如何快速的從工業資料中建立模型,並將其作為知識進行積澱和應用,以提高自身業務的競爭力,是工業企業非常關注的話題。人工智慧和資料探勘技術的發展雖然一定程度上降低了資料建模的上手難度,但是建立高質量的模型並與自身工業具體場景的結合,仍然存在著一定的門檻。在此背景之下,南京天洑軟體有限公司透過多年自主研發,推出了資料建模平臺DTEmpower,致力於降低工業資料建模的門檻。透過在DTEmpower V1.0基礎之上深入研發,DTEmpower V2.0現正式釋出!
此次DTEmpower V2.0相對於V1.0主要具備6大亮點:
1)新增智慧資料清理工具,異常點識別更精準;
2)針對工業設計小資料集的智慧訓練演算法;
3)在資料建模流程中方便的融合機理模型;
4)與天洑智慧最佳化平臺AIPOD的無縫整合,輕鬆開展最佳化;
5)PHM擴充套件工具箱,搭配預警模型執行模組,實現早期預警;
6)軟體最佳化,執行更穩定,使用更便捷。
新增智慧資料清理工具,異常點識別更精準
DTEmpower V2.0新增了智慧資料清理工具AIOD,它透過自研的智慧排程引擎,管控數十種資料清理演算法,包括,Global Outliers Detection、Local Outliers Detection、Contextual Outliers Detection、Regression based OD、Hybrid Auto OD、Cluster Analysis、Classification Analysis等等,多維度綜合打分排序,無需使用者進行演算法選擇和引數配置,一鍵完成異常資料清理。
針對工業設計小資料集的智慧訓練演算法
針對工業設計資料的“小資料集”、”資料分佈不均“等特點,天洑研發了一套智慧訓練演算法AIAgent,其主要特點包括:
1)使用整合演算法提升模型精度和穩定性;
2)透過智慧分層分類,級聯使用不同置信度來源資料,極小化代理構建成本;
3)透過超參最佳化,解決引數調節難題,使用者無需介入訓練過程,一鍵得到“最優”模型。
圖 3 智慧資料訓練AIAgent, 小資料集下表現遠超傳統演算法
在資料建模流程中方便的融入機理模型
DTEmpower支援使用者在資料建模流程中融入機理模型,以改善模型的精度和提高模型的可解釋性。具體包括:
1)在特徵提取環節新增新的自定義特徵;
2)在訓練環節使用自定義的引數化模型取代黑盒模型,由DTEmpower提供最佳化演算法對未知引數進行擬合;
3)提供模型聚合功能,將使用者提供的公式模型和資料訓練的模型組合,作為單個DT模型匯出,從而實現資料探勘與機理模型的融合。
與AIPOD的無縫整合,輕鬆開展最佳化
DT模型的一類典型應用場景是,將建立的DT模型用於產品的最佳化設計、裝置執行最佳化等各類最佳化問題中。DTEmpower建立的模型可直接匯出,同時AIPOD V2.0支援在計算流程中一鍵匯入DT模型,並且可以和指令碼、可執行程式進行耦合,實現任意複雜的設計計算流程的搭建。之後便可以藉助於SilverBullet演算法,進行最佳化問題求解。
圖 5 在AIPOD中一鍵匯入DT模型,耦合建模,進行最佳化
PHM擴充套件工具箱,搭配預警模型執行模組,實現早期預警
DTEmpower 是一個開放式的資料建模平臺,提供了針對不同場景的定製工具箱,針對裝置預警場景的PHM擴充套件工具箱正是其中之一。PHM擴充套件工具箱在DTEmpower強大的資料建模能力的基礎之上,提供了一套針對時間序列的智慧預警演算法,可以輕鬆固化專家的判斷邏輯,從引數的波動、變化趨勢,以及引數和預示模型預測值的相對偏差等多方面對引數進行健康度評估。PHM工具箱目前提供有單引數預警、組合引數預警兩大控制元件,此外DTEmpower還提供一個配套的預警模型執行模組DTEmpower Run(簡稱DTRun)。
DTEmpower訓練得到的預警模型可以直接匯入DTRun,DTRun可實時接收感測器資料,呼叫DT模型進行資料分析,返回分析結果,實現線上預警。
圖 6 識別時間序列中的異常,並給出異常原因,輔助使用者快速處置
圖 7 DTRun中呼叫DT模型對實時資料進行分析,實現線上預警
軟體最佳化,執行更穩定,使用更便捷
“佔用資源高,軟體易崩潰”是眾多軟體產品面臨的一個重要問題。DTEmpower採用多程序架構,主程序負責人機互動和任務管理,所有的模型訓練任務都執行在獨立的程序中,保證主程序的穩定執行;主程序實時監測各任務程序的執行情況,及時關閉異常程序,釋放系統資源。DTEmpower V2.0對該架構進行了大量細節最佳化,軟體執行穩定性得到了極大提升。
DTEmpower V2.0的使用者互動介面在保持B/S架構的同時,對使用者介面進行了全面改版升級。升級後的使用者介面採用Ribbon選單,更貼合工程師的使用習慣,單頁面的資訊密度更高,能夠更好的輔助使用者進行資料分析和模型訓練。
更多詳細介紹,請點選 DTEmpower——資料建模平臺 前往查閱。