当NLP遇上工业物联网

5 评论 6685 浏览 17 收藏 10 分钟

编辑导语:自然语言处理(Natural Language Processing)简称NLP,是研究思维、语言和行为中的规律。本文作者从人工智能在工业物联网环境中的应用情况出发,梳理介绍了工业物联网领域中自然语言处理技术的应用与发展,希望通过此文能够加深你对工业物联网的认识。

01 人工智能与物联网

我们正处在一个人工智能,IoT与5G三浪叠加的时代。对此,吴军老师曾经做过一个颇为形象的描述:未来的社会将是一个超级智能的有机体,如果我们把它对应于人,那么人工智能是大脑,IoT就是神经系统。

IoT中数量巨大的传感器和设备扮演着众多感官细胞的角色,而正在发展起来的5G则相当于是周围神经。物联网通过智能传感器、计算机识别技术、通信技术把物品连接到网络上,实现物与物之间的协作来完成任务。在万物实现协作的过程中,将会有大量的数据被生产出来,而这恰恰给当下依赖于大数据算法而爆发的人工智能提供了新的催化剂。

02 自然语言处理与工业物联网

工业物联网(IIoT)是指物联网技术在工业环境中的应用,尤其是在涉及云计算的传感器和设备的仪表和控制方面。

随着云计算和机器学习技术的发展,IIoT行业将实现全新的运作模式,并创造新的收入与业务模型。自然语言处理(NLP)技术旨在研究通过计算机设备理解,处理,应用人类的语言信息,是人工智能研究领域中最为经典,也最具挑战的一个部分。

近年来,工业界开始使用机器对机器通信来实现无线自动化的控制,典型的应用场景包括:智能电网,智能制造,预防性和预测性维护等。IIoT正在尝试通过NLP技术为业务赋能,并将在系统控制,任务追踪,信息检索等任务中得到广泛应用。我们不妨来看看目前NLP与IIoT都碰撞出了什么样的火花。

03 工业物联网中的自然语言处理技术

1. 智能系统控制

目前,基于语音交互的IoT设备中控系统,是工业化物联网的一个新方向。语音交互可以为物联网的应用环境带来诸多好处,包括快速执行复杂的操作任务,以及替代具有触控风险的操作任务。

一方面,语音交互普遍被认为是穿透力最强的交互方式,特别是在处理复杂工单管理的操作时,传统的操作往往需要许多步骤,繁琐且低效,而通过语音交互就可以一步触达。

另一方面,在施工作业的场景下,依然经常需要作业人员亲自到现场进行操作,这就不免会有施工风险的隐患。这时,非接触式的语音交互就展现出不可替代的优势。

若要实现上面描述的语音交互应用,就离不开先进的智能技术支持。而这当中最为核心的部分,当属基于NLP技术的智能问答系统。通过深度学习算法,结合自然语音理解模型,对话管理,语音识别等技术模块的组合,实现语音交互的功能。将语义理解能力接入工业互联网设备中,实现对设备的远程声控与智能管控。

这样的技术与基于语音识别的指令控制不同,它能让设备真正听懂用户,深度理解用户的需求,从而跳过繁琐的步骤,实现灵活的智能化系统控制。此外,语音控制模块可以对接机器翻译模块,实现对不同语言的文本内容进行翻译的工作。在IIoT场景下可以服务于跨语言类的文本处理和语音指令操作。

霍尼韦尔推出的Honeywell-BPS楼宇中控服务,就是一个比较有代表性的应用案例。该服务为客户提供了一个开放性的楼宇物联网平台。汇集了海量楼宇运营数据,并将各类电子系统的接入,以实现设备互通。结合语音交互技术和自然语言理解技术,实现无接触语音中控能力,从而提高楼宇运营效率,降低运营成本。

2. 工业生产运营

工业生产运营是另一个已经被NLP成功切入的IIoT场景,这里涉及到信息数据的采集与数据知识的应用两个方面。

物联网采集层的感知设备作为社交网络资源,基于NLP实现的可交互式的物联网服务框架,针对物联网应用打造一个独立的交互平台, 实现用户与物联网设备之间以自然语言为交互方式的数据查询、命令设置、定期汇报等功能。

