从压缩机到智能工厂：大模型如何驱动工业设备智能化

制造业数字化转型——工业升级必由之路

2024年5月11日，在国务院常务会议上审议通过《制造业数字化转型行动方案》。《制造业数字化转型行动方案》指出：要根据制造业多样化个性化需求，分行业分领域挖掘典型场景。加快核心技术攻关和成果推广应用，做好设备联网、协议互认、标准制定、平台建设等工作。

知名经济学者、工信部信息通信经济专家委员会委员盘和林接受采访时表示，制造业数字化转型是新质生产力构建的重要途径，也是最关键的途径。他认为，新质生产力的形成路径主要靠创新发展，而科技研发和数字转型是创新发展最主要的两条路径。

大型工业设备大数据，该如何挖掘使用？

面对制造业数字化转型的要求，近年来，企业围绕设备组、车间、工厂等层级进行了大量数字化改造工作。数字化改造，一方面为企业的生产运行提供了助力，另一方面也暴露出一些问题：比如为数字化而数字化，没有发挥数字化的真正作用；隔靴搔痒，不能解决企业生产制造过程中的实际问题；因为专业门槛高，不懂得如何使用以及挖掘来源于生产设备及生产过程的大数据等等。

西安交通大学余小玲教授团队长期从事大型往复式压缩机可靠性研究、性能优化、故障诊断等方面的研究工作。团队利用百度智能云千帆AppBuilder在大型往复式压缩机设备大数据挖掘和使用方面的科研实践，可以为企业提供借鉴。

大型往复式压缩机是能源、化工、输气、储气等行业的核心动设备，运行稳定性要求高，能耗大。为保障安全运行，大型往复式压缩机正在快步实现高精度状态监测系统的数字化与可视化。在生产实践过程中，此类监测系统会积累大量的历史数据，由于压缩机专业性强，企业专业人才缺乏，设备历史数据没有得到有效的挖掘和利用。大型往复压缩机生产中的突然停机对于整个产线的影响大，造成巨大的经济损失，严重的还会造成安全事故。为大型往复式压缩机构建一套更灵敏、更全面、更准确的状态监测系统，提前预警、提前准备，对于企业设备管理、生产运行都有重要的意义。

吕倩博士是余小玲教授团队的博士后，攻读博士期间的研究方向就是大型往复式压缩机系统的智能故障诊断，留校后，吕倩博士继续深入这一领域的研究。吕倩博士介绍，在这个领域要重点解决几个问题：

1.状态监测系统历史数据的挖掘和使用
利用百度智能云千帆AppBuilder提供的大模型工具，结合压缩机专业方向的各种“小模型”、“算法”，构建更灵敏的提前预警系统。目前，团队已经开发出一整套基于监测数据挖掘和使用的系统，系统预警时间较单一阈值报警提前了4个小时以上，平均预警时间提前了6个小时左右，这为设备管理人员提前沟通、提前规划工艺争取了宝贵的时间。

2.智能状态监测系统

使用高频、高灵敏度的传感器采集更丰富、更直接的数据，为压缩机系统的故障判断、故障预警、运行效能提升提供数据依据。目前，团队在实验室、合作企业已经开发了成套的智能状态监测系统，从运行结果看，预警的灵敏度及提前量以及准确度已经远远超过PLC系统的水平，同时，对于分析压缩机系统效能，解决压缩机系统故障提供了可靠的数据支撑。

3. 智能系统从监测到控制。

为实现这一目标，需要深入研究压缩机的工作过程，需要构建更多的小模型，并通过实验进行验证，特别是针对一些复杂多变的工况。

吕倩博士表示，在压缩机专业领域，还有很多问题需要深入研究和挖掘，而压缩机相关的数据处理又需要专业的大模型工具作为助力。

攻读博士期间，需要一方面搞定小模型，小算法，另一方面学习大模型的相关知识，精力是远远不够的。现在，有了千帆 AppBuilder，大量的数据处理、结构化、管理平台搭建的工作，可以交给这样的自助工具，同时在千帆的生态体系中，数据成为了推动技术不断迭代升级的核心动力， AppBuilder能够实时、稳定地采集海量数据，借助其高效的工作流处理机制和智能的大模型分析能力，能够对数据中的异常情况进行快速、精准的比对和深入的归因分析，就为更深入的科学研究留出充裕的时间，科研效率得到有效提升。

未来已来，大模型工具将成为新的基础设施

百度智能云千帆AppBuilder是基于大模型搭建AI原生应用的平台，旨在降低AI原生应用的开发门槛，赋能开发者和企业快速实现应用搭建。

平台提供企业级RAG(检索增强生成)，通过给大模型配置知识库外挂，帮助企业客户落在生产中使用，达到极致的效果。企业级Agent可以高效调度任务并具备强大的记忆功能，支持复杂需求的处理。

在千帆平台上，我们已经帮助客户开发了77万+的企业级应用，既有基于RAG，也有智能体的应用，未来随着技术的不断升级，通过千帆AppBuilder平台，将构建出更多的企业级AI原生应用。