0
說一個好消息，公安部交管局2018年公布數(shù)據(jù)顯示，截止9月，我國新能源汽車保有量達221萬輛，“藍天白云，晴空萬里”似乎離我們更近一步；
說一個壞消息，國家市場監(jiān)督管理總局2018年透露，截止10月底，我國已發(fā)生新能源汽車起火事件40余起，交通事故中很可能要加上“新能源汽車自燃”這一項了。
毫無疑問，新能源汽車已經(jīng)是大勢所趨，而另一個大勢所趨則是AIoT（AI+IoT），因而也就有人想到：是否可以用AIoT相關技術解決新能源汽車著火事件。那么，通過現(xiàn)有的AIoT技術能夠解決上述問題嗎？也能，也不能。
至少現(xiàn)在已經(jīng)可以對相關事件進行預測，為車主留出時間處理。上海覺云科技有限公司是一家聚焦新能源汽車智能算法模型/平臺為主的企業(yè)，而新能源汽車起火這樣的事件，恰好在其射程范圍內(nèi)。
上海覺云創(chuàng)始人兼首席執(zhí)行官常偉告訴雷鋒網(wǎng)，“對于現(xiàn)在電動汽車熱失控現(xiàn)象，我們的核心算法目標是能夠提前20分鐘進行預測，為車主留出逃生時間。”
2014年前后，興起了第一波IoT浪潮，這波浪潮主要解決的是設備連接的問題，現(xiàn)在回過頭來看，從數(shù)據(jù)的角度，主要解決了數(shù)據(jù)的連接和上傳問題。例如在工業(yè)上，主要實現(xiàn)了包括溫度、壓力、電流、電壓等數(shù)據(jù)監(jiān)控，監(jiān)控設備的安全運營條件。
上海覺云的核心團隊在2016年完成組建，2017年開始進入正軌。此時，第一波浪潮已經(jīng)走遠，甚至在2014年興起的物聯(lián)網(wǎng)公司也已經(jīng)經(jīng)過了一輪殘酷的淘汰賽，活下來一批，死掉一批。與此同時，基本的連接問題已經(jīng)解決，更為關鍵的問題已經(jīng)由「連接」轉(zhuǎn)到「數(shù)據(jù)應用」。這也是上海覺云看到的機會，以及其對公司的定位。
“如何把數(shù)據(jù)用起來，這是個問題，”常偉告訴雷鋒網(wǎng)，“我們經(jīng)過這兩年的數(shù)據(jù)收集及數(shù)據(jù)分析發(fā)現(xiàn)，從數(shù)據(jù)變化中其實是可以找到其規(guī)律性的，數(shù)據(jù)的變化可以反映出設備內(nèi)部產(chǎn)生的變化或畸變。例如某部位的溫度變化對應設備內(nèi)部某一軸承的損壞，這也意味著需要提前對這一軸承進行更換?！?br/>
從賣設備到賣服務，行業(yè)熱點改旗易幟，以數(shù)據(jù)運營為主的平臺運營逐漸走向臺前，并在諸如消費、工業(yè)、新能源汽車等各個領域中不斷打磨，產(chǎn)生價值。
沒有什么是一塵不變的，如果有的話，那就是公司對能夠產(chǎn)生經(jīng)濟效益的社會剛需的追求，而現(xiàn)在，數(shù)據(jù)分析正被認為是社會剛需之一。
現(xiàn)在可預見的預測性維護可以分為三類，也是行業(yè)的三個發(fā)展階段：以機械摩擦力為主的設備參數(shù)的預測性維護、以電化學反應為主的設備參數(shù)及預測性維護，根據(jù)設備參數(shù)進行精準故障診斷。
預測性維護并不是一個新話題，而是早已有之。以飛機為例，飛機在飛行到一定里程時，就必須要保養(yǎng)一次，其中保養(yǎng)的關鍵部件就是飛機引擎發(fā)動機。為什么要保養(yǎng)呢？這主要是由于設備供應商已經(jīng)引擎發(fā)動機的運行周期進行了預測——引擎發(fā)動機在工作多少小時或行駛多少里程后會出現(xiàn)故障。
除此以外，其實車主日常對于傳統(tǒng)汽車的保養(yǎng)，甚至日本的一些設備零部件有淘汰周期也是這樣的道理。
“預測性維護并不是一個全新的概念，在此之前，設備和機車的預測性維護已有兩三百年的歷史，”常偉針對現(xiàn)在整個預測性維護發(fā)展介紹稱，“此前的預測性維護主要是針對機械摩擦力為主的設備參數(shù)，通過摩擦過程中的衰減機理拿到這類參數(shù)，并判斷故障發(fā)生時間。”
在這個階段，由于我國在工業(yè)化進程中起步較晚，技術水平相對于國際發(fā)達國家慢了半拍。不過，就整個預測性維護的觀念和知識體系已經(jīng)逐漸建立起來。
這是預測性維護的第一步，這一步，人類走了近兩百年，也停留了近兩百年。
