西門(mén)子（中國）有限公司數字化工業(yè)集團 過(guò)程自動(dòng)化事業(yè)部數字化研發(fā)中心總監

伴隨數字化浪潮洶涌而至，作為核心驅動(dòng)力的人工智能迎來(lái)飛速發(fā)展，從賦能千行百業(yè)到追逐星辰大海，人工智能已悄然融入世界的方方面面。相比商業(yè)應用的深度和廣度，目前人工智能在工業(yè)領(lǐng)域的潛力仍需持續挖掘。隨著(zhù)人工智能步入發(fā)展新階段，推進(jìn)人工智能與工業(yè)場(chǎng)景融合以釋放巨大潛能，將成為產(chǎn)業(yè)關(guān)注的重點(diǎn)。

工業(yè)人工智能的起點(diǎn)是客戶(hù)痛點(diǎn)和需求

站在新一輪工業(yè)科技革命和中國加快轉變經(jīng)濟發(fā)展方式的歷史性交匯處，工業(yè)人工智能已經(jīng)成為當代工業(yè)企業(yè)邁向未來(lái)、實(shí)現工業(yè)高質(zhì)量發(fā)展的必答題，人工智能也成為了越來(lái)越多行業(yè)提升競爭力的選擇。

那么，什么是工業(yè)人工智能？工業(yè)人工智能是實(shí)現工業(yè)大數據轉化為有效信息、抽象為模型、輔助人類(lèi)進(jìn)行精準決策、高效執行的過(guò)程，它基于算法與模型挖掘工業(yè)世界中的“隱性知識”。

盡管人工智能已經(jīng)被熱議多年，但人工智能在工業(yè)領(lǐng)域一直面臨“落地難”的窘境，究其原因還是在于其落地過(guò)程常常容易走入一個(gè)誤區，那就是一談到工業(yè)數據賦能就會(huì )想成是大平臺，而往往忽略了數據能為客戶(hù)創(chuàng )造哪些切實(shí)的價(jià)值。數據是人工智能的基礎，但工業(yè)人工智能的出發(fā)點(diǎn)并不是數據，而是客戶(hù)痛點(diǎn)和需求。這正是工業(yè)人工智能和泛化人工智能之間最核心的區別所在。

工業(yè)向智能化轉型升級是跨領(lǐng)域多學(xué)科的系統工程，而工業(yè)各領(lǐng)域都經(jīng)過(guò)了長(cháng)達數十年乃至數百年的發(fā)展，因此工業(yè)人工智能技術(shù)之于工業(yè)，絕不應該是“顛覆者”，而應是“融入者”，因此以工業(yè)客戶(hù)的痛點(diǎn)和需求作為切入點(diǎn)，將智能化技術(shù)導入工業(yè)生產(chǎn)過(guò)程才是行之有效的手段。

以設備預測性維護為例，我們需要結合領(lǐng)域經(jīng)驗，用結果倒推的方式來(lái)設計整個(gè)技術(shù)方案：首先根據客戶(hù)需要，選取合適的目標故障設備和故障類(lèi)型，要知道不同的故障類(lèi)型開(kāi)展預測性維護的價(jià)值也不同，因此不同的行業(yè)、不同的企業(yè)、不同的時(shí)間階段，客戶(hù)的痛點(diǎn)和需求都不盡相同。而后，提取與痛點(diǎn)相關(guān)的數據，而不是全量數據，比如關(guān)鍵設備的關(guān)鍵故障類(lèi)型的相關(guān)數據，同時(shí)需要充分結合生產(chǎn)運行過(guò)程中環(huán)境干擾以及復雜工況等影響因素，建立有效的預測預警模型。同時(shí)針對識別到的潛在故障風(fēng)險，進(jìn)行相應診斷，并為現場(chǎng)工程師提供檢維修方案或措施建議，只有這樣才能為工業(yè)客戶(hù)真正解決實(shí)際問(wèn)題。

