戴尔科技 ד欧洲麻省理工” 将智能洞察推向工业边缘

传统制造业搭上智能数字化快车，摇着降本增效的大旗革新底层架构，焕发出新时代的勃勃生机。

我们知道罗马非一日建成，制造业“老树发新芽”的背后是车间机床上的无数次探索，今天让我们一起走进欧洲一流理工大学实验室，看看智能制造是如何从走出理论、走向实践的。

在WZL，科学家、数学家和软件开发人员一起工作，研究从边缘产生的实时数据中获取洞察的方法。作为WZL制造流程的一部分，精密冲裁创新中心会产生大量数据，振动传感器、声学传感器及其他制造条件下的专用传感器每秒生成超过100万个数据点，这些数据首先必须在第一线记录下来并快速处理。

面对海量流数据，WZL以往的做法是使用Hadoop、Apache、Kafka、Spark等经典大数据平台对流数据进行捕捉、处理和历史分析，然而由于大量传感器分布在不同机器、不同位置，且并非所有的传感器都时时刻刻运转，实验室经常要动用人力来处理负载平衡问题。

此外，WZL在管理Hadoop堆栈方面也遇到了麻烦，虽然是大型实验室，但WZL所拥有的资源相当有限，在生产数据小批量、本地化处理的方式下，其研究人员不得不花费大量时间进行内部系统开发。

在数据管理流程上投入太多精力迫使WZL寻找一个可实施的极低延迟的流模型，WZL希望寻找这样一个平台，可以利用高频率数据，帮助制造商在生产过程中收集数据、分析变化，监测产量和工艺质量并实时做出调整。