您（nín）所在位（wèi）置：企業焦點（diǎn）新聞
公司產品分類
公司動（dòng）態
西（xī）門子姚峻在第三屆數字中國建設峰會智（zhì）能製造分論壇上的主旨演講
發布時間：2020-10-15
工業人（rén）工（gōng）智能+大數據（jù）分析：解鎖工廠“智能運維”的未來（lái）
10月（yuè）12日，西門子（中國）有限公司數字化工業集團副總裁（cái）兼過程（chéng）自動化部總經理（lǐ）姚峻參加了第（dì）三屆數字中國建（jiàn）設峰會智能製造分（fèn）論壇，並以（yǐ）“工業人工（gōng）智能+大數據（jù）分析：解鎖工廠‘智能（néng）運維（wéi）’的未來”為主題發表主旨演講。姚峻在演講中著重（chóng）介（jiè）紹了（le）由西門子中國團隊研（yán）發的（de）設備預測性維護係統SiePA。
在（zài）人工智能技術的支持下，SiePA 充分利用工廠曆史數據，通過（guò）設備運行狀態預測預警模塊與智能排（pái）查診（zhěn）斷模塊（kuài），不僅能及時預測預警運營中（zhōng）的故障風險，還能幫助企業高（gāo）效診斷故障原（yuán）因並指導其進（jìn）行維（wéi）修維護，從而有效控製風險（xiǎn）、降本增效。在中國，SiePA已成功應用（yòng）於包括中國石化青島煉油化（huà）工有限責任公司在內的多個客戶工（gōng）廠。在青島煉化的智能工廠中，SiePA為客戶（hù）建立起（qǐ）了從智能預警到高級診斷的閉環機製（zhì），以保證生產的可靠性和安全性。
演講實（shí）錄：
今天我希望（wàng）和大家分享如何把人工智能和大數據運用到工業領域中，幫助工業落地工廠（chǎng）的智能運維。我（wǒ）們從簡單（dān）的自動化走到數字化，更多的是實現兩化融合（hé），打造端到端的價值鏈，形成從采購、訂單、排產、倉儲物流到用戶的閉環信息流，將（jiāng）從設計、工程、生產、運（yùn）維到服務的所有數據集成（chéng）到一個平台。這（zhè）是今天我們在做的，其中運用（yòng）了很多智能化的技術，但這還（hái）不是我們所追求的真正的智能（néng）工廠的目標。我們希望實現（xiàn）的智能運維分三個層次，一個是強化感知，從認知到傳感到認知；一個是（shì）優化控製，從精準到最佳；一個是銳化運營，從專業到協同（tóng）。
數字化工廠包括（kuò）三個數字化雙（shuāng）胞胎：產品的數字化雙胞胎、生產的數字化雙胞（bāo）胎和性（xìng）能的數字化（huà）雙胞胎。基於數字化雙（shuāng）胞胎技（jì）術，我們已經可以將智能（néng）運維中的強化感知、優化控（kòng）製、銳化運營等應用融入到很多應用（yòng）場景之中。在產品設（shè）計過程中實現產品質（zhì）量（liàng）預警（jǐng），在產（chǎn）品生產中實現風險預測、參數（shù）優（yōu）化和仿真模擬，以（yǐ）及在性能方麵實（shí）現預測性維護（hù），如（rú）異常預警和智能診（zhěn）斷。
工業人工智能是工（gōng）廠（chǎng）智能運（yùn）維落（luò）地的核心工具。今天我們在日常生活當中碰到的人工智能也可以用到智能運維中，比如（rú）監督學習就是一個很好的例子。在工業場景中完成異常狀態預警（jǐng），首先需要識別什麽（me）是異（yì）常，異常出現後係統會預警。異常出現頻繁（fán）了，係統會做風險預測趨勢等。強化學習也是一樣，通過不斷（duàn）的自我學習，來將優化控製（zhì）運用到工廠裏麵，例如實現（xiàn）參數的優化。生產包括（kuò）工藝，有很多關聯性的分（fèn）析能夠實現參數的優化，從而提升質量和（hé）效率。