★本刊记者/文晓

西门子数字化工业集团工业人工智能团队主管曹子谏

当前，以人工智能为代表的新兴科技正从数字化的“星辰大海”，成为推动高质量发展的实际驱动力。深耕工业人工智能领域30余年，西门子对于人工智能与垂直行业融合有深切的理解和深厚积淀。西门子数字化工业集团工业人工智能团队主管曹子谏博士表示：“西门子坚定认为工业人工智能会是未来自动化发展的核心引擎之一，必将重构自动化的未来。与此同时，西门子在中国工业人工智能领域的业务探索已经取得了积极的发展；技术在不断创新，行业应用也在持续扩展和深入，集聚和复制扩展效应初步显现，已经成为了各行业数字化转型与智能创新方面的重要支持力量。”

将人工智能融入自动化

据曹子谏博士介绍，目前西门子很多的自动化和数字化的产品以及产品组合均“融入”了人工智能相关技术，包括：西门子的一些产品正在为人工智能提供算力和运行环境的承载能力；一些产品为人工智能的算法模型以及应用开发部署提供管理工具；一些产品为人工智能提供所必需的底层数据；还有一些产品则直接嵌入了人工智能的算法模型进行能力提升和功能拓展。

其中，与未来自动化相关的产品组合与人工智能相融合，在服务于中国本土客户的过程中主要聚焦在质量方面，主要涉及质量检测（发现问题），质量剖析（分析原因），质量提升（工艺优化）三个方面。因为符合中国制造从量大到质强的核心诉求，目前该领域业务发展势头良好，在金属成型，光伏基材，食品饮料，冶金和电子行业颇受客户认可，取得了不错的成绩。

挖掘工业数据价值

工业场景中无时无刻都在产生海量的数据，有的是控制参数，有的是过程记录，有的是监测信息，有的是检测结果。与消费级市场所处理的数据相比，这些工业数据同样量很大，同时还有维度更广，数据实时性更强，隐私保护要求更严苛，数据解释的专业性更强等特点。如何能够通过先进的人工智能算法和行业经验分析数据，让其产生价值并为企业所用至关重要。

曹子谏博士认为，对于工业数据的价值挖掘，第一个要解决的问题是在哪处理这些数据，在本地，在云端，还是在边缘？不同的工业数据因为其自身的数据特质不同，待分析的目标不同，因此很难用一套数据分析系统来解决所有问题。西门子在分析和挖掘工业数据价值的过程中，特别重视在合适的地方通过合理的方式进行工业数据的整备和分析。因此西门子提供基于MindSphere这样的云端数据分析服务，也拓展了Industrial Edge这样的边缘侧数据分析和推演系统，还进一步完善了SCADA这样在工厂车间层级采集底层工业过程数据的基石系统。这些系统让很多行业的工业数据在最合适的地方用最合适的方法进行了有深度的价值挖掘。

深入挖掘并利用工业数据价值对于中国工业企业来说，仍处于起步探索阶段，难免会面临重重挑战。对此，曹子谏博士深有感受，基于历史项目的经验，西门子工业人工智能团队经常面临到的显性挑战会涉及：数据不可读、数据不完整、数据不连续、数据有缺失、数据不对齐以及数据颗粒度不细等。然而，更深层次的挑战在于“惯性”思维，不少企业的想法是“先采数，再分析”，先期投入巨资建立庞大的物联网平台以及数据中台等系统，也从底层设备采集到大量的数据，然后就开始要找数据分析团队来挖掘其中的价值；客户经常会意识到这样的情况：似乎大量的数据都已经采集到手，但并不知道如何让数据产生价值。

“这些企业不知道的是，不带着具体业务痛点和分析目标的数据采集，通常采集到的数据都是无效的。不仅数据分析工作无法进行，而且会导致数采系统的重复建设。”曹子谏博士表示：“对此，建议企业带着业务痛点和目标来看待数据分析，让数据分析工程师前置到数据采集工作中，用正确的视角定义待采集的数据，用正确的方法采集数据，并保障数据的高质量；而不是让数据分析工程师对着一堆庞大但是无意义的数据进行挖空心思的分析。”

