作為工業自動化領域的“頭部玩家”，西門子一直以創新的姿態，推動業界不斷擁抱從概念到技術的諸多革新。那么，在眾多新技術新概念不斷涌現的今天，西門子又將如何引領自動化技術的創新演進呢？

近日，筆者應邀以線上交流的方式，參加了西門子舉辦的媒體沙龍。西門子（中國）有限公司數字化工業集團副總裁兼工廠自動化事業部總經理衛岳歌（Joerg Westerholt）先生和西門子（中國）有限公司工廠自動化事業部王超博士共同分享了西門子工廠自動化業務的最新動態，同時也展示了西門子如何利用新技術，特別是邊緣計算和人工智能技術賦能用戶，為當前的自動化技術提供創新引擎。

數字化雙胞胎：打破虛擬與現實之墻

一段時期以來，數字化一直是諸多制造業用戶爭相探究的熱點概念。對于中國制造業而言，升級和轉型的需求往往要兼顧更快的速度、更高的靈活性和更好的質量，以及更高的效率。除此之外，新的產品也需要更迅速地推向市場。對于這些以往看上去非常具有挑戰性的需求，西門子可以提供其數字化雙胞胎解決方案——Teamcenter協作平臺。

借助這一數字化轉型的利器，可以在產品、生產以及性能三個層面上實現“數字化雙胞胎”，從而提供完整的虛擬和現實解決方案。基于Teamcenter協作平臺，企業可以設計虛擬產品，調整其外觀、參數；其后，企業還可以設計虛擬產線，即在虛擬的環境中構建生產所需的工位和設備，直到對其進行虛擬調試。在此過程中，所有虛擬端和真實端的數據、設計參數、質量參數、工藝參數等等都可以被集成在Teamcenter協作平臺當中。

而虛擬和現實的結合，則可以像一把“鑰匙”一樣，為企業開啟閉環的持續改善過程。例如，如果在真實生產過程中發現產品存在問題，企業則可以直接在虛擬端修改產品設計，并回饋到真實生產過程中。反之亦然，在虛擬端出現的問題，同樣可以根據實際生產時產生的數據反饋來持續改善虛擬端的設計。

這一方法的優勢在于，通過“數字化雙胞胎”的虛擬仿真技術，能夠大大減少產品設計后調整和產線優化的時間，從而加快產品上市，并提升生產的柔性化，最終將這些要素轉化為企業的競爭力。在這方面，西門子不僅能夠為全廠提供數字化整體解決方案，即便是一些規模有限的OEM設備制造商，同樣可以借助這一利器共享數字化轉型的創新果實。

邊緣計算：按需部署，銜接IT與OT價值

衛岳歌先生談到：“我們一直在思考工業的未來，在我們看來，借助自主機器、認知工程以及邊緣技術集合人工智能，實現自動化的自動化，將是自動化的未來圖景。而當前的自動化創新將來自邊緣計算和人工智能，西門子當前工業解決方案的側重點也在于此。”

談到邊緣計算，可以說，工業的邊緣計算既將云端的優勢帶到了現場層，同時也能夠解決很多用戶的實際需求，幫助其打消疑慮。一方面，通過邊緣計算的技術，可以在工業的現場層進行大量數據計算，例如將預測性維護、質量檢測等任務下沉到工業現場層，能夠讓工業控制領域的能力得到進一步延伸和拓展；另一方面，很多用戶在現階段不希望將工廠或者設備所有的數據都上傳到云端，尤其是對于一些敏感的生產數據和質量數據就更是如此。那么，邊緣計算就為滿足這些場合的需求提供了更加靈活的選項。

沒有邊緣計算之前，在工廠車間層級行相關應用的開發和維護成本非常高昂。現在，邊緣計算則為此提供了一個極佳的平臺，讓工程師可以用更低成本，在車間層級開發出數據分析、質量預測等新型應用。例如，西門子可以提供對底層自動化系統的無縫數據鏈接，包括對PLC、I/O等設備的無縫集成，這就為很多開發者解決了棘手的硬件差異化挑戰。此外，西門子能夠提供基于IT應用的開發環境和運行環境，當應用開發完畢后，對這些應用的分發、部署、升級及安全補丁管理等機制都可以通過邊緣計算實現完整體系化的管理，能夠大大降低開發者的工作量。

