在人工智能技術的支持下，SiePA 充分利用工廠歷史數(shù)據(jù)，通過設備運行狀態(tài)預測預警模塊與智能排查診斷模塊，不僅能及時預測預警運營中的故障風險，還能幫助企業(yè)高效診斷故障原因并指導其進行維修維護，從而有效控制風險、降本增效。在中國，SiePA已成功應用于包括中國石化青島煉油化工有限責任公司在內(nèi)的多個客戶工廠。在青島煉化的智能工廠中，SiePA為客戶建立起了從智能預警到高級診斷的閉環(huán)機制，以保證生產(chǎn)的可靠性和安全性。
|
演講實錄： 今天我希望和大家分享如何把人工智能和大數(shù)據(jù)運用到工業(yè)領域中，幫助工業(yè)落地工廠的智能運維。我們從簡單的自動化走到數(shù)字化，更多的是實現(xiàn)兩化融合，打造端到端的價值鏈，形成從采購、訂單、排產(chǎn)、倉儲物流到用戶的閉環(huán)信息流，將從設計、工程、生產(chǎn)、運維到服務的所有數(shù)據(jù)集成到一個平臺。這是今天我們在做的，其中運用了很多智能化的技術，但這還不是我們所追求的真正的智能工廠的目標。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；一個是優(yōu)化控制，從精準到最佳；一個是銳化運營，從專業(yè)到協(xié)同。 數(shù)字化工廠包括三個數(shù)字化雙胞胎：產(chǎn)品的數(shù)字化雙胞胎、生產(chǎn)的數(shù)字化雙胞胎和性能的數(shù)字化雙胞胎�；跀�(shù)字化雙胞胎技術，我們已經(jīng)可以將智能運維中的強化感知、優(yōu)化控制、銳化運營等應用融入到很多應用場景之中。在產(chǎn)品設計過程中實現(xiàn)產(chǎn)品質(zhì)量預警，在產(chǎn)品生產(chǎn)中實現(xiàn)風險預測、參數(shù)優(yōu)化和仿真模擬，以及在性能方面實現(xiàn)預測性維護，如異常預警和智能診斷。 工業(yè)人工智能是工廠智能運維落地的核心工具。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，比如監(jiān)督學習就是一個很好的例子。在工業(yè)場景中完成異常狀態(tài)預警，首先需要識別什么是異常，異常出現(xiàn)后系統(tǒng)會預警。異常出現(xiàn)頻繁了，系統(tǒng)會做風險預測趨勢等。強化學習也是一樣，通過不斷的自我學習，來將優(yōu)化控制運用到工廠里面，例如實現(xiàn)參數(shù)的優(yōu)化。生產(chǎn)包括工藝，有很多關聯(lián)性的分析能夠?qū)崿F(xiàn)參數(shù)的優(yōu)化，從而提升質(zhì)量和效率。那么最高的一個層次是知識系統(tǒng)和知識圖譜，就像我們今天去看醫(yī)生一樣，原來是望聞問切，今天需要做很多檢查，需要不同專業(yè)的醫(yī)生的判斷來幫助醫(yī)生做出最后診斷。在工業(yè)場景中，就需要形成一個知識圖譜。如果一個設備出了問題，需要專家去看，做出診斷解決問題。今天我們用知識圖譜就可以解決這個問題，也就是說積累了大量信息和知識后，如果發(fā)生了設備問題，就可以在知識圖譜里去對照。過去發(fā)生過嗎？怎么發(fā)生的？什么原因造成的？后來是怎么解決的？也就是說我們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鍵，從而解決問題。 工業(yè)大數(shù)據(jù)分析也是智能運營的一個重要基礎。今天數(shù)據(jù)的利用大部分還是在應用數(shù)據(jù)的描述性。我們在工廠看到的非常炫的大屏展示，還是一些實時數(shù)據(jù)或者是篩選過的、總結過的一些數(shù)據(jù)。真正的智能化是能夠持續(xù)學習，持續(xù)優(yōu)化。一個工廠能夠自主學習、自優(yōu)化，需要經(jīng)過兩個主要階段，一個是數(shù)據(jù)分析，通過深入的分析和預測，可以向工廠運維人員提供很多信息。第二個是全生命周期數(shù)據(jù)閉環(huán)。如果有了一個模型，這個模型會在今后得到的所有數(shù)據(jù)上不斷的去反饋來優(yōu)化這個模型，形成閉環(huán)。反饋非常重要，能夠讓系統(tǒng)實現(xiàn)自主學習、自優(yōu)化。
今天西門子中國的團隊研發(fā)出了一個重要的預測性運維平臺SiePA，它目前主要有兩大模塊，一個是狀態(tài)預測預警，一個是智能排查診斷。第一個預警是提早預報關鍵設備可能出現(xiàn)的問題，同時診斷模塊會說明問題可能產(chǎn)生于哪里，以及如何來解決和避免這樣的問題，這樣能夠幫助客戶減少非計劃性停車，提高效率。
SiePA的架構圖很簡單，我們從現(xiàn)有數(shù)據(jù)里面，不管是來自控制系統(tǒng)、設備監(jiān)測、故障通知與分析、工藝設計還是維修報告日志的數(shù)據(jù)，從這些數(shù)據(jù)中建立模型，實施監(jiān)控、分析評估，最后來做診斷，甚至是形成一個閉環(huán)來幫助模型的不斷優(yōu)化。
我們從工業(yè)大數(shù)據(jù)開始機器學習，找到各種不同參數(shù)之間的關聯(lián)性并建立模型，然后建立風險預測預警，提供智能分析診斷，然后又能在全生命周期通過新的數(shù)據(jù)反饋來進行模型的迭代和優(yōu)化，進一步幫助機器去學習。生命周期不斷的提高將大幅提升工廠的可用率和運營效率，包括正確的決策，成本的降低等。
作為人工智能在工業(yè)場景下產(chǎn)品化設計的一次成功嘗試，SiePA獲得了2020德國紅點設計大獎，入選2020世界人工智能大會卓越人工智能引領者（SAIL）TOP30榜單。SiePA 已成功應用于包括中國石化青島煉油化工有限責任公司在內(nèi)的多個客戶工廠，為客戶建立起了從智能預警到高級診斷的閉環(huán)機制，以保證生產(chǎn)的可靠性和安全性。目前，西門子已在全球市場與眾多企業(yè)基于 SiePA 開展相關合作與應用，向著數(shù)字化與智能化制造的目標不斷邁進。 —————————————————— |