NLP技术可以让机器像人脑一样具备阅读理解能力,快速提炼并呈现出文本中的关键知识点,这样的能力能够被广泛应用于存在大量数据和文本资源的工程当中。从海量工业文档数据中挖掘信息,实现工程任务追踪,并优化生产决策流程。

工业生产知识数据还可以通过提炼知识信息创建可视化的知识网络。而机器学习可以增强这一功能,并进一步处理和分析检索到的信息,明确数据的相关性,从而快速高效地查找异常情况。帮助作业人员高效、准确地完成特定的任务,优化人机协作的模式。

信息检索和知识图谱是实现上述场景的关键技术。信息检索是用户进行信息查询和获取的主要方式,是查找信息的方法和手段。流行的信息检索模型包括布尔模型、向量空间模型、概率模型和语言模型,从数据集中找到满足信息需求的非结构化性质的内容。

知识图谱能够有效的将系统当中的知识类信息进行整理与关联,从而实现信息数据之间的相互联结与沟通。针对包含专业技术和知识类文本数据组建图数据库,从而实现复杂的检索功能和智能辅助决策功能。通过图数据库提升文本信息的检索质量,可运用与公共能源管理监控,制造决策辅助,以及知识类智能问答等场景。

说起智能化IIoT的运营,就不得不提到阿里云推出的工业大脑。阿里工业大脑为客户提供了从工业制造到生产营销的一整套智能化服务。在生产环节,阿里工业大脑运用结合NLP算法和工业知识图谱对各类设备状态与整体生产过程数据进行记录,提供智能设备健康管理、工艺参数实时推荐等功能,旨在提升工业生产的效率。

04 总结

物联网不仅连接电子设备,还连接我们每一个人。想象一个设备与人类可以协同工作的世界,各类设备将能够理解我们的疑问、感受我们的需求并提供相关响应。不过,这方面的需求在工业场景下还非常模糊。

目前,很多技术的能力和应用深度还远没有达到工业化落地的程度,这导致在很多场景下的技术应用还很不成熟。虽然NLP技术在提升IIoT工作效率和安全性能方面已经有了不错的表现,但是大多数场景依然不是刚性需求。

在可见的未来,我们相信人工智能和NLP技术都将得到持续的发展。届时,技术将为人们提供更加可信,更加有效的服务。结合计算机视觉技术,RFID无线射频识别技术,在IIoT下,会有越来越多的刚性需求被满足。

NLP技术,将对IIoT行业进行更全面赋能。可能的服务形态包括远程中控,语音交互,和操作判断等。各种物联网设备将更高效的与人类连接,同时更好的与彼此连接,最终将提供给用户更美好的产品和服务,朝着高便利低功耗的方向发展。

 

本文由 @单师傅 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash ,基于 CC0 协议

给作者打赏,鼓励TA抓紧创作!
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 工业领域是一个高度自动化的领域,要求每一个指令相当精准。NLP技术受制于其识别能力的瓶颈,我觉得短期内在工业领域落地还真是有点困难。你能想想一个好几个操着地方方言的工程师在不同的生产阶段用语音指挥一台精密的生产线运作,我觉得有点难。

    回复
    1. 确实是很难的。不过ASR可能不是问题,现在方言识别已经很强了。最大的问题还是做不深,目前很多场景都不是刚需。NLP确实想象空间不大,但是大数据智能化肯定是趋势

      回复
    2. 基于大数据分析的智能化工业流程我也很看好,不过工业流程的数字孪生还真是挺考验数据质量的。目前落地最大的问题的生产线改造的数据采集能力强化,成本太高啊~

      回复
  2. 感觉落地很难,我也想从事这方面的工作,不知道楼主有没有具体的案例可以分享。

    回复
    1. 可以关注一下阿里云的工业大脑

      回复