比起消费领域，人工智能技术应用在工业领域面临更大、更复杂的挑战，加上工业领域很多问题没有清晰的规则和边界、垂直行业知识专业度较高，这些都成为人工智能落地工业的难点。

作为更懂工业的西门子，我们的专家团队通过提供定制化的人工智能解决方案，帮助多个领域的客户降本增效，释放人工智能在工业领域的应用潜力。其中就有这座久负盛名的数字化工厂。

边缘计算与人工智能

打破自动化天花板

西门子（中国）有限公司工厂自动化事业部未来自动化技术与业务孵化器部门（NAT&B）经理王超博士认为：“工业边缘计算叠加工业人工智能之后，可以使最好的自动化变得更好。”

边缘计算带来底层应用在开发和运营上成本的降低，人工智能则能够使企业在生产过程中直接获益。简单来说，边缘计算为人工智能提供了理想的载体，这个载体可以更好地服务新型应用开发和运行，而人工智能通过相关的机器学习技术和深度学习技术可以在底层对数据进行更高质量分析，从而对原有的分析或者控制方式方法进行增强和提升，反向为边缘计算带来更多加分项，两者的结合可以实现“1+1＞2”的化学效应。

与此同时，工业边缘计算将云端的优势带到了现场，很大程度上保护了敏感数据的信息安全。人工智能在底层应用时，它的模型需要不断地迭代和升级，而边缘计算可以提供很好的支撑、分发和迭代。工业边缘计算具有良好的底层数据无缝采集能力，能够把采集到的数据直接发送给人工智能，人工智能就可以高效实现在边缘计算端的数据分析，减少外泄风险。

当人工智能遇到

西门子中国的首座数字化工厂

西门子工业自动化产品成都生产及研发基地（SEWC）是西门子在德国以外建立的首座数字化工厂。当工业人工智能技术在这里落地开花，这座数字化工厂会释放出哪些新的潜力？

一、颠覆电子元件质量检测

印制电路板（PCBA板）是PLC产品的重要部件之一。

以前：PCBA板的质量检测方式包括：自动光学检测设备（AOI）初步预判+人工复判。在预判显示存在质量问题的产品中，高达80%经过复判都证明没有问题。

现在：西门子人工智能专家团队将产品质量数据定义为两类，针对两种不同的数据，分别采用针对图像特定特征的提取方法和聚类的人工智能算法，以及有监督的深度学习方法来训练机器，使得AOI预判准确率显著提高，需要人工复判的产品数量减少了75%。

二、工业废料分拣的新突破

以前：废料分拣是基于规则，每当废料类别形态或定义发生变化时，就需要人工介入。

现在：当废料进入处理工站时，人工智能通过收集、分析废料的图片信息，分辨废料种类，从而指导机械手臂将废料分拣至对应的处理流程。

自动机器学习（AutoML）以及多模态融合的应用，分拣精确率从70%左右提升至97%，分拣过程也更加智能和灵活。

三、检测数据透明化

以前：人机交互显示器（HMI）功能检测工站的产品测试时间比其它工站都长，成为整条产线的生产瓶颈。

现在：专家团队借助数据分析、统计学、人工智能等方法以及技术，使得检测数据透明化，从而推进参数优化、测试过程优化、预测性维护等功能的实现。这些优化建议让HMI产品的检测时间缩短了9%，年节约成本约40万元人民币。

SEWC质量检测环节中应用了小样本学习技术，当出现新的场景时，机器只需要极少量的样本就可以调整算法模型以适应新场景。

未来，对于未知的新型产品质量缺陷，即使是在数据量极小的情况下，比如只有一张照片，人工智能也可能实现质检准确率90%以上。而当产线上的产品种类有所调整时，也只需采集小样本，就能对新的产品进行高准确率的质量检测。

四、首个基于工业物联网的人工智能系统

为了进一步探索创新科技的工业潜力，SEWC正在搭建首个基于工业物联网的人工智能系统。它架构于云的开放式物联网操作系统，能够将生产数据上云，并在云端进行机器学习模型的训练，进而将训练后的算法模型下发至边缘端，实现基于人工智能技术的实时数据分析与推理。

未来，这个极具示范意义的系统将集中部署于产品质量检测、工业废料自动分拣以及工厂中其它人工智能技术的应用场景。

应用场景的成功实现也推动了工业数据分析、边缘计算、云技术的落地，标志着西门子在将人工智能和工业制造进行深度融合的探索道路上又往前更进一步。