隨著物聯(lián)網(wǎng)、大數(shù)據(jù)的興起，也使預測性維護得以擁有邁出第二步的可能。以電力運行、電化學反應為主的設備維護。
隨著新能源汽車市場保有量的不斷增加，以及相關事故的頻發(fā)，鑒于“保命”需求，預測性維護的第二步也被提上的日程。
由于我國在新能源汽車銷量和保有量上都有很大優(yōu)勢，轉(zhuǎn)換為數(shù)據(jù)優(yōu)勢為我們可以采集到各種不同場景下的運行數(shù)據(jù)和靜態(tài)數(shù)據(jù)。這一波預測性維護以數(shù)據(jù)分析、以大數(shù)據(jù)科學家為主導，這樣的邏輯也就形成了這一階段國內(nèi)廠商在預測性維護上的優(yōu)勢所在。從另一層面來講，國內(nèi)的預測性維護在“保命技能”上更勝一籌。
據(jù)前瞻產(chǎn)業(yè)研究院統(tǒng)計數(shù)據(jù)顯示，2017至2018年2月，在全球新能源乘用車市場中，中國新能源乘用車累計銷量達61.90萬輛，排名第一，遠超其他國家。
圖片來源：前瞻產(chǎn)業(yè)研究院
與國外相比，我們在燃氣發(fā)動機方面其實是落后很多的，因為我們積累沉淀也比較少。我們沒有很多數(shù)據(jù)去學習。但是在新能源汽車或以電化學為主導的新設備領域，我們并不比國外差，甚至有些方面比國外更有優(yōu)勢。
以現(xiàn)在大家關注度很高的「電動汽車著火事件」為例。
電動汽車著火事件中，尤其是一些公共交通工具，例如電動大巴如果發(fā)生著火事件，會對人身安全帶來了嚴重危害?，F(xiàn)在業(yè)界一般認為，通過大數(shù)據(jù)分析，至少要能夠提前10-15分鐘做出預警。
常偉告訴雷鋒網(wǎng)，“對于現(xiàn)在電動汽車熱失控現(xiàn)象，我們的核心算法已經(jīng)可以提前20分鐘進行預測和預警，為車主留出逃生時間?！?/p>
以電動汽車的電池壽命衰減和續(xù)航里程為例。
電動汽車電池運行在不同場景下都會有一定的壽命衰減，壽命衰減會直接導致續(xù)駛里程的衰減，現(xiàn)在大部分汽車里程表上顯示的續(xù)駛里程是不準確的。要確定實際續(xù)駛里程，首先要判斷電池剩余電量?；谶@樣的判斷，車主、運營方，或派單方才能明確知道手上的單子應該由哪輛電動汽車或電動車去執(zhí)行。
上海覺云通過此前收集的大量相關數(shù)據(jù)構(gòu)建數(shù)據(jù)模型，用這樣的數(shù)據(jù)與檢測到的電池的實際運行中的電壓、電流、溫度等參數(shù)進行對比，預判出電池的剩余容量，從而更為精準地預測出續(xù)駛里程。
在預測性維護中，其實預測性監(jiān)測是現(xiàn)在可以實現(xiàn)的，即針對設備參數(shù)異常，進行針對性故障預警。對于這樣的預測或預警，常偉告訴雷鋒網(wǎng)，主要分為三個步驟：
數(shù)據(jù)清洗?！捌鋵嵨覀儸F(xiàn)在拿到的大量數(shù)據(jù)是質(zhì)量很差的，會有誤報、漏報、錯報存在。 因而，我們要先把拿到的數(shù)據(jù)進行清洗，這塊工作能占到我們整個項目工作的50%以上。”
數(shù)據(jù)訓練。和消費、工業(yè)類數(shù)據(jù)模型相似的是，都是通過機器學習等算法進行模型訓練，不同之處在于，應用場景不同，訓練數(shù)據(jù)和訓練環(huán)境也有所差異。
部署實施?！拔覀冏龅亩际菙?shù)據(jù)模型，這樣的模型你要給客戶展示的話，其實也是個問題。在這之間就需要將數(shù)據(jù)轉(zhuǎn)化為相關業(yè)務數(shù)據(jù)呈現(xiàn)在UI界面或控制界面上?！?/p>
“在整個數(shù)據(jù)模型構(gòu)建過程中，一般而言都是基于時序數(shù)據(jù)，因而也就有了構(gòu)建預測類數(shù)據(jù)模型的可能?！鄙虾ＳX云通過類似通用模型的「母模型」來實現(xiàn)同類設備的歸類，從而使得同類設備可以基于相同的「母模型」進行訓練。
另外，常偉也告訴雷鋒網(wǎng)，其實并沒有所謂的通用模型，不同設備之間都是需要有各自的數(shù)據(jù)模型的，所不同的是，同類設備的數(shù)據(jù)模型可以基于相同的「母模型」。
