首页 > 2020第三期> 正文
西门子姚峻:人工智能+工业大数据分析:解锁工厂“智能运维”的未来
2021-12-10

9月25日,以“智”造引领,“云”享未来为主题,“科创中国”2020年“企业创新大家谈”系列活动智能制造高峰论坛在北京举办。本次活动由中国科学技术协会主办,中国科协企业创新服务中心、中国仪器仪表学会承办。在主论坛上,西门子(中国)有限公司 数字化工业集团副总裁兼过程自动化事业部总经理姚峻就《人工智能+工业大数据分析:解锁工厂“智能运维”的未来》作主旨报告,本文整理了他的观点分享:

一个一个工厂需要把的自动化,是能够把整个工厂真正联动起来,然后到今天所说的数字化,可能通过不同平台我们把不同的平台上面的数据连起来,通过平台能连起来,比如自动化就是一个平台,然后上面的信息化又是一个平台,我们说设计到生产、到运维,所有的数据又是一个平台。最后从IoT、从到云端又是一个平台。今天现在能够做到的让各个平台,尤其是自动化和信息化能够连在一起,能够有大量的数据能够产生,、大量的数据能够互相地交付,、通过大量的数据能够形成对整个生产质量和生产过程的优化、生产过程的优化,然后实现环保,能够实现、节能降排。

但是智能工厂最终的目标是智能制造,工厂会自运行、自优化,最主要的就是我们说的智能的运行和维护。这里面有三个层级,一是从传感,从感知到认知;二是从优化的控制,从精准到最佳,也就是我不断地把工业参数优化;三是锐化的运营,能够从用不同的专业、不同的技术能够整合在一起,把一个工厂形成一个真正的高智能自运营。

在数字化的前提下,我们能做到产品、生产和性能三个主要步骤的数字化的双胞胎。智能运维已经融入到今天的数字化当中,尤其在数字化双胞胎的技术当中。从产品,我们从质量的预警,两率问题关联的分析,怎么样优化我的产品,我有一个虚拟的产品还没生产之前我就可以可以优化,生产了以后反馈回来我还可以不断地优化我的产品,而且这个优化的速度是非常快,因为他在虚拟的环境就优化了。我们从将产品设计的软件、产品的仿真到产品的优化、质量的分析等等都连在一起。所以今天现在就能够在产品设计和优化上面,我们把一些智能化的元素融入进去,我们在生产的过程中,包括风险的预测、模型的优化、模型仿真也融入进去,达到现在性能预测性的维护、异常的预警和智能诊断,智能运维是一个智能工厂要走过的关键的路,到最后这个工厂可以真正实现是无人化,自带大脑的工厂。

大数据和人工智能是真正实现智能运维的重要手段,我们能看到的,因为我们今天把不同的最新的技术,甚至从商业的技术,不断地融入到工业里面,比如说我们的人工智能、大数据,比如说我们的、5G的技术,而且这些技术都是关联的,夏老师说在云端,它也要跟5G技术连在一起,如果没有这样的技术,很多工业下面的场景是不可能诞生的,诞生了也运行不了无法运行,它的缺少可靠性、稳定性。如果我们看监督学习,要从人工智能的三个阶段开始:

第一,监督学习,扫健康码、导航等都是监督学习,如果把监督学习用到真正的工厂,就是我们的强化感知,从传感到认知,能做到今天异常状态的预警,、风险趋势的预测,我从这些数据中能够认知它,不但能得到数据而且能认知,因为今天现在很多的数据需要实化,第一数据太多,第二连不起来,第三数据发挥不了它的作用,真正把这些数据发挥作用了,这个工厂才能保证上一个台阶。

第二,AlphaGo的强化学习。也就是说你有了认知以后,最关键的是怎么样把你的模型再提高,这就是学习。人要睡觉的、要休息的,机器是不睡觉的,24小时、365天天天可以学,也就是说它不断地从新的数据里学习,去优化原来的模型,所以我们能做到优化控制、精准。

第三,知识图谱。今天比如你拿了一张X光片,上边有两点,医生要去做诊断,拿着片子要做诊断,但是一个专业的医生做不了诊断,可能说有问题,可能说没问题,可能有不同的专业合在一起帮你做诊断,其实工业里面也一样,碰到很多的问题你不知道,。有经验的老师傅很重要,他用20年的生产经验碰到所有的事故,今天没有,我们可以不用,发生任何事故都在知识图谱里,也就是说如果现场发生事情,哪怕是个新的技术人员,首先你到系统里去查,自动去查,同样的事故发生过吗?什么时候发生的?为什么发生的?后来是怎么解决的?这跟一个有经验的老师傅差不多,所以说真正建立知识图谱是很重要的。我们今天就是一个专家知识库,所谓的专家知识库是有很多专家会诊,所以医生会是在人工智能以后最早被淘汰的职业,现在今天去找医生也是,拍了不同的片子,不不化验不同的血是不给你做诊断的,以前只要看看脸色、舌苔就知道什么事情。今天现在他们自己也在走向通过大数据的分析来提高诊断能力,我们的工厂也一样,通过老专家,通过知识图谱把这么多经验收集起来,就能取代这些经验。

我们从工业大数据做机器开始学习,然后形成了模型,从模型去做我们的风险预警预测,然后对这个设备状态的进行分析诊断,再把这些数据又融入进模型,这个模型就是一个自学习的过程,它不断地从目前的数据跟历史数据结合,再去学习,不断地学习迭代,然后再回到整个闭环。也就是说如果我开始用这样的一个系统,我有了一个最初的模型,这个模型会被历史数据和现实数据不断地训练,最后做出来的这样一个诊断、判断、预测会越来越精准,这样的系统可以用到设备维护,也可以用到工艺优化,用到方方面面的运维当中,最后来降低成本,包括提高工厂的可用率、降低成本、资产的整合、更多的数据挖掘等。


(根据2020“企业创新大家谈”第三期速记整理)