强化学习是AI未来热点领域

作为自动化设备与系统的行业领导者，西门子对于各种经典自动化控制与先进控制技术有较深的理解，相应的行业应用也很丰富。曹子谏博士透露，西门子正在利用机器学习技术/深度学习技术对先进控制技术中的模型预测控制进行了提升和扩展，设计出一种有深度的模型预测控制系统，其基本特征包括：（1）利用数据驱动的深度监督学习算法（代替机理和数理模型）进行质量趋势预测；（2）增加深度强化学习算法的应用比例进行动态的滚动参数寻优。

“其中强化学习是AI中的一个热点领域，强调如何基于环境而行动，以取得最大化的预期利益，其关注点在于寻找探索和利用之间的平衡。”曹子谏博士强调。

跳出制造业这个范畴，AlphaGo的巨大成功掀起了围棋界三千年未有之大变局，也使得背后的深度强化学习渐为大众所知悉。西门子也正在自动化控制领域推进类似的探索。

在中国西北方一个大型的光伏材料生产基地里，西门子的人工智能增强控制系统由IPC和PLC系统进行承载，运行在IPC上的智能分析程序给PLC动态下发优化后的控制指令。两者相互配合正在帮助客户对光伏基材的工艺控制进行优化，缩短早期温度调节的时长，减少温度的波动范围，提高了引晶的成活率，减少过程中的断棒风险，进而帮助客户提高了平均单产，在日益激烈的新能源市场中建立竞争优势。

在中国东北一个大型的粉末状食品添加剂工厂里，西门子的人工智能增强控制系统同样运行在IPC上，不过其驱动的对象变成了过程行业的DCS。这个系统正在帮助客户提高粉末食品添加剂中的水分控制精度，减少生产中的损耗和能耗，同时降低生产过程中的人为干预，实现经济效益的最大化。

做工业原生的人工智能是西门子关注的焦点

人工智能的发展关键是找到能发挥其价值的应用场景，只有实际落地于中国工业企业最关注的应用领域中，才能发挥最大的价值。对此，曹子谏博士深表认同：“中国正在从制造大国向制造强国迈进，与此同时‘双碳’政策也在赋予中国制造企业更多的历史使命。从这些制造企业原生的诉求出发，做工业原生的人工智能是西门子关注的焦点。”

何谓工业原生的人工智能？曹子谏博士做了详细解释：

首先是“原生”于工业的应用场景。随着技术、算法、资源和人才的不断充实，人工智能正在触及工业的各个方面，从普遍接受的设备预测性维护、产品外观检测、物流调度等方面，更多开始在人、机、料、法、环等工业原生需求领域验证了人工智能的价值；未来还将会有更多制造场景与智能技术进行创新融合，催生出更多新模式。一些工业核心和底层的问题正在被人工智能加速解决。

其次是“原生”于工业的现场系统。工业现场侧的自动化技术和系统自身也在不断革新，例如支持本地应用开发运行维护的工业边缘计算系统，高性能低功耗的工业计算机，以及带有算力资源的PLC可编程逻辑控制器和支撑软件工具等。人工智能的应用开始在增强的自动化系统中被收集、处理、分析和推演，开始形成一个工业现场侧的生态圈。

对于人工智能未来在中国工业领域的发展，曹子谏博士充满信心和期待：“我们相信中国制造业企业会更加广泛地拥抱工业人工智能，西门子工业人工智能将继续深入行业实践，帮助客户提升从数据收集整备，到模型训练优化，以及应用开发落地的全局性能力。同时针对不同属性制造业企业的深层次差异化需求，西门子工业人工智能的技术形态也有所侧重，西门子在未来自动化中重视工业人工智能的骨骼（算力承载系统），血液（数据采集和总线等），心脏（开发和运行系统），以及大脑（增强决策与控制系统）等方面的产品和产品组合布局。”

摘自《自动化博览》2022年12月刊