专访“东风智能制造”2020年东风大数据开发者创意大赛冠军团队——武理小组队
解读大数据 应用大数据
（记者 龙霏）10月底，“东风智能制造”——2020年东风大数据开发者创意大赛顺利收官，经过比拼，来自武汉理工大学的武理小组队获得冠军。这支冠军队伍根据东风乘用车焊接工艺的电流、电压、电阻、能量等历史数据，聚焦企业如何实现质量精准控制的难点与痛点，运用大数据手段，进行了多轮数据分析、数据建模及数据挖掘。日前，武理小组队成员王辉、夏天、贾鹏真就相关问题答记者问。
“大赛顺应了当前信息化时代以数据驱动技术解决工程实际问题的趋势。”
记者：可否具体介绍一下你们这支冠军团队？
王辉：我和队员夏天、贾鹏真均来自武汉理工大学机电工程学院，我是在读博士研究生，夏天是在读硕士研究生，贾鹏真是在读本科生，我们主要的研究方向为现代制造集成与信息系统，与企业的生产制造息息相关。
记者：团队是怎么了解到“东风智能制造”2020年东风大数据开发者创意大赛的？
王辉：我们团队是在导师的推荐下，参与到“东风智能制造”2020年东风大数据开发者创意大赛的。这场大赛给我们提供了一次实践检验理论的机会。此外，此次大数据开发大赛顺应了当前信息化时代以数据驱动技术解决工程实际问题的趋势，让我们更深刻地认识到今后的行业发展与数据工程密不可分。
记者：团队如何看待大数据和数字化对于汽车行业乃至制造行业的重要性？
王辉：大数据和数字化是这几年非常热门的话题，无论是哪个行业谈及未来发展的时候，都离不开它们，汽车企业也不例外。重要性体现在三个方面：一是企业生产过程的自动化，随着IOT物联网技术、IT信息技术、CT通信技术和OT操作技术的发展，基于设备互联的控制、监控、运维等将具有更灵活的方式；二是企业管理过程的信息化，企业管理过程很复杂，为了更好地响应相关职能部门的工作需求，企业必须布局相应的信息化管理系统；三是企业运行模式的数字化，数字化运营模式可以确保所有的企业经营决策都有着可靠而及时的数据支撑。
“多从其它领域中学习，非常容易碰撞出灵感的火花。”
记者：在决定参加比赛之后，团队成员们做了哪些准备？
夏天：首先，我们对电阻焊接工程背景进行了了解。其次，编程工具上我们选用了python语言，这是一种跨平台的计算机程序设计语言，精于数据处理与分析业务，因而我们学习了相关的python编程技术，以及基于python的大数据分析技术，包括数据处理，数据可视化等。另外，大赛提供了华为云平台ModelArts（面向开发者的一站式AI开发平台），该平台也提供了大量的算法和模型，有利于快速实现数据建模，对此我们也进行了相应准备。
记者：在比赛中，你们主要面临的难点有哪些？
夏天：最主要的难点在于识别数据特征规律。由于原始数据受诸多外界干扰因素影响，数据特征规律的准确识别变得异常艰难。我们团队多次讨论，不断地收集和整理文献资料，反复尝试新想法，并进行调整，最终克服困难。
记者：武理小组队的创新成果对东风智能制造具体做了什么优化和改进？
贾鹏真：比如，针对焊接过程中的飞溅特征点识别，我们采用了电阻斜率曲线与差分曲线相乘结合分段阀值的思路，快速高效地实现了电阻曲线中飞溅特征点的识别。该方法不仅能实现电阻曲线中多个飞溅特征点的准确识别，而且还可以由研究人员根据实际生产情况修改调整参数，获得符合实际生产要求的结果。
记者：比赛期间我们团队里发生过哪些小故事，可以分享吗？
王辉：比赛前期，在某些赛题的解决思路上，团队遇到了一些瓶颈。正巧，我们学校举办了几场以智能制造与智能仪器为主题的学术报告，报告中提到了某些信号处理的思想给了我极大启发。从中，我也意识到要多从其它领域中学习，非常容易碰撞出灵感的火花。
“后续将继续对焊接大数据进行数据挖掘”
记者：你觉得比赛中最大的收获是什么？
贾鹏真：参加这次比赛，我的收获还是比较多，最大的收获在于及时转变思维。当面对一个问题尝试了多种不同方法却收不到任何显著效果时，需要及时转变思维，从问题的需求背景出发，这个时候往往能从当前的思维定势中跳脱出来，有益于获得新的想法。此外，解决工程实际问题，并不是方法越前沿越好，有时简单的方法能取得更加显著的效益。
记者：你觉得，参加“东风智能制造”2020年东风大数据开发者创意大赛，对现在在学校的相关研究或者你们的职业规划有没有什么助力？
王辉：当然有助力。绝大多数企业在数字化转型期间，都会面临的一个问题，就是如何把企业积累的海量数据进行转化，用于企业的日常经营和决策。目前，具有较强的数据分析与挖掘技能的人力资源的需求缺口很大，这将成为我们未来职业规划的一个重要选择。
记者：后续，团队会从哪些方面将比赛内容应用到实践中去？
王辉：此次比赛的重点在于对焊接数据的七大特征进行识别，后续，我们团队将继续围绕这七大特征对焊接大数据进行数据挖掘，提炼出有价值的经验规律。例如，可以对焊接质量进行识别、监控和预警，对电极帽修磨和更换时机进行决策，实现质检、工艺等预测性维护。我们希望将大数据知识与生产制造知识相结合，为车企智能制造再升级助力。