9月25日，以“智”造引领，“云”享未来为主题，“科创中国”2020年“企业创新大家谈”系列活动智能制造高峰论坛在北京举办。本次活动由中国科学技术协会主办，中国科协企业创新服务中心、中国仪器仪表学会承办。在主论坛上，西门子（中国）有限公司 数字化工业集团副总裁兼过程自动化事业部总经理姚峻就《人工智能+工业大数据分析：解锁工厂“智能运维”的未来》作主旨报告，本文整理了他的观点分享：

一个一个工厂需要把的自动化，是能够把整个工厂真正联动起来，然后到今天所说的数字化，可能通过不同平台我们把不同的平台上面的数据连起来，通过平台能连起来，比如自动化就是一个平台，然后上面的信息化又是一个平台，我们说设计到生产、到运维，所有的数据又是一个平台。最后从IoT、从到云端又是一个平台。今天现在能够做到的让各个平台，尤其是自动化和信息化能够连在一起，能够有大量的数据能够产生，、大量的数据能够互相地交付，、通过大量的数据能够形成对整个生产质量和生产过程的优化、生产过程的优化，然后实现环保，能够实现、节能降排。

但是智能工厂最终的目标是智能制造，工厂会自运行、自优化，最主要的就是我们说的智能的运行和维护。这里面有三个层级，一是从传感，从感知到认知；二是从优化的控制，从精准到最佳，也就是我不断地把工业参数优化；三是锐化的运营，能够从用不同的专业、不同的技术能够整合在一起，把一个工厂形成一个真正的高智能自运营。

在数字化的前提下，我们能做到产品、生产和性能三个主要步骤的数字化的双胞胎。智能运维已经融入到今天的数字化当中，尤其在数字化双胞胎的技术当中。从产品，我们从质量的预警，两率问题关联的分析，怎么样优化我的产品，我有一个虚拟的产品还没生产之前我就可以可以优化，生产了以后反馈回来我还可以不断地优化我的产品，而且这个优化的速度是非常快，因为他在虚拟的环境就优化了。我们从将产品设计的软件、产品的仿真到产品的优化、质量的分析等等都连在一起。所以今天现在就能够在产品设计和优化上面，我们把一些智能化的元素融入进去，我们在生产的过程中，包括风险的预测、模型的优化、模型仿真也融入进去，达到现在性能预测性的维护、异常的预警和智能诊断，智能运维是一个智能工厂要走过的关键的路，到最后这个工厂可以真正实现是无人化，自带大脑的工厂。

大数据和人工智能是真正实现智能运维的重要手段，我们能看到的，因为我们今天把不同的最新的技术，甚至从商业的技术，不断地融入到工业里面，比如说我们的人工智能、大数据，比如说我们的、5G的技术，而且这些技术都是关联的，夏老师说在云端，它也要跟5G技术连在一起，如果没有这样的技术，很多工业下面的场景是不可能诞生的，诞生了也运行不了无法运行，它的缺少可靠性、稳定性。如果我们看监督学习，要从人工智能的三个阶段开始：

第一，监督学习，扫健康码、导航等都是监督学习，如果把监督学习用到真正的工厂，就是我们的强化感知，从传感到认知，能做到今天异常状态的预警，、风险趋势的预测，我从这些数据中能够认知它，不但能得到数据而且能认知，因为今天现在很多的数据需要实化，第一数据太多，第二连不起来，第三数据发挥不了它的作用，真正把这些数据发挥作用了，这个工厂才能保证上一个台阶。

第二，AlphaGo的强化学习。也就是说你有了认知以后，最关键的是怎么样把你的模型再提高，这就是学习。人要睡觉的、要休息的，机器是不睡觉的，24小时、365天天天可以学，也就是说它不断地从新的数据里学习，去优化原来的模型，所以我们能做到优化控制、精准。

第三，知识图谱。今天比如你拿了一张X光片，上边有两点，医生要去做诊断，拿着片子要做诊断，但是一个专业的医生做不了诊断，可能说有问题，可能说没问题，可能有不同的专业合在一起帮你做诊断，其实工业里面也一样，碰到很多的问题你不知道，。有经验的老师傅很重要，他用20年的生产经验碰到所有的事故，今天没有，我们可以不用，发生任何事故都在知识图谱里，也就是说如果现场发生事情，哪怕是个新的技术人员，首先你到系统里去查，自动去查，同样的事故发生过吗？什么时候发生的？为什么发生的？后来是怎么解决的？这跟一个有经验的老师傅差不多，所以说真正建立知识图谱是很重要的。我们今天就是一个专家知识库，所谓的专家知识库是有很多专家会诊，所以医生会是在人工智能以后最早被淘汰的职业，现在今天去找医生也是，拍了不同的片子，不不化验不同的血是不给你做诊断的，以前只要看看脸色、舌苔就知道什么事情。今天现在他们自己也在走向通过大数据的分析来提高诊断能力，我们的工厂也一样，通过老专家，通过知识图谱把这么多经验收集起来，就能取代这些经验。

我们从工业大数据做机器开始学习，然后形成了模型，从模型去做我们的风险预警预测，然后对这个设备状态的进行分析诊断，再把这些数据又融入进模型，这个模型就是一个自学习的过程，它不断地从目前的数据跟历史数据结合，再去学习，不断地学习迭代，然后再回到整个闭环。也就是说如果我开始用这样的一个系统，我有了一个最初的模型，这个模型会被历史数据和现实数据不断地训练，最后做出来的这样一个诊断、判断、预测会越来越精准，这样的系统可以用到设备维护，也可以用到工艺优化，用到方方面面的运维当中，最后来降低成本，包括提高工厂的可用率、降低成本、资产的整合、更多的数据挖掘等。

（根据2020“企业创新大家谈”第三期速记整理）