工业创新厚积薄发,西门子激活人工智能的真正价值!

西门子专注工业人工智能近30年,已经为多个领域的客户提供了定制化的人工智能解决方案,帮助工业企业在其全生命周期内实现智能预测、高级诊断以及自主优化。

工业创新厚积薄发,西门子激活人工智能的真正价值!

西门子专注工业人工智能近30年,已经为多个领域的客户提供了定制化的人工智能解决方案,帮助工业企业在其全生命周期内实现智能预测、高级诊断以及自主优化。

人工智能可以让人人受益

从AlphaGo击败围棋世界冠军,到Prisma运用深度学习技术制作滤镜刷爆社交网络,关于人工智能的热议从未间断。

在日常生活中,人工智能早已随处可见,比如手机上的语音助手,家里自动调节明暗的吊灯,主动识别和避让障碍物的无人驾驶汽车。不过,它能做的远不止于此。

西门子股份公司首席运营官、首席技术官、管理委员会成员博乐仁博士(Dr. Roland Busch)表示:“有一种形式的人工智能,我们所有人都可以从中受益,就是将人工智能集成到工业过程中,在工业规模上创造价值。”

无数据不智能

数字化是人工智能技术落地的基础。

数字化基础对于人工智能至关重要。在安全的数字化生产环境中,数据被持续不断地产生和处理,为人工智能的应用创造条件。

然而,在2018年普华永道对全球1155家制造企业的调研中,仅有10%的受访企业在数字化方面有所建树,人工智能也仅在这些企业中初露锋芒。正是由于工业领域的数字化基础相对薄弱,加之垂直行业的知识专业度较高,导致人工智能在工业领域的落地面临着消费领域所没有的挑战。

从数据基础来看,不均衡数据成为工业人工智能不容忽视的问题,主要表现为数据量的局限性、数据标注的不均衡等。与消费领域不同,工业数据样本难以进行人为打标,比如面对数千组传感器数据,即使是领域专家也难以直接划分出异常状态。除此之外,如何在快速传输、实时反馈的前提下保证数据质量也是一大挑战。工业生产条件大多较为恶劣,高压、高温等因素都可能影响传感器数据的质量。

从技术适用性来看,工业领域的人工智能也与消费领域有着显著区别。当前,toC端的互联网大数据分析通常倾向于采用复杂的深度神经网络和不同的硬件加速技术;而toB端的数据分析则更看重解决方案的实用性,在对算法复杂性、数据分析效果、现场部署集成环境、用户投入产出比等方面进行综合考虑后,力求得出简单有效的方法。

据西门子中国研究院大数据分析研发部总监田鹏伟介绍:“西门子在为客户定制人工智能解决方案时,一方面要考虑客户现场环境的支持能力和投入成本要求,另一方面也要考虑我们方案的响应能力要求。在工业场景下,我们要做到按需快速反馈。”

人工智能落地工业正当时

西门子专注工业人工智能领域近30年,深谙垂直行业的专业知识,积累了丰富的技术实施和管理经验。目前,西门子在世界各地拥有数百名数据科学家和人工智能专家,业务领域涵盖制造业、能源、楼宇、交通、医疗等。

在中国,西门子早在20多年前就将先进的神经网络技术落地工业,为能源密集型钢铁工厂寻找创新优化方案。

2019年,西门子中央研究院在北京成立AI Lab China,这是西门子在亚洲的首个AI Lab。以此为平台,西门子将进一步打通覆盖欧洲、北美、亚洲的全球人工智能创新网络,借助技术优势与成功经验为中国客户提供行业领先、切实可行的人工智能解决方案。

“AI Lab China为中国客户打开了快速了解和应用西门子工业人工智能技术的窗口。”田鹏伟表示,“我们期待与客户开展紧密而高效的合作,从想法构建、价值共创到原型验证。我们的数据科学家基于西门子的典型方案和案例,帮助客户快速解锁人工智能技术落地其业务的实际可行性。”

