杂乱无章的数据阻碍了多少企业数字化转型？MathWorks正改变它

电子发烧友网报道（文/黄晶晶）利用已有数据对未知进行预测，这是拥有大量算法和模型的MATLAB的“魔力”所在。近日2020 MATLAB EXPO成功举办，EXPO是全球范围内领先企业的工程师、研究员和科学家的开发者盛会。因为疫情原因，今年的活动采用线上方式进行。
 
今年，MathWorks 首席战略师Jim Tung先生分享的重要主题是关于企业如何进行数据化转型。这个略显宽泛的话题，Jim Tung用几个实例进行了充分解说，而他也将数字化转型定义为“实用”。
 

迈斯沃克软件（MathWorks）首席战略师Jim Tung

被亚马逊以高于10亿美元收购的RING公司，他们的产品是一个智能门铃，传统门铃只有一个按钮，一个功能，智能门铃变成了一个带高清视频、运动检测和智能手机接口的数字安全设备，可以通过手机界面访问从门铃发送到云的所有数据。这样的智能门铃，通过数字化的加持，其意义远远超过了门铃本身。而在被亚马逊收入囊中后，亚马逊可以基于门铃进行拓展，例如将其连到智能锁上，快递员可以将包裹送到客户的家中，而避免包裹丢失的风险。


 
在接受包括电子发烧友网在内的媒体采访时，Jim Tung认为实用很重要，需要带着对事件可行性以及清晰的了解来做计划和执行。
 
“一方面数字化转型能够对企业做出焕然一新的改变。但是很多企业尝试过后发现数字化转型并不是很容易做的。但当你实际地进行数字化转型，可以对人员技能、工具特性以及实现目标等做到心中有数。实用的数字化转型可以真正地推动企业向着目标前进，并且支持企业实现目标。”Jim Tung解析。

数据是企业数字化转型的第一步，效果立竿见影

企业进行数字化转型存在着很大的阻碍，首先是人、技术与流程。Jim Tung分析说，人们经常怀有不合理的期望，尤其是关于进行数字化转型项目所需的时间。此外，人们不愿意改变公司角色。也可能不具备完成任务所需的技能，以及需要对流程的某些方面进行更改。其次，公司文化是影响公司转型速度的一个重要因素。文化可以使人去共享数据、共享模型。另外还有策略性的愿景。愿景可以使你的企业在转型过程中朝着正确的方向驱动。
 
而当企业决定进行数字化转型时，首要面对的就是数据。
 
当企业想要享受系统化使用数据的益处时，面临的一个挑战就是数据类型。工程数据、科学数据、现场数据、业务和交易数据来源众多，且数据可能不完整，现代数据管理系统使这种复杂性成倍增加。还有更多系统和孤岛，它们可能需要访问权限，并且归不同团队管理。它们可能在云端、本地或笔记本电脑上，并且数据量越来越大。
 
MathWorks的工具和整个平台可以实现在一个环境中处理所有这些数据，可以支持不同的IT系统和技术。而客户可以获取整合这些数据之后的价值，还可以应用MATLAB强大的分析技术来分析这些不同组合形式的数据。
 
因此，数字化转型的第一步已经迈出去了，MathWorks的工具和平台令企业简化数据并获得数据价值。
 
MathWorks如何利用自己的工具帮助客户系统地使用数据和模型成功进行数字化转型呢？
 
Jim Tung分享了GSK以及Atlas Copco这两家客户的真实案例。
 
GSK葛兰素史克公司的舒适达牙膏品牌收入超过10亿英镑，每年增长率约8%。他们的研发科学家之一Bob Sochon正在利用过程数据的洞察力在其过程中挤出最后一滴效率。在他们所有的工厂、配方和生产批次中，数据量都以万亿字节计，这些数据存储在不同的系统中并具有不同的登录访问权限等。首先，他们用MATLAB把这些数据合并起来并清理掉，他们现在可以将配方、销售和生产方面的所有数据进行匹配和调整，以发现不同模式和见解。



接着，GSK需要比较每个批次的各个阶段，配方有三个重要阶段，即启动、添加二氧化硅和精加工，GSK在MATLAB中建立了一个算法来按阶段对数据进行排序和标记，并在所有的过程数据中运行该算法。结果是现在他们可以比较各个阶段的统计数据。
 
此外，为了提升数据价值，GSK在MATLAB中构建了一个图形用户界面，使工程师能够快速地选择和监测数据，按配方组合、批次、操作人员和产品等类别，这有助于团队快速迭代、查看实验结果并系统地查看相关数据。
 
