浅聊工业领域的算法工程化

随着近些年计算机算力的普遍提升，人工智能理论的发展，“算法”一词成为了IT领域的热门词。在商业公司层面，涌现出了诸如海康威视、科大讯飞、商汤科技、旷视科技等以AI技术应用为核心的高科技公司，传统大厂巨头如支付宝、腾讯、华为、百度也纷纷在众多领域布局AI应用。

算法常见的方向分为信号处理、图像识别、语音识别、自然语言处理等(这里分类标准未统一)，某一个AI应用可能使用多个方向技术的融合，每个方向对应着众多细分的研究方法。算法理论成果往往来源于高校、研究院、知名企业研究中心，通过论文提出解决某一特定问题的模型，实际应用中通过参数调节来控制模型的效果。这里会体现一个问题：算法工程化。

以工业领域为例，不同工业场景各不相同，管理的对象及属性错综复杂。在算法研究员针对某一问题验证了算法模型并通过后，如何将算法模型集成到系统应用中不是一个简单的事情：每一类管理对象对应算法模型的参数不同；不同类管理对象的算法模型不同；算法模型的计算并发问题；算法模型版本更新的问题。综上所述，算法集成是一个软件工程的开发模式问题。

武汉中云康崇科技有限公司是一家以预测性维护(PHM)全套解决方案为核心的国家级高科技公司，解决方案包含各类传感器硬件、PHM算法、多端应用平台三大部分，三者之间采用解耦合的方式交互，实现了面向异构系统的全方位集成能力。

其中算法工程化实现路径如下：

其中基础数据配置包含站点(station)、设备(equipment)、传感器（sensor），而算法管理系统和基础数据配置使用同一套数据库，能够获取基础数据的内容，同时提供故障设定、故障与传感器绑定、传感器与算法模型绑定，算法模型调参、算法模型更新等功能。而后端模块也是使用同一套数据库，可以根据硬件层的参数去数据库中匹配算法管理系统配置的算法模型，定向的将算法触发数据发送至对应的算法模型，算法接口收到数据后根据计算结果生成告警保存到数据库中，而数据可视化层可以设置规则将告警生成工单，同时数据可视化层可以从数据库中依照基础数据查询时域、频域、特征值数据，并提供人工诊断生产告警的入口。

以上算法工程化方案通过算法管理系统有效的解决了异构系统的问题。现在工业领域的客户一般已具有面向生产的工业大平台，只需要在算法管理系统中配置和现有大平台匹配的管理对象，即可快速集成PHM算法。同时算法管理系统提供了快速调参、快速算法模型验证、快速算法模型部署的渠道。