9月25日，以“智”造引領，“云”享未來為主題，“科創中國”2020年“企業創新大家談”系列活動智能制造高峰論壇在北京舉辦。本次活動由中國科學技術協會主辦，中國科協企業創新服務中心、中國儀器儀表學會承辦。在主論壇上，西門子（中國）有限公司 數字化工業集團副總裁兼過程自動化事業部總經理姚峻就《人工智能+工業大數據分析：解鎖工廠“智能運維”的未來》作主旨報告，本文整理了他的觀點分享：

一個一個工廠需要把的自動化，是能夠把整個工廠真正聯動起來，然后到今天所說的數字化，可能通過不同平臺我們把不同的平臺上面的數據連起來，通過平臺能連起來，比如自動化就是一個平臺，然后上面的信息化又是一個平臺，我們說設計到生產、到運維，所有的數據又是一個平臺。最后從IoT、從到云端又是一個平臺。今天現在能夠做到的讓各個平臺，尤其是自動化和信息化能夠連在一起，能夠有大量的數據能夠產生，、大量的數據能夠互相地交付，、通過大量的數據能夠形成對整個生產質量和生產過程的優化、生產過程的優化，然后實現環保，能夠實現、節能降排。

但是智能工廠最終的目標是智能制造，工廠會自運行、自優化，最主要的就是我們說的智能的運行和維護。這里面有三個層級，一是從傳感，從感知到認知；二是從優化的控制，從精準到最佳，也就是我不斷地把工業參數優化；三是銳化的運營，能夠從用不同的專業、不同的技術能夠整合在一起，把一個工廠形成一個真正的高智能自運營。

在數字化的前提下，我們能做到產品、生產和性能三個主要步驟的數字化的雙胞胎。智能運維已經融入到今天的數字化當中，尤其在數字化雙胞胎的技術當中。從產品，我們從質量的預警，兩率問題關聯的分析，怎么樣優化我的產品，我有一個虛擬的產品還沒生產之前我就可以可以優化，生產了以后反饋回來我還可以不斷地優化我的產品，而且這個優化的速度是非?？?，因為他在虛擬的環境就優化了。我們從將產品設計的軟件、產品的仿真到產品的優化、質量的分析等等都連在一起。所以今天現在就能夠在產品設計和優化上面，我們把一些智能化的元素融入進去，我們在生產的過程中，包括風險的預測、模型的優化、模型仿真也融入進去，達到現在性能預測性的維護、異常的預警和智能診斷，智能運維是一個智能工廠要走過的關鍵的路，到最后這個工廠可以真正實現是無人化，自帶大腦的工廠。

大數據和人工智能是真正實現智能運維的重要手段，我們能看到的，因為我們今天把不同的最新的技術，甚至從商業的技術，不斷地融入到工業里面，比如說我們的人工智能、大數據，比如說我們的、5G的技術，而且這些技術都是關聯的，夏老師說在云端，它也要跟5G技術連在一起，如果沒有這樣的技術，很多工業下面的場景是不可能誕生的，誕生了也運行不了無法運行，它的缺少可靠性、穩定性。如果我們看監督學習，要從人工智能的三個階段開始：

第一，監督學習，掃健康碼、導航等都是監督學習，如果把監督學習用到真正的工廠，就是我們的強化感知，從傳感到認知，能做到今天異常狀態的預警，、風險趨勢的預測，我從這些數據中能夠認知它，不但能得到數據而且能認知，因為今天現在很多的數據需要實化，第一數據太多，第二連不起來，第三數據發揮不了它的作用，真正把這些數據發揮作用了，這個工廠才能保證上一個臺階。

第二，AlphaGo的強化學習。也就是說你有了認知以后，最關鍵的是怎么樣把你的模型再提高，這就是學習。人要睡覺的、要休息的，機器是不睡覺的，24小時、365天天天可以學，也就是說它不斷地從新的數據里學習，去優化原來的模型，所以我們能做到優化控制、精準。

第三，知識圖譜。今天比如你拿了一張X光片，上邊有兩點，醫生要去做診斷，拿著片子要做診斷，但是一個專業的醫生做不了診斷，可能說有問題，可能說沒問題，可能有不同的專業合在一起幫你做診斷，其實工業里面也一樣，碰到很多的問題你不知道，。有經驗的老師傅很重要，他用20年的生產經驗碰到所有的事故，今天沒有，我們可以不用，發生任何事故都在知識圖譜里，也就是說如果現場發生事情，哪怕是個新的技術人員，首先你到系統里去查，自動去查，同樣的事故發生過嗎？什么時候發生的？為什么發生的？后來是怎么解決的？這跟一個有經驗的老師傅差不多，所以說真正建立知識圖譜是很重要的。我們今天就是一個專家知識庫，所謂的專家知識庫是有很多專家會診，所以醫生會是在人工智能以后最早被淘汰的職業，現在今天去找醫生也是，拍了不同的片子，不不化驗不同的血是不給你做診斷的，以前只要看看臉色、舌苔就知道什么事情。今天現在他們自己也在走向通過大數據的分析來提高診斷能力，我們的工廠也一樣，通過老專家，通過知識圖譜把這么多經驗收集起來，就能取代這些經驗。

我們從工業大數據做機器開始學習，然后形成了模型，從模型去做我們的風險預警預測，然后對這個設備狀態的進行分析診斷，再把這些數據又融入進模型，這個模型就是一個自學習的過程，它不斷地從目前的數據跟歷史數據結合，再去學習，不斷地學習迭代，然后再回到整個閉環。也就是說如果我開始用這樣的一個系統，我有了一個最初的模型，這個模型會被歷史數據和現實數據不斷地訓練，最后做出來的這樣一個診斷、判斷、預測會越來越精準，這樣的系統可以用到設備維護，也可以用到工藝優化，用到方方面面的運維當中，最后來降低成本，包括提高工廠的可用率、降低成本、資產的整合、更多的數據挖掘等。

（根據2020“企業創新大家談”第三期速記整理）