谢菲尔德大学 AMRC 数据科学家 Lindsay Lee 解释了像她这样的专家如何与 AMRC 工厂 2050 的工程师并肩工作，向制造商展示如何充分利用他们的智能工厂和大数据。 “那么，你想要什么数据？”当数据科学家进入一个新领域时，这通常是他们被问到的第一个问题。最常见的反应？通常，它只是简单地说：“嗯，我不知道。”事实是，数据科学家不只是喜欢为了数据而处理数据，而是喜欢解决问题——通常可以在数据中找到答案。在不知道有什么问题等待解决的情况下，我们如何了解我们需要什么数据？
安全和道德的 AI
我是制造领域的新手，我在谢菲尔德先进制造大学的前六个月研究中心 (AMRC) 主要涉及理解数据是如何捕获的，coll被选择和存储，以及工程师面临什么样的数据相关问题。在学术界和工业界之间的技术准备水平 (TRL) 范围内工作意味着 AMRC 所做的一切都必须在生产中发挥作用。对于数据科学家来说，这非常重视安全和道德人工智能 (AI) 的新兴领域，尤其是在需要做出高风险决策的领域。我们有一个基本的道德理解，即我们所做的一切都必须公平和公正——这意味着我们会考虑尚未收集的数据以及已收集的数据，并认识到这一点的影响。我们都知道，如果您“收集”了正确的数据，您可以随心所欲地操纵结果，但作为数据科学家，我们有道德义务确保结果不仅仅是数据收集方法的结果。数据科学家还接受过许多分析技术的培训，并且能够对其进行编码，这样我们就不会陷入困境可用软件的 cy 和这可以带来的有限选项。对我来说，安全和道德运动的一个有趣部分是推动摆脱“黑匣子”分析，并确保对分析有一些合理的解释，这样即使是正确的答案也没有找到错误的答案原因。确保结果的可解释性对于流程的每一步都很重要。我们为什么要收集我们拥有的数据？我们不能收集哪些数据？进行了哪些不同的分析？如何解释结果？当出现问题时会发生什么？您如何识别它？据我所知，目前工业界使用的软件没有完全涵盖这一点，只有人。这些人就是我们，数据科学家。在 AMRC，我们正尝试通过 Factory+ 项目来解决这个问题。Factory+ 框架：一个互联的智能工厂
Factory+ 是一个开放访问的数字架构，用于制造 shop floor，简化了整个组织处理数据的方式。 Factory+旨在为机器提供一种综合的方式来捕获和使用数据来解决问题；使制造业更具可持续性、效率并为工业 4.0 甚至 5.0 做好准备。它是物联网 (IoT) 工程师、机器人工程师、软件工程师和数据科学家的真正协作项目。数据科学家被视为 Factory+ 架构的用户，需要能够为任何项目提取数据。让数据科学家参与其中的价值在于，虽然我们不具备工程师的领域知识，但我们确实知道在为一系列问题收集有用数据时应该考虑什么，而不是简单地尝试收集和存储所有可用数据数据;一项工作很快因存储限制而缩减。了解数据
当项目涉及监控时，很可能需要高分辨率数据快速响应的设备。但是，这类数据不需要长期存储，可以在边缘进行分析，很少或不需要记录历史数据。我们还可以进行中期分析以识别任何问题的标记，并仅存储相关数据以用于设备的长期监控和未来对即将出现的问题的预测。对于长期存储，有可用的元数据来解释数据、分辨率、单位和任何额外有用的信息是非常重要的。数据科学家嵌入到 Factory+ 项目中，以帮助定义可能有用的信息。Factory+ 不仅仅是一个数据科学项目。事实上，数据连接是第一阶段的主要目标。它的长寿在于不断收集有用的数据；加强整个 AMRC 和更远地区的连通性；当然，还有数据科学应用程序以及如何将它们的结果反馈到机器中。继续物联网专家和数据科学家之间的合作有一天会导致数据科学工具既使用数据又成为连接的数据流。Factory+ 实践
而我们收集的数据将用于向机器用户揭示功能并允许在连续体上进行过程监控，另一个目标是使用数据来允许机器更新和改进，而无需在生产和人工干预中发生代价高昂的停顿。有了如此崇高的目标，数据科学家显然需要与领域专家密切合作，以了解减少昂贵干预的意义，并与工程师合作预防错误和进一步改进流程。始终要记住，数据科学家不仅需要数据，我们还需要领域专家对现实生活产生影响。我们与 Factory+ 的第一个 AI 目标是通过使用机器学习算法和数据优化进给率来改进机器人切割从第一个连接到 t 的机器人o 工厂+。 AMRC Factory 2050 工厂的机器人工程师发现的问题是，机器人在转弯时会过度减速，这很可能与允许一次考虑的步数有关。通过与工程师合作，我们已经能够了解机器人的工作原理，理解使机器人移动的设计代码，甚至帮助将机器人数据流连接到 Factory+。现在数据科学家有一个数据流可以用作机器学习算法的输出；作为算法输入所需的所有设计数据；以及找到机器人工程师可以实施的进给率优化的知识。更广泛地说，除了特定的 AI 项目，我们将生成通用的数据科学工作流程和代码，以便当 Factory+ 在更广泛的 AMRC 中启动并运行时，那里是使用生成的数据的一致方法，最常见的分析可以很容易地应用于 di不同的设置。那么，我想要什么数据？我想要的数据可以让我使用数据科学工具来产生影响并改进制造流程。通过将数据科学家纳入 Factory+ 团队，我们希望提供互联智能工厂的终极蓝图以及成功协作的蓝图。关于作者 Lindsay Lee 是谢菲尔德大学 AMRC 的数据科学家，总部设在 Factory 2050 年在谢菲尔德。Lindsay 于 2010 年在谢菲尔德大学完成了概率与统计学博士学位，之后她在利兹大学地球与环境学院担任了十年的应用统计学家，在那里她成为国际公认的统计学家专家应用先进的数据科学解决方案来量化和表征气候模拟中的不确定性。她喜欢向公众、工业界和学术界的众多观众展示这些技术理念。Lindsay 加入了谢菲尔德大学AMRC 将于 2021 年利用她的应用统计、机器学习和人工智能知识为制造业开发可解释且值得信赖的技术解决方案。 Lindsay 热衷于通过更好地利用数据，从收集到决策，使用最新的数据科学/人工智能解决方案和有效的沟通，确保制造业变得更加高效和可持续。如果您想阅读更多类似的文章，请查看我们的智能工厂频道。制造商还组织了将于 2022 年 11 月 16 日至 17 日在利物浦举行的智能工厂博览会。 Smart Factory Expo 将实现数字制造革命的所有技术汇集在一个屋檐下——为处于数字化旅程各个阶段的制造商打造一个精心策划的商店橱窗。展览设有五个不同的访客区，每个访客区都有一个解决方案剧院由制造和技术提供免费参加的演示逻辑专家。参观者可以找到最好的解决方案，包括初创企业的最新技术产品，以及真正支持和推动制造业发展的知名品牌和公司。在这里了解更多。
