10月12日，西門(mén)子（中國）有限公司數字化工業(yè)集團副總裁兼過(guò)程自動(dòng)化部總經(jīng)理姚峻參加了第三屆數字中國建設峰會(huì )智能制造分論壇，并以“工業(yè)人工智能+大數據分析：解鎖工廠(chǎng)‘智能運維’的未來(lái)”為主題發(fā)表主旨演講。姚峻在演講中著(zhù)重介紹了由西門(mén)子中國團隊研發(fā)的設備預測性維護系統SiePA。

在人工智能技術(shù)的支持下，SiePA充分利用工廠(chǎng)歷史數據，通過(guò)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(shí)預測預警運營(yíng)中的故障風(fēng)險，還能幫助企業(yè)高效診斷故障原因并指導其進(jìn)行維修維護，從而有效控制風(fēng)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的多個(gè)客戶(hù)工廠(chǎng)。在青島煉化的智能工廠(chǎng)中，SiePA為客戶(hù)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(shí)錄：

今天我希望和大家分享如何把人工智能和大數據運用到工業(yè)領(lǐng)域中，幫助工業(yè)落地工廠(chǎng)的智能運維。我們從簡(jiǎn)單的自動(dòng)化走到數字化，更多的是實(shí)現兩化融合，打造端到端的價(jià)值鏈，形成從采購、訂單、排產(chǎn)、倉儲物流到用戶(hù)的閉環(huán)信息流，將從設計、工程、生產(chǎn)、運維到服務(wù)的所有數據集成到一個(gè)平臺。這是今天我們在做的，其中運用了很多智能化的技術(shù)，但這還不是我們所追求的真正的智能工廠(chǎng)的目標。我們希望實(shí)現的智能運維分三個(gè)層次，一個(gè)是強化感知，從認知到傳感到認知；一個(gè)是優(yōu)化控制，從精準到最佳；一個(gè)是銳化運營(yíng)，從專(zhuān)業(yè)到協(xié)同。

數字化工廠(chǎng)包括三個(gè)數字化雙胞胎：產(chǎn)品的數字化雙胞胎、生產(chǎn)的數字化雙胞胎和性能的數字化雙胞胎?；跀底只p胞胎技術(shù)，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(yíng)等應用融入到很多應用場(chǎng)景之中。在產(chǎn)品設計過(guò)程中實(shí)現產(chǎn)品質(zhì)量預警，在產(chǎn)品生產(chǎn)中實(shí)現風(fēng)險預測、參數優(yōu)化和仿真模擬，以及在性能方面實(shí)現預測性維護，如異常預警和智能診斷。  

工業(yè)人工智能是工廠(chǎng)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，比如監督學(xué)習就是一個(gè)很好的例子。在工業(yè)場(chǎng)景中完成異常狀態(tài)預警，首先需要識別什么是異常，異常出現后系統會(huì )預警。異常出現頻繁了，系統會(huì )做風(fēng)險預測趨勢等。強化學(xué)習也是一樣，通過(guò)不斷的自我學(xué)習，來(lái)將優(yōu)化控制運用到工廠(chǎng)里面，例如實(shí)現參數的優(yōu)化。生產(chǎn)包括工藝，有很多關(guān)聯(lián)性的分析能夠實(shí)現參數的優(yōu)化，從提升質(zhì)量和效率。那么最高的一個(gè)層次是知識系統和知識圖譜，就像我們今天去看醫生一樣，原來(lái)是望聞問(wèn)切，今天需要做很多檢查，需要不同專(zhuān)業(yè)的醫生的判斷來(lái)幫助醫生做出最后診斷。在工業(yè)場(chǎng)景中，就需要形成一個(gè)知識圖譜。如果一個(gè)設備出了問(wèn)題，需要專(zhuān)家去看，做出診斷解決問(wèn)題。今天我們用知識圖譜就可以解決這個(gè)問(wèn)題，也就是說(shuō)積累了大量信息和知識后，如果發(fā)生了設備問(wèn)題，就可以在知識圖譜里去對照。過(guò)去發(fā)生過(guò)嗎？怎么發(fā)生的？什么原因造成的？后來(lái)是怎么解決的？也就是說(shuō)我們可以不再依賴(lài)一個(gè)老專(zhuān)家，而是一個(gè)知識庫來(lái)幫助我們快速找到問(wèn)題的關(guān)鍵，從而解決問(wèn)題。  

工業(yè)大數據分析也是智能運營(yíng)的一個(gè)重要基礎。今天數據的利用大部分還是在應用數據的描述性。我們在工廠(chǎng)看到的非常炫的大屏展示，還是一些實(shí)時(shí)數據或者是篩選過(guò)的、總結過(guò)的一些數據。真正的智能化是能夠持續學(xué)習，持續優(yōu)化。一個(gè)工廠(chǎng)能夠自主學(xué)習、自?xún)?yōu)化，需要經(jīng)過(guò)兩個(gè)主要階段，一個(gè)是數據分析，通過(guò)深入的分析和預測，可以向工廠(chǎng)運維人員提供很多信息。第二個(gè)是全生命周期數據閉環(huán)。如果有了一個(gè)模型，這個(gè)模型會(huì )在今后得到的所有數據上不斷的去反饋來(lái)優(yōu)化這個(gè)模型，形成閉環(huán)。反饋非常重要，能夠讓系統實(shí)現自主學(xué)習、自?xún)?yōu)化。

今天西門(mén)子中國的團隊研發(fā)出了一個(gè)重要的預測性運維平臺SiePA，它目前主要有兩大模塊，一個(gè)是狀態(tài)預測預警，一個(gè)是智能排查診斷。第一個(gè)預警是提早預報關(guān)鍵設備可能出現的問(wèn)題，同時(shí)診斷模塊會(huì )說(shuō)明問(wèn)題可能產(chǎn)生于哪里，以及如何來(lái)解決和避免這樣的問(wèn)題，這樣能夠幫助客戶(hù)減少非計劃性停車(chē)，提高效率。 

SiePA的架構圖很簡(jiǎn)單，我們從現有數據里面，不管是來(lái)自控制系統、設備監測、故障通知與分析、工藝設計還是維修報告日志的數據，從這些數據中建立模型，實(shí)施監控、分析評估，最后來(lái)做診斷，甚至是形成一個(gè)閉環(huán)來(lái)幫助模型的不斷優(yōu)化。 

我們從工業(yè)大數據開(kāi)始機器學(xué)習，找到各種不同參數之間的關(guān)聯(lián)性并建立模型，然后建立風(fēng)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(guò)新的數據反饋來(lái)進(jìn)行模型的迭代和優(yōu)化，進(jìn)一步幫助機器去學(xué)習。生命周期不斷的提高將大幅提升工廠(chǎng)的可用率和運營(yíng)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(chǎng)景下產(chǎn)品化設計的一次成功嘗試，SiePA獲得了2020德國紅點(diǎn)設計大獎，入選2020世界人工智能大會(huì )卓越人工智能引領(lǐng)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的多個(gè)客戶(hù)工廠(chǎng)，為客戶(hù)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(mén)子已在全球市場(chǎng)與眾多企業(yè)基于 SiePA 開(kāi)展相關(guān)合作與應用，向著(zhù)數字化與智能化制造的目標不斷邁進(jìn)。