除此之外，邊緣計算還能夠起到打破傳統OT和IT隔閡、整合兩者優勢的協同橋接作用。以往在車間層級，自動化專家和IT專家雖然各有所長，卻往往由于各自知識的局限，難以通過協作實現優勢互補。而有了邊緣計算，就可以讓自動化專家為上層分析人員提供更好的數據；反之，數據分析專家則可以在底層直接獲取相關數據進行數據分析，這使雙方的優勢得到了最大化互補。

在這方面，西門子可以提供SIMATIC的PLC、HMI、IPC等由不同類型的邊緣計算所賦能的自動化設備和硬件，以滿足用戶的各類需求。值得一提的是，西門子為邊緣計算提供的管理模式也極具彈性，可以根據不同企業用戶的需求而按需部署。從一個單純的點狀設備服務，到一個完整的云邊協同體系都可以匹配相應的解決方案和服務。

人工智能：

與邊緣計算“雙劍合璧”的最佳搭檔

如前所述，邊緣計算為企業開發和維護帶來了成本和效率上的改進，可謂是提供了一個非常好的載體。那么，什么樣的應用將成為搭載在這一載體上的最佳搭檔，發揮出最大的潛能呢？這個問題的答案無疑將由人工智能進行譜寫。

在工廠層級，通過人工智能手段，可以提升執行的效率和準確率，使其更加簡單和高效。以前，人們根據自身對機械和物理規則的理解編寫控制邏輯程序，隨著涉及到的因素和維度增加，不可避免地會出現局限性；而如果引入機器學習的方法，尤其是借助深度學習，可以更多地使用神經網絡的方式對規則進行推演，進而實現對控制的效率、準確率和精度的提升。

工欲善其事，必先利其器。為了讓廣大工業用戶能夠受益于人工智能帶來的卓越價值，西門子也為客戶提供了不同類型的人工智能硬件。例如神經網絡計算單元TM NPU，就是一款可以附加于西門子S7-1500和ET200MP之上的模組。它內置了高性能的人工智能計算推演芯片，可以基于神經網絡對相關數據進行現場層級的分析和推演；它還集成了標準USB、以太網接口與各種第三方傳感器，且可以通過TIA博途和AI開發工具進行開發，實現不同類型的人工智能應用和有效的閉環增強控制。

那么，為何邊緣計算及其搭載的人工智能應用，可以產生出“雙劍合璧”的突出價值呢？對此，王超博士談到：“人工智能的模型需要不斷地迭代和升級，邊緣計算恰恰可以很好地支撐分發和迭代；工業邊緣計算形成了非常好的數據采集能力，這些數據正好是人工智能所需要的輸入；人工智能在邊緣計算端運行，可以確保很多數據在本地端進行推演，減少敏感數據的外泄；而通過后端的開發機制，可以借助于高階的開發框架把人工智能應用下發下去。這些都是邊緣計算的體系結構對人工智能的很好支撐，使兩者之間產生出‘1+1》2’的化學效應。”

在這方面，王超博士還分享了一個來自西門子成都工廠的案例。在成都工廠，應用了自動化光學檢測系統以保證其生產的PCB板實現“零缺陷”。由于規則和閾值設置得非常嚴格，導致經這一系統判定的80%的缺陷判定，在事后被證實是“矯枉過正”的“假錯”，因此需要增加人工復檢環節，導致重復勞動量和成本上升。在這種情況下，該工廠采用了人工智能對“假錯”進行甄別，不但降低了至少75%的人工復檢成本，同時還確保了100%的PCB板“零缺陷”。

今天，我們常說： “未來已來”。事實上，在技術飛速發展迭代的工業領域，今日和未來的區隔早已日漸模糊，誰能夠早日抓住技術創新帶來的紅利，誰便能夠率先觸及充滿機遇的未來之門。在這一意義上，西門子領先的數字化轉型利器及其提供融入邊緣計算、人工智能等技術的自動化解決方案，無疑正是打開這道大門的鑰匙。至于未來如何實現自動化的自動化，西門子也定不會讓我們失望，就讓我們拭目以待。
責任編輯:pj