解決方案中的‘工業大數據智慧云鏈平臺’已經應用在部分工業場景中，而‘軌道裝備預測式健康管理方案（PHM）’獲得國家自然科學基金委重大儀器專項“基于多物理信號的高速列車系統級健康分析儀器”、中車集團重大專項“軌道交通裝備故障預測與健康管理技術研究與應用”、中車集團重大專項“出口機車遠程監測與診斷系統”等多個重大項目的支持。

平臺誕生 恰逢其時

如果說工業大數據平臺或者工業大數據云平臺已經逐漸部署在我國的工業產業生產中，那么，被賦予了人工智能和區塊鏈的工業大數據云平臺的出現則進一步推動工業智能制造的發展，加快工業數字化的轉變。

‘工業大數據智慧云鏈平臺’以人工智能和大數據為核心，以區塊鏈為基礎，提供數據與人工智能模型生態和分布式人工智能算力資源。其中，‘區塊鏈智能霧計算層’作為平臺的技術支撐層，包括為平臺提供核心功能的核心功能層和進行大數據云端存儲，針對企業級海量數據吞吐能力，高性能數據預處理能力的工業大數據平臺層兩部分。

作為充分運用人工智能技術的核心功能層，基于深度學習網絡、機器學習策略、對抗網絡、智能模型生成、智能模型管理、知識策略管理和工業知識數字化重建系統來支撐平臺工業數據分析、運行狀態監控、設備故障處理和運維能力優化的能力。由此，區塊鏈智能霧計算層就形成了大數據+人工智能模型的生態體系。

平臺實現落地應用，不僅依靠過硬的技術，擁有極高的“適配性”也是特點之一。平臺集成了ERP系統、產線管理和工單系統。通過可視化和報告工具為實際應用場景中的業務流程提供支持，通過設置第三方系統接口，允許企業接入既有系統，幫助企業減少了重復開發的成本。

四大核心優化工業產業流程

工業裝備結構特征學習是利用基于符號回歸的系統結構特征學習和基于復雜系統臨界相變理論的早期預警特征學習，能夠適用于工業裝備機理知識發現和狀態檢測；基于對抗網絡的小樣本學習是基于TSGAN時間序列生成式對抗網絡的特征學習和分類，能夠適用于小樣本數據模式發現；基于深度神經網絡圖像識別和物體檢測適用于各種工業產品檢測、過程監測和人員狀態識別；工業領域知識數字化重建適用于各種工業領域的知識庫建設和自動推理。

這四大核心技術衍生的“產品”之一就是于2018年被應用在肯尼亞獨立以來的首條新鐵路肯尼亞蒙內鐵路上的海外機車遠程監控系統。借助智能儀表和遠程數據中心，可以實現實時追蹤機車運行位置、機車運行實時故障報警和故障遠程診斷等功能，系統在蒙內鐵路項目中主要用于監控中車集團出口肯尼亞的48臺機車，可以實現從組件級到整個機車的管理、操作和維護優化。目前系統已平穩運行一年。

而另一個“產品”軌道裝備預測式健康管理方案（PHM）。利用中國鐵路特有的、全球最豐富的運營樣本、數據和經驗，借助PHM大數據平臺中的PHM分析引擎，完成軌道裝備的設計改進、優化運營和優化維修，再通過人工智能的裝備狀態評估，完成對重大事故的在線預警、部件剩余壽命估計和自動化故障診斷和維修。“研究院”希望借助軌道裝備預測式健康管理方案（PHM）能夠大幅度提高運維效率、降低維修成本，支撐鐵路可持續發展。

中國“一帶一路”建設在2013年被提出，“六路”中的鐵路為地區間的互通互聯和貿易往來提供了基礎。預計到2020年，鐵路后市場年均市場規模將達到2000億元。其中，運維檢測市場年均將達500億元。巨大的市場催生了的工業大數據平臺、設備維護等技術的快速發展。MATRIX“研究院”希望能夠針對現有的運營體系進行優化，與當地政府及其他工程方、研究機構聯合申請研究型課題，作為軌道交通方面人工智能產業集群平臺主要依托單位搭建產學研一體化平臺。