工業(yè)人工智能構建“蘊含知識”的模型

近年來(lái)，工業(yè)領(lǐng)域中依賴(lài)專(zhuān)家經(jīng)驗代代傳承的模式正遭遇巨大挑戰，利用人工智能將核心經(jīng)驗與知識固化下來(lái)變?yōu)榭蓚鞒械馁Y產(chǎn)，將成為大勢所趨。而在此過(guò)程中，關(guān)鍵問(wèn)題在于如何將數據特征和機理特征（行業(yè)經(jīng)驗）深度融合在一起，將制造知識和“老師傅”的經(jīng)驗轉換為能夠被數字世界理解的“蘊含知識“的模型，從而捕捉那些難以規則化但“老師傅”或行業(yè)專(zhuān)家能夠感性認知的復雜特征，進(jìn)而洞察并預測制造過(guò)程中還未發(fā)生的不可見(jiàn)問(wèn)題，幫助企業(yè)規避潛在風(fēng)險、實(shí)現降本增效。

以某流程行業(yè)典型動(dòng)設備故障預警功能的實(shí)現為例，通過(guò)實(shí)驗我們發(fā)現，采用純數據驅動(dòng)的方式建模，訓練數據需要至少3-6個(gè)月，且生成的模型仍會(huì )較大地受到環(huán)境影響，易出現誤報。而采用結合經(jīng)驗與機理的建模方式，通過(guò)譜峭度、機械特征參數、環(huán)境參數等機理輸入，并引入工況經(jīng)驗，對人工智能技術(shù)進(jìn)行有效引導，構建設備健康狀態(tài)預警模型，而這種方式將所需訓練數據量降低達1個(gè)月左右，其最終的預測效果也更為理想。

人工智能落地需要人與技術(shù)的結合

雖然我們對人工智能賦能工業(yè)充滿(mǎn)期待，但必須承認人工智能黑盒式的“一鍵美顏”解決方案很多時(shí)候并不適用于工業(yè)場(chǎng)景。技術(shù)落地過(guò)程中的可信任度和安全性對于企業(yè)非常重要，因此人工智能在工業(yè)落地的重點(diǎn)在于人與技術(shù)相結合，即通過(guò)客戶(hù)的參與，共創(chuàng )適合企業(yè)的蘊含知識的模型，由此將人工智能在計算和記憶力、感知方面的優(yōu)勢，以及人類(lèi)在認知、推理方面的獨特能力有機結合起來(lái)，左右腦互用，提供一種透明的“理解”算法，讓工業(yè)人工智能切實(shí)發(fā)揮其作用。

預測性運維系統SiePA就是西門(mén)子與客戶(hù)讓人工智能在工業(yè)落地的一次積極探索。SiePA基于工業(yè)人工智能技術(shù)和西門(mén)子深耕工業(yè)積淀的行業(yè)知識，通過(guò)預測預警模塊與智能排查診斷模塊，對設備運行風(fēng)險、故障診斷及維護策略進(jìn)行判斷，并給出推薦方案。對于客戶(hù)，SiePA相當于提供了一個(gè)分析模板，在此基礎上客戶(hù)將工廠(chǎng)的實(shí)際狀態(tài)和行業(yè)知識映射到模板中固化成模型，然后應用到具體業(yè)務(wù)場(chǎng)景。此外，SiePA還可以隨著(zhù)新需求不斷升級迭代，實(shí)現對人工智能模型的全生命周期管理，形成持續優(yōu)化的閉環(huán)。SiePA體現的這種人工智能+人類(lèi)智能的“白盒”特征已在包括石油化工、水泥、城市供水、冶金等多個(gè)行業(yè)落地，并得到了行業(yè)專(zhuān)家的高度認可，目前西門(mén)子也在積極探索與設備生產(chǎn)廠(chǎng)商及設備服務(wù)商等企業(yè)的合作模式。

