今日頭條
官方微信
官方抖音
訪談頻道★本刊記者/文曉
西門子數字化工業集團工業人工智能團隊主管曹子諫
當前，以人工智能為代表的新興科技正從數字化的“星辰大海”，成為推動高質量發展的實際驅動力。深耕工業人工智能領域30余年，西門子對于人工智能與垂直行業融合有深切的理解和深厚積淀。西門子數字化工業集團工業人工智能團隊主管曹子諫博士表示：“西門子堅定認為工業人工智能會是未來自動化發展的核心引擎之一，必將重構自動化的未來。與此同時，西門子在中國工業人工智能領域的業務探索已經取得了積極的發展；技術在不斷創新，行業應用也在持續擴展和深入，集聚和復制擴展效應初步顯現，已經成為了各行業數字化轉型與智能創新方面的重要支持力量。”
將人工智能融入自動化
據曹子諫博士介紹，目前西門子很多的自動化和數字化的產品以及產品組合均“融入”了人工智能相關技術，包括：西門子的一些產品正在為人工智能提供算力和運行環境的承載能力；一些產品為人工智能的算法模型以及應用開發部署提供管理工具；一些產品為人工智能提供所必需的底層數據；還有一些產品則直接嵌入了人工智能的算法模型進行能力提升和功能拓展。
其中，與未來自動化相關的產品組合與人工智能相融合，在服務于中國本土客戶的過程中主要聚焦在質量方面，主要涉及質量檢測（發現問題），質量剖析（分析原因），質量提升（工藝優化）三個方面。因為符合中國制造從量大到質強的核心訴求，目前該領域業務發展勢頭良好，在金屬成型，光伏基材，食品飲料，冶金和電子行業頗受客戶認可，取得了不錯的成績。
挖掘工業數據價值
工業場景中無時無刻都在產生海量的數據，有的是控制參數，有的是過程記錄，有的是監測信息，有的是檢測結果。與消費級市場所處理的數據相比，這些工業數據同樣量很大，同時還有維度更廣，數據實時性更強，隱私保護要求更嚴苛，數據解釋的專業性更強等特點。如何能夠通過先進的人工智能算法和行業經驗分析數據，讓其產生價值并為企業所用至關重要。
曹子諫博士認為，對于工業數據的價值挖掘，第一個要解決的問題是在哪處理這些數據，在本地，在云端，還是在邊緣？不同的工業數據因為其自身的數據特質不同，待分析的目標不同，因此很難用一套數據分析系統來解決所有問題。西門子在分析和挖掘工業數據價值的過程中，特別重視在合適的地方通過合理的方式進行工業數據的整備和分析。因此西門子提供基于MindSphere這樣的云端數據分析服務，也拓展了Industrial Edge這樣的邊緣側數據分析和推演系統，還進一步完善了SCADA這樣在工廠車間層級采集底層工業過程數據的基石系統。這些系統讓很多行業的工業數據在最合適的地方用最合適的方法進行了有深度的價值挖掘。
深入挖掘并利用工業數據價值對于中國工業企業來說，仍處于起步探索階段，難免會面臨重重挑戰。對此，曹子諫博士深有感受，基于歷史項目的經驗，西門子工業人工智能團隊經常面臨到的顯性挑戰會涉及：數據不可讀、數據不完整、數據不連續、數據有缺失、數據不對齊以及數據顆粒度不細等。然而，更深層次的挑戰在于“慣性”思維，不少企業的想法是“先采數，再分析”，先期投入巨資建立龐大的物聯網平臺以及數據中臺等系統，也從底層設備采集到大量的數據，然后就開始要找數據分析團隊來挖掘其中的價值；客戶經常會意識到這樣的情況：似乎大量的數據都已經采集到手，但并不知道如何讓數據產生價值。
“這些企業不知道的是，不帶著具體業務痛點和分析目標的數據采集，通常采集到的數據都是無效的。不僅數據分析工作無法進行，而且會導致數采系統的重復建設。”曹子諫博士表示：“對此，建議企業帶著業務痛點和目標來看待數據分析，讓數據分析工程師前置到數據采集工作中，用正確的視角定義待采集的數據，用正確的方法采集數據，并保障數據的高質量；而不是讓數據分析工程師對著一堆龐大但是無意義的數據進行挖空心思的分析。”
