500)this.width=500">

吴文超

西门子(中国)有限企业数字化工业集团

经过自动化事业部数字化研发中心总监

　　伴随数字化浪潮汹涌而至，作为核心驱动力的人工智能迎来飞速进步，从赋能千行百业到追逐星辰大海，人工智能已悄然融入全球的方方面面。相比商业应用的深度和广度，目前人工智能在工业领域的潜力仍需持续挖掘。随着人工智能步入进步新阶段，推进人工智能和工业场景融合以释放巨大潜能，将成为产业关注的重点。

　　工业人工智能的起点是客户痛点和需求

　　站在新一轮工业科技革命和中国加快转变经济进步方法的历史性交汇处，工业人工智能已经成为当代工业企业迈给未来、实现工业高质量进步的必答题，人工智能也成为了越来越多行业提高竞争力的选择。

　　那么，啥子是工业人工智能?工业人工智能是实现工业大数据转化为有效信息、抽象为模型、辅助人类进行精准决策、高效执行的经过，它基于算法和模型挖掘工业全球中的“隐性姿势”。

　　虽然人工智能已经被热议多年，但人工智能在工业领域一直面临“落地难”的窘境，究其缘故还是在于其落地经过常常容易走入壹个误区，那就是一谈到工业数据赋能就会想成是大平台，而往往忽略了数据能为客户创新哪些切实的价格。数据是人工智能的基础，但工业人工智能的出发点并不是数据，而是客户痛点和需求。这正是工业人工智能和泛化人工智能之间最核心的不同差异所在。

　　工业给智能化转型更新是跨领域多学科的体系工程，而工业各领域都经过了长达数十年乃至数百年的进步，因此工业人工智能技术之于工业，绝不应该是“倾败者”，而应是“融入者”，因此以工业客户的痛点和需求作为切入点，将智能化技术导入工业生产经过才是行之有效的手段。

500)this.width=500">

SiePA从工业用户痛点出发，充分融入工厂检维修实际需求，为工业用户真正化解痛点难题

　　以设备预测性维护为例，大家需要结合领域经验，用结局倒推的方法来设计整个技术方法：首先根据客户需要，选取合适的目标故障设备和故障类型，要了解不同的故障类型开展预测性维护的价格也不同，因此不同的行业、不同的企业、不同的时刻阶段，客户的痛点和需求都不尽相同。而后，提取和痛点相关的数据，而不是全量数据，比如决定因素设备的决定因素故障类型的相关数据，同时需要充分结合生产运行经过中环境干扰以及复杂工况等影响影响，建立有效的预测预警模型。同时针对识别到的潜在故障风险，进行相应诊断，并为现场工程师提供检维修方法或措施提议，只有这样才能为工业客户真正化解实际难题。

　　工业人工智能构建“蕴含姿势”的模型

　　近年来，工业领域中依赖专家经验代代传承的玩法正遭遇巨大挑战，利用人工智能将核心经验和姿势固化下来变为可传承的资产，将成为大势所趋。而在此经过中，决定因素难题在于怎样将数据特征和机理特征(行业经验)深度融合在一起，将制造姿势和“老师傅”的经验转换为能够被数字全球领会的“蕴含姿势“的模型，从而捕捉那些难以制度化但“老师傅”或行业专家能够感性认知的复杂特征，进而洞察并预测制造经过中还未发生的不可见难题，帮助企业规避潜在风险、实现降本增效。

　　以某流程行业典型设备故障预警功能的实现为例，通过实验大家发现，采用纯数据驱动的方法建模，训练数据需要至少3-6个月，且生成的模型仍会较大地受到环境影响，易出现误报。而采用结合经验和机理的建模方法，通过谱峭度、机械特征参数、环境参数等机理输入，并引入工况经验，对人工智能技术进行有效引导，构建设备健壮情形预警模型，而这种方法将所需训练数据量降低达1个月左右，其最终的预测效果也更为理想。