除了機理特征維度的合作共創(chuàng )，西門(mén)子在推進(jìn)工業(yè)人工智能落地過(guò)程中還采取不同的互動(dòng)方式，賦能于人。例如，西門(mén)子一直著(zhù)力于構建工業(yè)人工智能的共創(chuàng )生態(tài)圈，通過(guò)更為深入的合作共創(chuàng )與溝通，針對不同行業(yè)中一些典型的場(chǎng)景，幫助客戶(hù)更好地梳理相關(guān)場(chǎng)景中的需求、共同尋求合適的方案、實(shí)現“數據變現”，西門(mén)子愿與合作伙伴一起讓人工智能真正在工業(yè)場(chǎng)景落地生根。

三大應用場(chǎng)景落地工業(yè)未來(lái)可期

除預測性維護這一重要的應用領(lǐng)域，從工業(yè)的行業(yè)特點(diǎn)和人工智能技術(shù)路徑來(lái)看，工業(yè)人工智能在強化感知、銳化運營(yíng)、優(yōu)化控制三個(gè)典型應用場(chǎng)景中將大有可為。

強化感知體現為從傳感到認知的變化。以往工廠(chǎng)只注重數據的采集和存儲，人工智能算法通過(guò)對大量數據的分析，洞悉出數據背后的邏輯從而支持工廠(chǎng)的決策，將無(wú)序的二進(jìn)制數據變?yōu)檎嬲母邇r(jià)值數據資產(chǎn)。銳化運營(yíng)則是專(zhuān)業(yè)基礎上的協(xié)同能力。專(zhuān)業(yè)領(lǐng)域間通常存在清晰的界定，但工業(yè)環(huán)境中的實(shí)際問(wèn)題常常需要跨領(lǐng)域的經(jīng)驗才能解決。企業(yè)迫切需要利用人工智能打通不同領(lǐng)域的壁壘，將知識和經(jīng)驗融合，固化并用來(lái)指導生產(chǎn)。優(yōu)化控制讓現代工廠(chǎng)中無(wú)處不在的自動(dòng)化控制完成從準確向最佳的跨越，助力企業(yè)實(shí)現智能升級。

西門(mén)子針對三大典型應用場(chǎng)景一直在進(jìn)行積極探索，并推出了相關(guān)產(chǎn)品和創(chuàng )新解決方案。在強化感知層面，預測性維護結合APS系統將工廠(chǎng)的強化感知能力進(jìn)一步擴展到閥門(mén)等更多細節。在銳化運營(yíng)層，SiePA利用自然語(yǔ)言處理以及失效故障與影響分析（FMEA）等，為客戶(hù)提供將經(jīng)驗固化、傳承的數字化手段。圍繞優(yōu)化控制，西門(mén)子已落地了一些典型應用場(chǎng)景，例如水行業(yè)的泵站設備控制和基于工業(yè)數據的泵組優(yōu)化，在冶金行業(yè)可以利用人工智能算法和數據，將用料配比、參數配置等高度依賴(lài)專(zhuān)家經(jīng)驗的環(huán)節轉化為可以傳承的知識，讓人類(lèi)智能在數字化時(shí)代得以擴展和延伸。

幾十年來(lái)，大概很少有一項技術(shù)能像人工智能一樣承載著(zhù)人類(lèi)如此多的憧憬和想象力。而只有將人工智能置于實(shí)際應用場(chǎng)景中才能真正打開(kāi)它的價(jià)值觸點(diǎn)，讓科技有為。正如西門(mén)子股份公司總裁兼首席執行官博樂(lè )仁博士所言：“沒(méi)有一個(gè)國家或組織能夠憑一己之力實(shí)現數字化轉型，或釋放人工智能的全部潛能。人工智能的落地需要不同企業(yè)，不同組織的創(chuàng )新和協(xié)作，而這個(gè)任務(wù)也屬于這個(gè)時(shí)代的你、我以及每個(gè)人?！?/p>