如今,西门子的专家团队已经为多个领域的客户提供定制化的人工智能解决方案,帮助工业企业在其全生命周期内实现智能预测、高级诊断以及自主优化。

从基于时间到基于实时状态的预测

人工智能的预测能力已经在诸多方面得到验证。下棋的时候,机器人可以学习过往棋局,并结合现在的落子情况预判各种走法的获胜率;在信用评估方面,银行基于机器学习平台综合评定用户的消费历史、收入能力、个人偏好等信息,预判其违约可能性。那么,如果工厂可以智能排查故障风险并准确预警,生产必定事半功倍。

在过程工业中,影响设备状态的因素复杂多样。如果依靠工程师罗列规则并让计算机做机械判断,效果往往不佳。若想真正实现智能化预判,除了关注设备传感器之外,还要考虑设备所处的生产环境,包括上下游工艺情况和整个工厂的运转负荷等,而这些数据需要借助自动化、数字化运营系统来收集。

中国石化青岛炼油化工有限责任公司(青岛炼化)与西门子保持着长期紧密的合作关系,西门子结合自身技术优势和工厂实际情况,助力青岛炼化打造智能标杆工厂。通过使用西门子SIMATIC PCS 7过程控制系统、一体化软件平台COMOS和虚拟仿真平台SIMIT,青岛炼化成功开启了数字化转型之路,这些都为人工智能发挥预测性维护功能创造了良好条件。

在此基础上,西门子人工智能技术帮助工厂进一步整合多种数据来源,综合分析成百上千个传感器之间的关联关系,借助机器学习算法克服人类难以完全穷举判断规则的难题。通过对工厂的历史数据进行模型训练,智能软件系统可以在实时数据出现异常变化时,实现比传统方式提前数小时甚至数天的预警,从而有效避免非计划性停车可能造成的数千万损失。

“人工智能在西门子EPA (Equipment Predictive Analytics)软件系统中得到了很好的应用。”西门子中国数字化工业集团高级研发工程师、产品负责人吴文超说道,“我们的数字化解决方案与EPA软件系统将协助客户实现运维升级,从传统的基于时间的预防性维护逐步转向基于设备实时状态的预测性维护,达到降本增效的目的。”

未来,西门子还将继续深化与青岛炼化的合作,通过云计算、边缘计算等前瞻性技术进一步挖掘工业大数据的价值。

“中西医结合”诊断原因

华润电力将与西门子共同建设基于MindSphere的集中监视与分析专家系统。

在关乎国计民生的工业领域,确保工厂长期稳定的运行是“硬道理”。因此,企业不仅要预测生产中的故障风险,还要诊断其背后的原因并采取改进措施。

例如,为了进一步提升火电厂竞争力,华润电力控股有限公司(华润电力)希望利用先进的数字化技术,对分布在全国各地的电厂实现远程预警、分析、诊断、优化和调度。因此,华润电力与西门子精诚合作,将共同建设基于MindSphere的集中监视与分析专家系统。

田鹏伟介绍道:“在高级诊断方面,西门子人工智能专家团队打造的技术方案,不仅能够挖掘传感器数据的特征和模式,还能够对行业知识基于语义进行知识管理和推理,因此可以‘中西医结合’为客户诊断问题、优化管理。”

一方面,智能软件系统可以通过机器学习算法来深度分析传感器数据,对设备运行的当前数据与历史数据进行量化的特征学习和模式识别。这类似西医在诊断前要求患者进行各项检查,然后依照化验单上的数据找出症结所在。另一方面,系统还运用了基于知识图谱的自然语言处理技术,将机组当前的运行状态与根据历史维护记录、专家经验等建立的知识库中的故障描述和分析进行语意关联,推断出可能的故障原因和解决方案。这就好比经验丰富的老中医通过“望、闻、问、切”了解患者症状之后,基于医术知识进行辩症、开方。