上海覺云主要有新能源汽車（60%）、機電設備（20%）和軌道交通設備（20%）三類設備/業(yè)務。由于業(yè)務模式的不同，上海覺云現(xiàn)在主要負責新能源汽車相關業(yè)務，機電和軌道交通類業(yè)務已經(jīng)轉(zhuǎn)由芯數(shù)智能負責（常偉為實際控股人的另一家公司）?！半S著業(yè)務開展，我們在傳統(tǒng)的變速機、發(fā)動機轉(zhuǎn)速等模型，以及新能源汽車電池故障預測類模型上已經(jīng)有較為成熟的數(shù)據(jù)模型。”
這三類業(yè)務其實采用的是同樣的建模方法，也可以理解為同樣的技術，三種不同的應用場景。
我們的建模原理是一樣，我們的數(shù)據(jù)科學家拿設計的數(shù)據(jù)模型基本方法也是相同的，但是用到具體不同業(yè)務中的 Know how 完全不同，對數(shù)據(jù)的理解也有不同。
工業(yè)數(shù)據(jù)采集是難點嗎？
常偉認為，在具體工業(yè)數(shù)據(jù)采集中，難點不在采集上，現(xiàn)在除了電化學反應在到離子階段的數(shù)據(jù)我們拿不到（也很少會用到），其他基于牛頓力學的物理量，以及電壓、電流、溫度等物理量都相對容易獲得。難點在于異構(gòu)設備的不同傳輸協(xié)議，需要數(shù)據(jù)專家投入大量精力來解決這樣的問題。
在工業(yè)領域中，其實有諸多不同設備品牌可能采用的是不同的協(xié)議，要實現(xiàn)智慧工廠，異構(gòu)設備無疑是難點。常偉認為，這樣的設備其實不在目前智慧工廠部署范圍內(nèi)，上海覺云正是在現(xiàn)階段規(guī)避了這樣的痛點，將更多精力放在已經(jīng)在協(xié)議上做過相關處理，在相關數(shù)據(jù)分析和數(shù)據(jù)預測方面有需求的大廠商上。
近年來，數(shù)據(jù)分析和數(shù)據(jù)預測相關能力逐漸從云端走向邊緣，新能源汽車領域也存在這樣的需求，需要實時處理和分析數(shù)據(jù)，并提出故障預警。常偉告訴雷鋒網(wǎng)，“目前，上海覺云主要算法及相關部署還在云端，邊緣側(cè)的部署需求是我們現(xiàn)在面臨的挑戰(zhàn)，同時也為我們今后的發(fā)展指出了方向?！?/p>
前文有一個問題還沒有解答：通過現(xiàn)有的AIoT技術能夠解決新能源汽車著火問題嗎？也能，也不能。
能，是因為現(xiàn)在已經(jīng)有相關技術可以做出預警，為車主或乘客提供“逃生”時間；
不能，則是因為現(xiàn)在還無法通過數(shù)據(jù)分析出具體故障原因。
即，可以提出預警，留出處理時間，尚難精準判斷故障原因，解決問題。
據(jù)雷鋒網(wǎng)了解，在整個行業(yè)中，現(xiàn)有的數(shù)據(jù)模型和數(shù)據(jù)處理能力仍停留在第一步和第二步，即故障預測、故障預警階段。要通過數(shù)據(jù)分析診斷出具體故障，現(xiàn)在仍難以實現(xiàn)。另外，對于實際應用而言，故障預警的需求也一直存在，因而也為這樣的產(chǎn)業(yè)模式提供了落地條件和盈利空間。
上海覺云主要業(yè)務在新能源汽車領域，其主要客戶包括北汽、廣汽、宇通、滴滴、泰雷茲、上海電巴等，相關數(shù)據(jù)模型及數(shù)據(jù)平臺已經(jīng)部署在5萬臺設備中。預計在2019年將會推出一款全新的軟硬件平臺打包產(chǎn)品，這款產(chǎn)品將會以硬件形式呈現(xiàn)出來，通過這樣的一款產(chǎn)品，可以讓車主提前20分鐘發(fā)現(xiàn)熱失控故障。
新能源汽車如何搭上AIoT這輛快車？或許，預測性維護是一個值得思考的方向。
雷鋒網(wǎng)誠摯招聘AIoT方向記者 | 深圳：
工作內(nèi)容：跟蹤報道AIoT領域的公司、產(chǎn)品、技術和事件，包括物聯(lián)網(wǎng)、機器人、智能硬件、智能家居等。
要求：1-3年相關媒體經(jīng)驗；能勝任外翻的英語水平；文筆優(yōu)秀；良好的工作態(tài)度，對內(nèi)容、科技有熱情。
簡歷投遞：投遞郵箱：liufangping@leiphone.com，或添加微信：liu_fangping。
歡迎對AIoT領域感興趣的小伙伴咨詢/加入。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