这一数据管理优化的实施，令GSK缩短了产品上市时间，强化了增长动力。
 
为了简化数据分析过程，MathWorks支持OPC-UA使用安全连接访问数据。引入了一种交互处理数据的新方法，称其为Live Editor任务。这些应用程序可以在脚本中运行，用于从清理数据到重定时数据或合并不同来源数据的数据预处理任务。还有一个新的Predictive Maintenance Toolbox来设计状况指标并估计机器的剩余使用。
 
另一个案例是，Atlas Copco是一家比利时高级空气压缩机系统制造商，它们在设计新的系统生产线时面临一些重大挑战，于是，该公司在整个系统生命周期中大量使用MATLAB和Simulink，它从基于模型的设计开始，其系统模型被认为是按设计创建的数字孪生模型，实施了一个框架来管理模型、数据和变量。这些数字孪生模型为其销售和应用工程团队使用的系统提供支持，帮助他们为每个客户配置系统并对系统报价。这些模型与制造系统和验收测试系统相连接，以确保生产过程中的质量。并且他们被用来监控和维护在世界各地运行的超过12万个系统。



有新的工具可以帮助维护设计需求，系统架构和每个子系统组件设计之间的连接或数字主线，例如用于管理、采集和连接系统需求的Simulink Requirements，用于在系统工程级别进行体系架构和行业研究的System Composer，以及Simulink的接口和基于模型的设计所提供的全覆盖和值，使用Simulink和MATLAB并了解如何将它们作为数字孪生模型、算法和模型应用到您所运行系统的基础设施中。
 
这充分说明，在大量使用MATLAB和Simulink进行数字化转型后，企业利用数据进行业务管理和开发的优化，获得了超越以往的增益。

2020年是AI驱动年，MathWorks注入AI新动力

对于人工智能技术，事实上，MathWorks已经拥有广泛的工具，包括机器学习、深度学习、强化学习，以及其他跟人工智能有关的技术。AI专家或人才或许对人工智能技术有相当地了解，但对整个商业或者实施的场景并不太清楚。而MathWorks的愿景是为所有的工程师和科学家提供工具及知识，以及应用这些工具去解决问题的能力。
 
Jim Tung表示，MATLAB和Simulink平台可以搭建桥梁赋能工程师将人工智能应用于他们的领域。同时MathWorks支持与其他人工智能框架的互操作或集成，以及部署到云、IT和嵌入式系统的能力。
 
“由于认识到了人工智能的重要性，我们为人工智能开发工作流建立了强有力的支持，此外我们还定义了各种方式，无论人工智能组件是如何开发的，都可以将它们集成到模型中以理解系统行为，并帮助您了解整个系统的执行方式，即使系统中的某些部分是手工编码的人工智能组件。”Jim Tung说道。
 

 
在强化学习等一些方法中，与模型的集成尤其重要，因为训练涉及很多试验和错误，而使用仿真是完成训练的最佳方式。例如在一个自动驾驶应用程序的强化学习示例中，在Simulink模型中子系统模型代表车辆、控制器以及感知系统，智能体（将实现策略的人工智能组件）是整个Simulink系统中的另一个子系统模型，该模型将被反复仿真，对于车道上进行的每个称为“片段”的仿真，都会计算奖励并调整策略。据介绍，这套方法已经用于一个大型汽车公司。训练基于深度神经网络的驱动程序，利用强化学习提高基于DNN的驱动程序的性能，并利用改进的DNN对传统控制器进行扩充，所有操作都在MATLAB和Simulink中完成。

丰富的跨领域经验加持，看好中国市场的未来

MathWorks拥有广泛的跨领域经验，能够与不同类型的企业互动并支持其发展。也会与生态系统合作，在软硬件方面做一些嵌入式设备或嵌入式芯片以及提供基于软件的生态系统。
 
作为Gartner 2020年数据科学和机器学习平台魔力象限中的领导者，MathWorks凭借其可信的MATLAB和Simulink平台帮助客户实现系统的数字化转型。通过技术、模型、软件的有机结合，去解决真实世界的问题。
 

 
对于MathWorks未来在中国市场的布局是否会受到国际形势的不确定性影响。Jim Tung明确地表示，我们一直在关注在中国运营的形势。我们的目标一直是做正确的事情。
 
本文由电子发烧友网原创，未经授权禁止转载。如需转载，请添加微信号elecfans999。