SIEMENS贵州省贵阳市 西门子驱动、电机代理商——西门子西南总代理

工业人工智能是工厂智能运维落地的核心工具。今天我们在日常生活当中碰到的人工智能也可以用到智能运维中，比如监督学习就是一个很好的例子。在工业场景中完成异常状态预警，首先需要识别什么是异常，异常出现后系统会预警。异常出现频繁了，系统会做风险预测趋势等。强化学习也是一样，通过不断的自我学习，来将优化控制运用到工厂里面，例如实现参数的优化。生产包括工艺，有很多关联性的分析能够实现参数的优化，从而提升质量和效率。那么Zui高的一个层次是知识系统和知识图谱，就像我们今天去看医生一样，原来是望闻问切，今天需要做很多检查，需要不同专业的医生的判断来帮助医生做出Zui后诊断。在工业场景中，就需要形成一个知识图谱。如果一个设备出了问题，需要专家去看，做出诊断解决问题。今天我们用知识图谱就可以解决这个问题，也就是说积累了大量信息和知识后，如果发生了设备问题，就可以在知识图谱里去对照。过去发生过吗？怎么发生的？什么原因造成的？后来是怎么解决的？也就是说我们可以不再依赖一个老专家，而是一个知识库来帮助我们快速找到问题的关键，从而解决问题。

工业大数据分析也是智能运营的一个重要基础。今天数据的利用大部分还是在应用数据的描述性。我们在工厂看到的非常炫的大屏展示，还是一些实时数据或者是筛选过的、总结过的一些数据。真正的智能化是能够持续学习，持续优化。一个工厂能够自主学习、自优化，需要经过两个主要阶段，一个是数据分析，通过深入的分析和预测，可以向工厂运维人员提供很多信息。第二个是全生命周期数据闭环。如果有了一个模型，这个模型会在今后得到的所有数据上不断的去反馈来优化这个模型，形成闭环。反馈非常重要，能够让系统实现自主学习、自优化。
今天西门子中国的团队研发出了一个重要的预测性运维平台SiePA，它目前主要有两大模块，一个是状态预测预警，一个是智能排查诊断。第一个预警是提早预报关键设备可能出现的问题，同时诊断模块会说明问题可能产生于哪里，以及如何来解决和避免这样的问题，这样能够帮助客户减少非计划性停车，提高效率。