施耐德电气：超越故障监控 AI时代机器实现预测性自主维护
“我们正处于从机器学习走向机器智能的转折点。”施耐德电气工业自动化业务战略高级副总裁岱安(Alain Dedieu)在近日举行的2019世界人工智能大会上接受澎湃新闻记者专访时表示。
“尽管最终决定权还握在人类手中，但人工智能已经在提供多样化的选项和简化的解决方案。”
作为全球能效管理和自动化领域数字化转型专家，施耐德电气早已将大数据、云技术、物联网等新技术集合在业务过程中。人工智能(AI)的加入将会解锁哪些新技能？为何会成为一个重要的转折点？
在岱安看来，从传统的数字化走向人工智能，意味着由浅入深，有效掌握和分析更为复杂、更多维度的数据；从而由表及里，理解现象背后的原因，往自动化方向上更进一步。
“施耐德电气的目标不仅仅是进行监视和提供建议，而是让机器能够自己做出关于维护步骤的决定。”他说道。预计到2035年，AI或能将全球制造业的产能提高40%。“即便产能只提高10%，对于整个行业来说，也已经是个非常可观的目标了。”岱安说。
解锁更高水平的自动化
相比起传统的数字化工具，人工智能的一大特点是能提取和分析高复杂度的特征。岱安相信，这会让工业设计进入“5D设计”乃至“6D设计”的时代。
例如，在设计一座炼油厂时，除了传统的物理空间三维，AI赋能下的设计系统还可以考虑时间、成本等维度，给出成本更低和运营更佳的方案。
这种强大的分析能力，更有助于“消化”工业数字化中产生的大量数据。随着传感器设备的大量部署和数据采集频率的不断加快，传统方式下企业需要投入更长的时间、更多的程序人员以及超负荷的工作来处理数据，但结果不太理想。
施耐德电气的客户之一，美国杜克能源公司就曾经历过一次发电厂变压器故障，进而蔓延到其他变压器和2个涡轮机，最终遭受了1000万美元的损失。杜克能源这才意识到，此前数据分析师们80%的时间都在收集数据，只有20%的时间用来分析数据。
用上AI之后，问题将变得简单：通过特定的AI算法模型收集并储存设备运行数据，提供二次分析以检测设备生产是否正常。一旦生产流水线出现故障，AI将判断出来并自行解决、修复。AI还能更好地理解故障产生的原因，实现从常规维护到预测性维护、乃至规范性维护的超越。
施耐德电气就为杜克能源提供了用于预防灾难性事故的AI维护工具。这种致命故障一次就可造成高达3450万美元的损失。
“施耐德电气可以确保当设备数据发生变化时，不仅会显示故障发生的部位和时间，还会显示故障发生的原因。更进一步，规范性维护将进行分析并确定不同的选项和潜在结果，以降低操作带来的风险。”岱安介绍道。
AI技术不能脱离应用场景
在此次世界人工智能大会上，施耐德电气还展示了由AI解锁的其他创新性解决方案。
例如，施耐德电气利用AI技术自动从不同数据源提取数据并进行先期验证，将油气行业的调试过程缩短了90%。
此外，施耐德电气也在尝试用AI结合混合现实(增强现实和虚拟现实)技术，开发出专用型沉浸式工厂训练模拟器(OTS)，以游戏的方式提供员工培训，模拟工厂在正常运行和故障发生下的情景。
返回顶部