dawei “工业智能应用在智能制造里面，其实最主要的就是在这里，信息的自感知、自学习、智能优化自决策、精准控制自执行这几个方向，其实也涵盖了市场上的很热门的几个词，包括物联网、大数据、人工智能，我们怎么样助力我们的企业做得更好，这是我们关注的方向。”这是天泽智云副总裁、联合创始人史喆在接受采访时，言简意赅的介绍了天泽智云当下正在做的核心方向。
据史喆介绍，目前天泽智云有着一个年轻有活力的团队，在工业智能这个方向上在国内也处于相对领先地位。团队不但有在工业智能算法上的深厚积累，还有在软件工程部分的长期积淀。目前公司已经具备边缘智能、平台产品开发、算法开发以及解决方案定制化交付的全面能力，并在几个很重大领域都有成功的项目及产品落地。
解密：天泽智云到底在做什么？
据公开资料显示，天泽智云成立于2016年11月，是一家工业智能公司，其主要基于分析算法、工程专家领域知识、软件产品的工业大数据平台，为工业企业提供集成数据采集与分析、装备健康管理、故障预测与诊断、维护决策与优化等各类工业大数据应用服务为一体的定制化解决方案。
据天泽智云官网介绍，该公司主要提供以先进算法引擎和全球领先算法库为核心的端到端工业智能解决方案，以服务企业为主要价值导向，提升资产的经济效益，加速产业智能化升级和价值转型。还提出目标，表示10年实现100个无忧生产和无忧经营的工业场景。
据史喆介绍，现阶段，天泽智云主要关注能源、轨道交通、数控机加工、工业机器人、装备制造等领域，为客户提供工业大数据应用咨询、数据采集与分析、装备状态评估等大数据分析解决方案。
机遇：蓝海入市发展工业智能
制造业强，则创新强。在内外部环境正在发生较大变化的情况下，转型升级成为我国制造业唯一且必经之路，通讯、传感器、云计算等基础设施的成本逐年下降；5G、大数据、AI等新技术也进入了落地阶段。此时，自主可控是转型升级的核心基础。工业智能就凸显了其核心优势，从目标实现的基础是工业大数据，工业互联网、工业智能一起，是制造业转型与两化融合的抓手。
在这样的大环境下，天泽智云从工业设备的预测性维护入手。所谓预测性维护，就是通过传感器、物联网等技术，实时监控设备状态，以判断何时该调整、维修或替换，这是保证生产线高效运转的关键。
在工业场景中，存在着许多无法被定量、无法被决策者掌握的不确定因素，这些不确定因素既存在于制造过程中，也存在于制造过程之外的使用过程中。工业智能化是将工业过程与智能化技术深度融合，通过对数据的有效分析及智能建模，解决和避免可见问题，进一步解决和避免不可见问题。史喆在采访中指出，相对于互联网行业的大数据收集和应用，工业数据在多维度方面都体量更大，来源也更为复杂。包括传感器、控制器、库存、运营数据、维修维护以及人工记录等，具有更强的专业性、关联性、流程性、时序性、和解析性等特点。工业数据应用场景是对生产设备的在线监控与故障预警，容错率极低，除此之外还包括能耗优化、质量风险规避、运维优化等，其核心逻辑是实现“监测分析优化执行”。
挑战：不惧未来智造更要因地制宜
工业大数据和工业智能看似是两个简单的词语，但是对于企业实施的过程也有很多难点。史喆在采访时说：“在实施过程中的挑战，一个叫自学习、一个叫自适应。影响他们的因素有三个方面，第一是不确定性，因为在工程领域应用模型的不确定性非常高；第二个是实施性，在于硬件和软件的结合和应用的融合；第三点稳定性，尤为重要。不论如何智能制造，最终落地的方向还是制造，这就对稳定性有了极高的要求。”
数控机床广泛应用于汽车、轨道交通、航天航空、3C等制造行业，作为数控机床的关键部件，刀具和主轴的磨耗程度是影响设备运行、模具成品质量的关键因素。如果能实时掌握每把刀和每个主轴的健康状态并精准预测使用寿命，就能提升良品率、减少停机、降低成本。
史喆在采访现场举例，以往基于经验和传统统计学方法对刀具的寿命预测和主轴的监测并不精确，而这时候智造的出现，就改变了这个问题。工厂里要对设备呈现做报表，这就要考虑数据收集。通过这些工业数据，改善工业流程。流程改善后希望在工业设备上出现以下几个结果。第一个是零宕机，第二个是零次品，第三个是零浪费。这个浪费也是指多方面，包括原料浪费，人员时间的浪费、能源的浪费。这就是智能化的方法解决的问题。但因为制造业所处很多不同的行业，这些行业又各有特性，所以在做数据处理，设备优化等方面上，天泽智云需要“因地制宜”，为企业打造唯一方案。
写在最后：
近两年工业互联网的爆发，通过工业互联网的架构和模式设计，让整个行业走入连接化、数字化、智能化的新时代。目前来看，传统产业在技术积累、创新能力等方面相对新兴的科技公司仍存在非常大的差距。让工业智能这个体系能够融入到实际的生产生活当中，让更多人参与进来，更是史喆和天泽智云人未来的“小目标”。