那麽（me）最高的一個層次是知識係統和知識圖譜，就像我們今天去看醫（yī）生一（yī）樣，原來是望聞問（wèn）切，今天需要做很多檢查，需要不同（tóng）專業（yè）的醫生的判（pàn）斷來幫助（zhù）醫生做出最後診斷。在工（gōng）業場景中（zhōng），就需要形成一個知識圖譜。如果一個設備出了問（wèn）題，需要專（zhuān）家去看，做出診斷解決問（wèn）題。今天我們用知識圖譜就可以解決這個問題，也（yě）就是說積累了大量信（xìn）息和知識後，如果發生了設備問題，就可以在知識圖譜裏去對（duì）照。過去發生過（guò）嗎？怎麽（me）發生的？什麽原（yuán）因造成的？後來是怎麽解決（jué）的？也就是說我們（men）可以不再依賴一個老專家，而是一個知識庫來幫助我們快速找到問題的關（guān）鍵，從而解決問題。
工業大數（shù）據分析也是智能運營的一（yī）個重要基礎。今天（tiān）數據的（de）利用大部分還是在應用數據的描（miáo）述性。我們在工廠看到的非（fēi）常炫的大（dà）屏展示，還（hái）是一些實（shí）時數據或者是篩選過的、總結（jié）過的一些數據。真正的智能化是能夠持續學習，持續（xù）優化。一個工廠能夠自主學習、自（zì）優化，需（xū）要經過兩個主要階段，一個是數據分析，通（tōng）過深入的分析和預測，可以向工廠（chǎng）運維（wéi）人員提供很多信（xìn）息。第二個是全生命周期數據閉環。如果有了（le）一（yī）個模型，這個模型會在今（jīn）後得到的所有數據上不斷的去反饋來優化這個模型（xíng），形成閉環。反饋（kuì）非常重要，能夠讓係統實現自主學習、自優化。
今天西門子（zǐ）中國（guó）的團隊研發出了一個重要的預測性運（yùn）維平（píng）台SiePA，它目前主要有兩大模塊，一個是狀態預測預警，一（yī）個（gè）是智能排查診斷。第一個預警是提早預報關鍵設備可能出現的問題，同時診斷模塊會說明問題可能產生（shēng）於哪裏，以及如（rú）何來解（jiě）決和避免這樣的問題，這樣能夠幫助（zhù）客戶減少非計劃性停車，提高效率（lǜ）。
SiePA的架構圖很（hěn）簡單，我們（men）從現有數據裏麵，不管是來自控製係統、設備監測、故障通知與分析、工藝設計還是維修（xiū）報告日誌的數（shù）據，從這些（xiē）數據中建立模型，實（shí）施監控、分析評（píng）估，最後來做診斷，甚至是形成一個閉環來幫助模型的不（bú）斷優化。
我們（men）從工業大數據開始機器學習，找到各種（zhǒng）不同參數之間的（de）關聯（lián）性並建立模型，然後建立風險預測預警，提供智（zhì）能分析診斷，然後又能在全生命周期（qī）通過新的數據反饋來進行模型的（de）迭代和優化（huà），進一步幫助機器去（qù）學習。生命（mìng）周期不斷的（de）提高將大幅提升工廠的可用（yòng）率和運營效率，包括正確的決策，成本的降低等（děng）。
作為人（rén）工智能在工（gōng）業（yè）場景下產品化設計的一次成功嚐試，SiePA獲得了2020德國（guó）紅點設計大獎，入選2020世界人工（gōng）智能大會卓越人工智（zhì）能引領者（SAIL）TOP30榜單。SiePA 已成功應用於包括中國石（shí）化青島煉油化工有限責任公司在內的多個客（kè）戶工廠，為客戶建立起了（le）從智（zhì）能預（yù）警到高級診斷（duàn）的閉環機製，以保證生產的可靠（kào）性和安全性。目前，西門子已在全（quán）球市場與眾多企業基於 SiePA 開展相關合（hé）作與應用（yòng），向著數字化與智能化製造的目標不斷邁進。
