將夢想變?yōu)楝F(xiàn)實是科技的魅力所在，而科技所創(chuàng)造的現(xiàn)實價值，也許連科幻電影都不曾預料到。如今，人工智能已經(jīng)融入社會生活的方方面面，從“刷臉”支付、語音助手等日常應用，到疫情期間發(fā)揮重要作用的智能測溫系統(tǒng)、智能消毒機器人，都為人們提供著更加便捷和人性化的服務。

與此同時，人工智能也從消費領域拓展到制造業(yè)、基礎設施、能源、交通、醫(yī)療等關系國計民生的關鍵領域，逐步實現(xiàn)規(guī)模化落地。

“人工智能與工業(yè)場景融合將釋放出巨大潛能。我們應當關注人工智能在不同工業(yè)領域的創(chuàng)新和應用，以提升現(xiàn)有系統(tǒng)性能，并助力數(shù)字化轉型達到新高度。” 西門子大中華區(qū)總裁兼1執(zhí)行官赫爾曼（Lothar Herrmann）表示，“憑借在工業(yè)領域 170 多年的豐富經(jīng)驗和專業(yè)知識，遍布世界的專家資源，以及先進的人工智能技術，西門子為客戶提供安全可信、更懂工業(yè)的人工智能解決方案。”

在現(xiàn)代化的汽車生產車間里，數(shù)字化和智能化技術為突破傳統(tǒng)制造工藝中的難點打開了全新思路。

以沖壓工藝為例，振動直接反映著加工過程中的設備健康狀況，是設備安全評估的一項核心指標。然而，振動分析極為復雜，產線上多種設備和眾多組件之間的振動相互影響、疊加，形成一場大型“復合”振動，只有經(jīng)驗豐富的領域專家才能“讀懂”這些動態(tài)交錯的信號。但專家無法全天候實時監(jiān)測，尤其在伺服壓機應用場景中，速度、位移、壓力等都在不斷變化，單憑人力更難以捕捉復雜的加工過程。當人力不可為，人工智能介入是必然選擇。

來自西門子數(shù)字化工業(yè)集團客戶服務部門和西門子中國研究院的專家團隊，將專家經(jīng)驗與人工智能相結合，實現(xiàn)了基于振動分析的預測性維護。北京奔馳汽車有限公司（北京奔馳）與西門子合作，為其沖壓車間（一期）生產線上的關鍵設備加裝了 70 多個傳感器，每個傳感器每秒可采集 20000 多個數(shù)據(jù)點。如此龐大的數(shù)據(jù)量上傳至云端，進行基于機器學習技術的云端大數(shù)據(jù)分析。 “聰明”的人工智能系統(tǒng)因此成為了專家智慧的延伸，能夠實時掌握設備狀態(tài)，并預測未來一段時間內出現(xiàn)故障的可能性。

“成功部署后，系統(tǒng)在一天深夜捕捉到車間某處電機異常振動，即時通知客戶，避免了非計劃性停機，保證了產線的正常運行。”西門子中國研究院高級研究員周林飛說，“未雨綢繆，這讓大家切實感受到了工業(yè)人工智能的價值所在。”

在石油化工、有色冶金、鋼鐵等過程工業(yè)領域，生產連續(xù)性至關重要。由于設備故障而導致的短暫非計劃性停機就可能給企業(yè)造成上百萬的經(jīng)濟損失，甚至引發(fā)火災、爆炸等嚴重安全事故。

在中國石化青島煉油化工有限責任公司（青島煉化）的智能工廠里，西門子預測性維護系統(tǒng) SiePA 為客戶建立起從智能預警到高級診斷的閉環(huán)機制，幫助客戶有效控制風險，保證生產的可靠性和安全性。這一過程既運用了對傳感器量化數(shù)據(jù)的機器學習與深度分析，也結合了基于知識圖譜的自然語言處理技術，堪稱工業(yè)界的“中西醫(yī)結合”。

SiePA 系統(tǒng)是工廠中的 “1大腦” 。它基于智能運算為工作人員及時提供設備故障預警，并根據(jù)簡要描述迅速匹配相關歷史案例，進而推薦行之有效的維護方案。通過便捷的交互式操作，工作人員還可以將當前的處理過程與結果反饋給系統(tǒng)，形成機器學習模型的閉環(huán)優(yōu)化，實現(xiàn)知識經(jīng)驗的固化與傳承。