西门子的人工智能诊断方案被称为“设备医生”,通过上述“中西医结合”的方法为工厂治病。如今,西门子专家团队已经帮助多家企业实现生产运营中的智能诊断,打通从预警、诊断到执行的完整预测性维护闭环。

探寻成本与质量的平衡之道

在精加工领域,一汽解放发动机事业部通过西门子人工智能方案寻求平衡成本与质量的最优解。

AlphaGo把增强学习和深度神经网络应用于传统围棋,在下棋过程中不断修正自己的棋法。在工业领域,人工智能技术也可以助力设备和系统实现自主优化。

自2017年起,在江苏省科技厅和苏州工业园区的支持下,西门子持续开展高端数控机床的大数据分析,为当地制造企业提供行之有效的人工智能解决方案。

一直以来,制造业都在探寻生产成本与产品质量的平衡之道。一汽解放发动机事业部(锡柴)是中国发动机的主要制造基地之一,其精加工工艺涉及十余种不同刀具,而刀具参数的设置则是精加工领域平衡成本与质量的关键问题。作为数控机床的重要部件,刀具成本高昂,寿命值设置过低会导致生产成本上升,而设置过高则容易影响产品质量或增加机床负载,甚至造成机床损坏。在复杂多变的生产环境中,凭借人为经验做出判断的误判率较高。西门子的专家团队通过机器学习算法,自主学习不同切削参数下刀具寿命的模式,进而帮助发动机事业部(锡柴)预测在实际生产状态下的刀具寿命最优值,让其在不影响生产质量的前提下发挥最大价值。

同时,西门子的专家团队与发动机事业部(锡柴)技术人员合作,根据刀具参数、工件材质对机床负载进行建模分析,后期还将结合刀具寿命与机床负载,形成寿命负载均衡模型,进一步实现关键加工性能的预测。

实时获取最优参数组合

西门子专家团队利用大数据和机器学习算法为耐世特产品部件的生产推荐最优参数组合。

产品质量良率的提升也是中国智能制造的一大重要目标。同样位于江苏省的耐世特汽车系统公司(耐世特)也正在与西门子人工智能团队合作,以优化某核心产品部件的生产质量。该部件的加工基于CNC数控机床,在设置数控机床参数时,需要综合考虑当前的工艺要求和生产环境。西门子的专家团队基于先进的人工智能技术,例如生成式对抗神经网络(GAN),来寻找最优参数组合,有效提升良品率。

西门子中国研究院机器学习研究员冯程介绍道:“我们利用大数据和机器学习,针对当前生产环境为耐世特产品部件的生产推荐最优参数组合。此外,我们也可以通过最优参数减少加工循环,从原本2-4次变成1-2次,从而获得更短的节拍和更高的产出。”

人工智能、物联网与“工业4.0”

随着物联网应用的逐渐深入,以人工智能、云计算、边缘计算为核心技术构建的运算平台将越来越普遍,也将为工业未来创造前所未有的机遇。三大技术的融合能够在保持边缘计算设备高度自治的同时,兼顾云端设备广泛的连接能力,从而避免传统模式下的信息孤岛。此外,人工智能的高级分析和决策能力还可以帮助企业实现生产设备和系统的高效低耗运营。

毫无疑问,人工智能技术为实现“工业4.0”提供了强大的助推力。基于端到端的信息化基础设施,智能软件解决方案可以深度处理由工厂产生的海量数据,让工厂在无人工干预的情况下持续适应动态多变的生产环境,让各垂直领域的企业更加便捷高效地进行管理决策,最终推动从生产方式到管控模式的全方位数字化转型。这正是智能工厂的真正含义。

“我们的目标是为生产创造数字化伴侣,帮助人类更好地进行决策。”西门子股份公司 公司核心技术数据分析和人工智能总经理Michael May博士说道,“但无论如何,人类都是最终的决策者。”