西门子模拟量输入模块简介

西门子模拟量输入模块简介人工智能其实已经诞生了很多年，但近几年数据有了大量的积累，这是实现人工智能的基础。并且我们有了处理大量数据的能力，包括计算能力（比如深度学习），大数据处理的宽带，在数据处理的软硬件方面也有了长足的进步。人工智能给人们的工作学习带来很多便利，比如视觉、语音的交互，包括未来的自动驾驶、营销等等。在工业领域的人工智能我们称为机器智能。它也能创造价值，比如提高生产效率，减少非计划性宕机，节能等等。另外从非技术的因素来讲，人们的意识也发生了变化。人们十分清楚数据中蕴含着大量价值，并且希望挖掘它的价值。



西门子的设备也产生大数据吗？我们在如何利用这些大数据？



西门子的一台燃气轮机每天能产生25GB的数据。西门子的一个智能电网平台Energy IP每天能产生30GB的数据。西门子在德国某城市的一个交通管理系统每天能产生6TB的数据。

利用大数据分析实现预测性维护，西门子帮助从马德里到巴塞罗那的26列Velaro E高铁列车增强可用性，将列车准点率提高到了99.9%。如此高的准点率使得高铁运营公司可以为客户提供特的“晚点退票政策”。 如果列车晚点15分钟或以上，乘客就可获得全额退票。



在工业领域，机器智能的应用有哪些？





种是可视化分析，让客户以智能的方式理解数据，了解数据反映的设备运行状态、能耗情况、生产力状况等等。



第二，让机器实现自诊断。比如一条生产线突然发出故障报警，如何让机器自己进行诊断，找到产生问题的根本原因，同时还能够基于历史维护记录或者维护标准，告诉客户如何解决故障，甚至让机器自己解决问题、自我恢复。



第三，预测性维护，让机器在出现问题之前就感知到或者分析出可能出现的问题。这样我们就可以提前采取手段，避免非计划性宕机。



后，提前采取措施，优化运营，比如节能。在工业领域，我们对产线进行节能优化，通过对历史运营数据、工厂排产情况，以及设备配置参数等等的分析，我们帮助客户提前检测出能耗的异常，并提供降低能耗的措施。



西门子从事机器智能的优势是什么？



深度学习的概念来自于神经网络。



20多年前，西门子就已经开始从事神经网络方面的研发，现在我们在拥有自己的神经网络模型、神经网络框架等。



在工业领域，我们把多年积累起来的算法封装进入可重用的算法库。这些都是在各个行业经过多年验证过的，针对不同设备、不同需求的各种有效算法。这些算法可以拿出来，经过优化、适配，提供给客户使用，满足客户的需求。这是我们做工业大数据分析的很大的基础和优势。



在江苏省科技厅和苏州工业园区的支持下，西门子在进行数控机床的大数据分析，涵盖三个方面：预测性维护、数控机床的诊断和数控机床的生产优化。



西门子在做的其实就是工业领域的AlphaGo。AlphaGo的主要技术就是深度神经网络和增强学习。西门子其实在10多年前就已经把这两项技术应用在了燃气轮机和风机的优化上，帮助提高发电设备的效率，减少氮氧化合物的排放。