除了設備本身之外，SiePA 系統(tǒng)還可以結合生產環(huán)境和相關工藝數(shù)據(jù)，智能挖掘潛在的異常生產過程，為整個工廠的運行狀態(tài)提供預測性分析。這將有助于確保生產的穩(wěn)定性，對于制藥、食品飲料、精細化工等生產批次化明顯的行業(yè)具有重要意義。

*SiePA 入圍 2020 世界人工智能大會卓越人工智能1者（SAIL獎）TOP 30 榜單。

從城市上空俯瞰，人們會發(fā)現(xiàn)一排排的藍色屋頂。它們是把太陽能直接轉化為電能的光伏組件。制造企業(yè)采用屋頂分布式光伏發(fā)電方式，不但能緩解當?shù)毓╇姼叻鍟r間段的電網(wǎng)壓力，同時還環(huán)保節(jié)能，為自身節(jié)省大量工業(yè)電費支出。

屋頂光伏使用壽命周期為 25 年左右，有效的運維管理是光伏電站長期穩(wěn)定運行的根本保障。然而，定期進行全面巡檢與清洗需要投入大量的人力物力，且難以及時、準確地發(fā)現(xiàn)異常。如何讓長期的運維工作降本增效，是管理者關心的問題。

對此，來自西門子智能基礎設施集團解決方案與服務業(yè)務部門、MindSphere 數(shù)字化應用中心的專家團隊，運用人工智能和物聯(lián)網(wǎng)技術開發(fā)出組件級別的監(jiān)控與診斷解決方案，實現(xiàn)了貫穿光伏電站全生命周期的智能化運維管理。在西門子 DSDE 數(shù)字化光伏診斷平臺的界面上，組件異常、衰減情況、清洗建議以及電站整體狀態(tài)等信息要素皆一目了然，幫助運維人員精準定位問題 、優(yōu)化策略。

隨著人工智能在工業(yè)領域的滲透，出現(xiàn)了許多在消費領域所不曾遇到的挑戰(zhàn)。當下，西門子人工智能研發(fā)團隊正致力于開展一系列創(chuàng)新實踐，推動前沿技術的成果轉化。

“我們希望提供用得起、用得好的工業(yè)人工智能解決方案，將工業(yè)數(shù)據(jù)的巨大隱藏價值變得可見且可得。”西門子中國研究院大數(shù)據(jù)分析研發(fā)部總監(jiān)田鵬偉說道。

一方面，工業(yè)領域普遍故障樣本少，數(shù)據(jù)打標依賴行業(yè)專家，成本高昂。西門子研發(fā)團隊將神經(jīng)網(wǎng)絡和傳統(tǒng)貝葉斯方法相結合，盡可能把工業(yè)領域的先驗知識融入模型，減少對樣本數(shù)據(jù)量的依賴，開展基于小樣本數(shù)據(jù)的有效學習。與此同時，團隊還通過主動學習技術來降低數(shù)據(jù)打標的成本，先基于算法篩選出有用的未標記樣本，再交由專家進行標記，只需要和專家進行少量交互即可高效完成模型訓練。

另一方面，工業(yè)人工智能的巨大潛力與高應用門檻似乎是一對無法解決的矛盾。西門子研發(fā)團隊前瞻性地探索基于元學習等技術的自動機器學習應用，讓系統(tǒng)根據(jù)當前數(shù)據(jù)集的特征幫助使用者快速選擇算法模型和參數(shù)配置，降低專業(yè)性要求，這將大力助推人工智能在工業(yè)中的普及。

美國辛辛那提大學工業(yè)人工智能中心主任、《工業(yè)人工智能》作者李杰教授表示：“人工智能在工業(yè)領域的真正價值是替人找到工業(yè)系統(tǒng)中不可見世界的參數(shù)的關系與變化，預測并有效避免問題的發(fā)生 。當工業(yè)人工智能滲透愈發(fā)深入，當它的潛力在工業(yè)智能化進程中被充分釋放時，整個工業(yè)應該是 ‘無憂’ 的。”

作為工業(yè)人工智能的理想賦能者，西門子正在加速這一天的到來，讓企業(yè)不再為運維成本、生產瓶頸以及未來隱患而擔憂，讓工業(yè)變得更具智慧、更加安全。