　　人工智能落地需要人和技术的结合

　　虽然大家对人工智能赋能工业充满期待，但必须承认人工智能黑盒式的“一键美颜”化解方法很多时候并不适用于工业场景。技术落地经过中的可信赖度和安全性对于企业特别重要，因此人工智能在工业落地的重点在于人和技术相结合，即通过客户的参和，共创适合企业的蕴含姿势的模型，由此将人工智能在计算和记忆力、感知方面的优势，以及人类在认知、推理方面的特殊能力有机结合起来，左右脑互用，提供一种透明的“领会”算法，让工业人工智能切实发挥其影响。

　　预测性运维体系SiePA就是西门子和客户让人工智能在工业落地的一次积极寻觅。SiePA基于工业人工智能技术和西门子深耕工业积淀的行业姿势，通过预测预警模块和智能排查诊断模块，对设备运行风险、故障诊断及维护策略进行判断，并给出主推方法。对于客户，SiePA等于于提供了壹个解析模板，在此基础上客户将工厂的实际情形和行业姿势映射到模板中固化成模型，接着应用到具体业务场景。除了这些之后，SiePA还可以随着新需求不断更新迭代，实现对人工智能模型的全生活周期管理，形成持续优化的闭环。SiePA体现的这种人工智能+人类智能的“白盒”特征已在包括石油化工、水泥、城市供水、冶金等多个行业落地，并得到了行业专家的高度认可，目前西门子也在积极寻觅和设备生产厂商及设备服务商等企业的合作玩法。

500)this.width=500">

西门子预测性解析体系SiePA，助力工厂实现面给未来的智能预测性维护

　　除了机理特征维度的合作共创，西门子在推进工业人工智能落地经过中还采取不同的互动方法，赋能于人。例如，西门子一直着力于构建工业人工智能的共创生态圈，通过更为深入的合作共创和沟通，针对不同行业中一些典型的场景，帮助客户更好地梳理相关场景中的需求、共同寻求合适的方法、实现“数据变现”，西门子愿和合作伙伴一起让人工智能真正在工业场景落地生根。

500)this.width=500">

SiePA基于工业人工智能技术和西门深耕工业积淀的行业姿势，使人和技术结合，让人工智能真正在工业场景落地生根

　　三大应用场景落地工业未来可期

　　除预测性维护这一重要的应用领域，从工业的行业特征和人工智能技术途径来看，工业人工智能在强化感知、锐化运营、优化控制三个典型应用场景中将大有可为。

　　强化感知体现为从传感到认知的变化。以往工厂只注重数据的采集和存储，人工智能算法通过对大量数据的解析，洞悉出数据背后的逻辑从而支持工厂的决策，将无序的二进制数据变为真正的高价格数据资产。锐化运营则是专业基础上的协同能力。专业领域间通常存在清晰的界定，但工业环境中的实际难题常常需要跨领域的经验才能化解。企业迫切需要利用人工智能打通不同领域的壁垒，将姿势和经验融合，固化并用来指导生产。优化控制让现代工厂中无处不在的自动化控制完成从准确给最佳的跨越，助力企业实现智能更新。

　　西门子针对三大典型应用场景一直在进行积极寻觅，并推出了相关产品和创造化解方法。在强化感知层面，预测性维护结合APS体系将工厂的强化感知能力进一步扩展到阀门等更多细节。在锐化运营层，SiePA利用天然语言处理以及失效故障和影响解析(FMEA)等，为客户提供将经验固化、传承的数字化手段。围绕优化控制，西门子已落地了一些典型应用场景，例如水行业的泵站设备控制和基于工业数据的泵组优化，在冶金行业可以利用人工智能算法和数据，将用料配比、参数配置等高度依赖专家经验的环节转化为可以传承的姿势，让人类智能在数字化时代得以扩展和延伸。

　　几十年来，大概很少有一项技术能像人工智能一样承载着人类如此多的憧憬和想象力。而只有将人工智能置于实际应用场景中才能真正打开它的价格触点，让科技有为。正如西门子股份企业总裁兼首席执行官博乐仁博士(Dr. Roland Busch)所言：“没有壹个民族或组织能够凭一己之力实现数字化转型，或释放人工智能的全部潜能。人工智能的落地需要不同企业，不同组织的创造和协作，而这个任务也属于这个时代的你、我以及每个人。”

500)this.width=500">

（转载）