強化學習是AI未來熱點領域
作為自動化設備與系統的行業領導者，西門子對于各種經典自動化控制與先進控制技術有較深的理解，相應的行業應用也很豐富。曹子諫博士透露，西門子正在利用機器學習技術/深度學習技術對先進控制技術中的模型預測控制進行了提升和擴展，設計出一種有深度的模型預測控制系統，其基本特征包括：（1）利用數據驅動的深度監督學習算法（代替機理和數理模型）進行質量趨勢預測；（2）增加深度強化學習算法的應用比例進行動態的滾動參數尋優。
“其中強化學習是AI中的一個熱點領域，強調如何基于環境而行動，以取得最大化的預期利益，其關注點在于尋找探索和利用之間的平衡。”曹子諫博士強調。
跳出制造業這個范疇，AlphaGo的巨大成功掀起了圍棋界三千年未有之大變局，也使得背后的深度強化學習漸為大眾所知悉。西門子也正在自動化控制領域推進類似的探索。
在中國西北方一個大型的光伏材料生產基地里，西門子的人工智能增強控制系統由IPC和PLC系統進行承載，運行在IPC上的智能分析程序給PLC動態下發優化后的控制指令。兩者相互配合正在幫助客戶對光伏基材的工藝控制進行優化，縮短早期溫度調節的時長，減少溫度的波動范圍，提高了引晶的成活率，減少過程中的斷棒風險，進而幫助客戶提高了平均單產，在日益激烈的新能源市場中建立競爭優勢。
在中國東北一個大型的粉末狀食品添加劑工廠里，西門子的人工智能增強控制系統同樣運行在IPC上，不過其驅動的對象變成了過程行業的DCS。這個系統正在幫助客戶提高粉末食品添加劑中的水分控制精度，減少生產中的損耗和能耗，同時降低生產過程中的人為干預，實現經濟效益的最大化。
做工業原生的人工智能是西門子關注的焦點
人工智能的發展關鍵是找到能發揮其價值的應用場景，只有實際落地于中國工業企業最關注的應用領域中，才能發揮最大的價值。對此，曹子諫博士深表認同：“中國正在從制造大國向制造強國邁進，與此同時‘雙碳’政策也在賦予中國制造企業更多的歷史使命。從這些制造企業原生的訴求出發，做工業原生的人工智能是西門子關注的焦點。”
何謂工業原生的人工智能？曹子諫博士做了詳細解釋：
首先是“原生”于工業的應用場景。隨著技術、算法、資源和人才的不斷充實，人工智能正在觸及工業的各個方面，從普遍接受的設備預測性維護、產品外觀檢測、物流調度等方面，更多開始在人、機、料、法、環等工業原生需求領域驗證了人工智能的價值；未來還將會有更多制造場景與智能技術進行創新融合，催生出更多新模式。一些工業核心和底層的問題正在被人工智能加速解決。
其次是“原生”于工業的現場系統。工業現場側的自動化技術和系統自身也在不斷革新，例如支持本地應用開發運行維護的工業邊緣計算系統，高性能低功耗的工業計算機，以及帶有算力資源的PLC可編程邏輯控制器和支撐軟件工具等。人工智能的應用開始在增強的自動化系統中被收集、處理、分析和推演，開始形成一個工業現場側的生態圈。
對于人工智能未來在中國工業領域的發展，曹子諫博士充滿信心和期待：“我們相信中國制造業企業會更加廣泛地擁抱工業人工智能，西門子工業人工智能將繼續深入行業實踐，幫助客戶提升從數據收集整備，到模型訓練優化，以及應用開發落地的全局性能力。同時針對不同屬性制造業企業的深層次差異化需求，西門子工業人工智能的技術形態也有所側重，西門子在未來自動化中重視工業人工智能的骨骼（算力承載系統），血液（數據采集和總線等），心臟（開發和運行系統），以及大腦（增強決策與控制系統）等方面的產品和產品組合布局。”
摘自《自動化博覽》2022年12月刊
北京市公安局海淀分局備案號：11010802023656號