K2追光者 | 我们在山沟沟里做高科技
来源: | 作者:pmod6d781 | 发布时间: 2021-01-25 | 1767 次浏览 | 分享到:


写在前面

想回顾2020年,却不忍回顾。

在疫情时代的跌宕起伏中,我们经历的那些阻碍、曲折与挑战,获得的那些荣誉、认可和进步,都显得不足为道。

如果还有什么能触动到我,并且我也希望能通过文字传达给你,就是这些奔忙在工业一线的K2Climbers,心中的信仰、眼中的光。

这一组人

2019年一个人去偏远的水电站翻五十多公里山路,只敢打女司机的车,却在数据价值探索面前平和而坚定的少波,是K2今年最后一个归队的项目经理。

他的水电小分队一共有五名主力,海国作为全能型技术选手在项目里镇场子,总能快速高质量响应项目里的复杂需求;明春心思细腻,工作上总能从多角度考虑和解决问题,出差回家总不忘给小女儿带一份礼物;尤丽小宅女是前端小快手,项目提出的“变态”展示需求都不在话下;非知名歌手张杰平日话不多,一进现场就生龙活虎,客户虐我千百遍,我待客户如初恋。

这一年来,他们神龙见首不见尾,有的活在电话里,有的活在传言里,有的实在太久没见得查一下花名册看是不是已离职……临近年根,有一个仍在现场做项目收尾工作。

受疫情影响,原计划2020年春节后开工的项目组到5月份才开始做数据接入,10月份开始驻场攻关,在少波均衡有序的安排下,项目组高效紧凑地完成阶段性进展,但也有计划赶不上变化的时候。

比如2020年1月1日是拉着项目组小伙伴在客户机房度过的,少波拿定主意2021年的1月1日一定要让伙伴们回家和孩子们过个年,结果恰恰赶上了北京新一波疫情。

为了不耽误交付,他们飞回客户所在地又自行隔离了14天,期间给他和客户现场做对接的,是来自石家庄有家不能回的张杰和能不动就不动的尤丽。

问起这一年印象最深的时刻,总有那么几个连续熬夜冲刺,焦虑到夜不能寐,压力大到想哭还是咬牙说我能行的时刻,不忍回顾,还是说点开心的吧。

最后,少波又一次暴露胆量,说起了从长沙坐车到怀化然后转大巴又转小巴去凤滩水电站的那一天,沿沱江悬崖峭壁边行驶的那漫长揪心的3个多小时;而张杰则声情并茂地描绘了从安化到东江水电站的路上,赶上上游开闸放水,有一条七八斤的大鱼沿着鱼道“喜从天降”砸到了自己坐的大巴上。

这支5人小分队,从偶尔零星吃点辣,到适应湖南本土生活无辣不欢;从初见绿水青山水电站的赏心悦目,到后来见怪不怪;从摸索业务落地可行性,到客户验收给出高度评价,他们收获的不仅仅是项目的成功,还有团队的信心和更广阔的期待。

这一件事

少波服务的项目是水电数字化的业务探索,如何结合数据,为湖南3600多座水电站提供设备安全和运行优化等数字化服务,在水能资源丰富的湖南,他们和电网客户结伴而行,脚步东至怀化,南至郴州。

“水电站都建在山谷河道上,每到现场,都感觉我们在山沟沟里做高科技。”说起这些,少波总会无意识地从笑容里透出一些自豪感。

K2不生产数据,但项目组得做工业数据的搬运工。高科技也从“数据接入”苦力活开始。一方面是数据质量参差不齐,另一方面,电力行业的安全稳定运行是第一要义,对数据的保密意识也非常强,在大量审批、安全报备、本地部署和层层中转,数据才能接入K2Assets产品中,完成数据的资源化管理。

随后的数据分析最容易被感知业务价值,却也是最难实现的部分。K2认为,用数据将工业专家知识的结构化、定量化、模型化,是工业数据价值落地的必经之路。但是,专家知识实用却不完备,机理模型的很多参数都不可测量,要模型化往往需要反复求证和迭代。

以客户认可度很高的水轮机组摆度分析模型为例。项目组请来了智囊团,K2电力业务专家、电机专家、数据分析师联合外部水电专家,带着整套测试设备,多次深入现场做水轮机组性能测试,获取一线数据,反复校验打磨,最终基于K2Assets产品将专家定性描述的诊断知识一步步结构化、模型化,成为一个知识型水电行业APP部署在智慧水电终端。

另一个水电站入库流量预测的分析课题,在K2数据分析师和客户方水电专家的协同下完成了模型化,并成为“第四届中国工业大数据创新竞赛”的赛题之一,倡导更多水电从业者的参与和思考,在地表径流、蒸发量等要素和过程不可直接观测的情况下,如何融合异构的数据源,构建一个相对可靠的预测模型。

秉承“授人以鱼不如授人以渔”的理念,我们帮助客户率先实现一些典型业务场景的探索实践,但最终目标是赋能企业内部的工业专家,降低大数据的使用门槛,让他们能够基于时空对齐的设备数据去发现问题、定位问题,并辅助辨识问题背后的根因。

这对客户而言,不仅是学习使用一种全新的工业软件去沉淀知识模型,也在探索全新的知识服务化业务。项目组就是这个学习探索过程的助推器。

这一种执念

随着第一期项目的交付,有一部分知识型水电行业APP已经在数据基础好的水电站运行起来,有一些仍在对接调试中。

运行优化类的应用,用户一般都需要观察和试用一段时间,谨慎验证过数次之后,才会产生基本的信任,反馈周期比较长。

而设备健康类的应用,数据基础好的电站设备新、异常少,模型的有效性和准确率都还需要一个漫长的验证过程;老旧的电站机组服役期长,容易出问题但数据基础不好,很多设备异常没被有效标记;有的缺乏基本的自动化水平,连停机控制都需要手动干预,很难与目前的数字化能力接驳。

“机到中年”的电站和偏向日常运行优化的应用,是水电小分队接下来的重点关注对象。

在风光水火核等电力行业,在高端装备、石油天然气、钢铁冶金、工程机械、电子制造等领域,一组组的K2小分队奔赴客户现场。世上本没有路,走的人多了,也便成了路;工业数智化有很多坑,趟的坑多了,我们就成了避坑指南。

在技术创新和项目交付面前,我们和时间赛跑;在产业落地面前,我们尊重市场原有的规则,尊重工业用户的理性与慢热;在工业数智化浪潮下,我们享受时代的创新红利,受益于客户的信任,也必须直面创新带来的不确定性与层出不穷的挑战。

相较于每一次的工业时代变迁,都会跨域数十年,K2的攀登征途也只是启程不久。“一年易气、七年易骨”,站在K2投身工业数智化的第七年,回顾过去,我们从未像今天一样感受到,我们向工业大数据的普适化价值落地已迈出了一大步。

2021,追光前行。