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。

这些解决方案，因行业而异，都与具体的应用场景密切结合。岱安强调，施耐德电气的使命始终是提供高能效和生产力的解决方案，施耐德电气的优势也在于丰富的行业知识经验。

他说道，“目前我们正处于一波人工智能爆发的阶段，自动驾驶、人脸识别、虚拟助理蓬勃发展，可以说核心技术已经形成。”

再加上云技术、大数据和芯片的发展，AI的应用已经触手可及。例如，能源行业过去需要用占据整个房间的计算机来算出最佳效率点，如今，AI可以赋能各类小型设备。可以说，AI能应用得多广，完全取决于客户问得出多大的问题。有时候，施耐德电气甚至能找到此前从未想过的解决方案，这就是AI生态系统的魅力。

“但我们不能现取现用，必须让技术与工业生态相结合。”岱安说道。

相比起互联网公司和一些消费产品，能源工业涉及更为复杂的数据环境，且对可靠性和安全性的要求又极高。“因此，传统行业从来都不是新技术的引领者。”他说道。

“对工业而言，AI是手段，制造是根本，AI为制造服务，也应服务于具体的工业场景。施耐德电气不做通用AI，而是利用AI引擎将数据与我们所擅长的专业领域相结合。因为只有了解企业产品、生产与运营的全生命周期，才能将AI的价值发挥到极致。”

除了平衡技术与知识，岱安认为，传统行业也需要时间来平衡技术与人员之间的关系。“可以说新技术已经在人员间产生了代际的分隔，”他说道。“老一代员工有丰富的经验和知识，我们要确保他们也能轻松在手机端应用上工作。”

因此，施耐德电气采取了逐步推进的方式来变革，在引入物联网、人工智能等新技术工具的同时，也要确保这些工具足够简单、易上手。

岱安的第一份工作就与工业自动化相关，作为该领域的老兵，他也对AI带来的新一代人才感到期待。他希望，AI能让一部分学生和年轻人重新对工业和自动化产生兴趣，带来全新的激情和挑战。

岱安相信，人工智能会成为某种增强器，但在短期内并不会取代雇员。“机械臂正在处理一些重复性的任务，但AI肯定无法取代更高价值的工作。”

尤其是考虑到时下主流的深度学习是个黑匣子，中间过程缺乏可解释性，他认为，科幻片式的自动化情景还十分遥远。“机器能做决定，但还不能做最终决定。”岱安肯定地说道。