报告人简介
——
Enrico Zio

米兰理工大学、巴黎萨克雷大学教授

Enrico Zio教授于1991年获米兰理工大学核工程硕士学位,1995年获加州大学洛杉矶分校机械工程硕士学位,1996年和1998年分别获米兰理工大学核工程博士学位和麻省理工学院概率风险评估博士学位。现任法国PSL大学巴黎高等矿业学院风险与危机研究中心(CRC)正教授。曾担任清华大学、香港城市大学、北京航空航天大学、挪威斯塔万格大学等多所知名学府的杰出客座或兼职教授。担任北京航空航天大学关键基础设施可靠性与安全中心(CRESCI)及中法风险科学与工程实验室(RISE)联合主任。荣获洪堡研究奖(2020)及美国机械工程师协会Ayyub-Wiechel风险分析奖(2025)。当选IEEE会士、国际预测与健康管理学会会士及人工智能产业科学院会士。Google Scholar H指数114,入选斯坦福全球前2%顶尖科学家及科睿唯安全球前1%高被引科学家。在ScholarGPS终身排名中,于核工程、关键基础设施、可靠性工程及系统安全四个领域均位列全球第一。研究方向包括基于蒙特卡洛模拟、人工智能及优化启发式方法的复杂系统可靠性、维修性、预测、安全、脆弱性、韧性与安保建模。

报告名称:《面向可靠性、维护性与安全性的可信人工智能》
——
报告摘要

监测技术的迭代升级,推动设备运行多模态数据(数值、视觉、文本)实现全面采集。通过融合挖掘采集到的数值、图像及文本数据,可精准研判元器件与系统的健康状态,为设备安全可靠运行的管控决策提供科学支撑。本报告聚焦人工智能算法在多模态工业数据解析中的应用,探究基于多模态数据挖掘设备部件及系统运行状态评估与寿命预测的关键技术,并系统性剖析可信人工智能技术落地工业场景实际应用亟待攻克的难点与挑战。