×
新网 > 互联网热点 > 正文

西门子人工智能与边缘计算面向未来的价值创新

  • 作者:zccc
  • 来源:网络
  • 2020-05-26 21:00:32

如同电力一样,人工智能正在成为一项用途广泛,赋能多元,引领产业发展的新兴技术。早在2018年,拥有170年工业经验的西门子就已经对人工智能进行了探索,推出了具备神经网络功能的边

如同电力一样,人工智能正在成为一项用途广泛,赋能多元,引领产业发展的新兴技术。早在2018年,拥有170年工业经验的西门子就已经对人工智能进行了探索,推出了具备神经网络功能的边缘设备PLC S7 1500 TM_NPU,内置高性能神经网络加速处理芯片,可对控制数据、音视频等多项信息进行高效分析与处理。如今,这家百年工业企业正在努力将人工智能与边缘计算相结合嵌入到更多终端设备中,朝全面智能化的方向加速迈进。

全集成平台

让工业自动化变得更好

卫岳歌

西门子(中国)有限公司数字化工业集团

副总裁兼工厂自动化事业部总经理

西门子(中国)有限公司数字化工业集团副总裁兼工厂自动化事业部总经理卫岳歌表示,西门子百年的工业经验铸就了今日最优秀的工业设备和最好的自动化技术,结合人工智能在边缘端形成无缝集成,让机器替代复杂重复的人力劳动,为客户的利益不断创新,在通往未来图景之中,努力让工业自动化变得更好。

无论国际还是国内,西门子都是自动化产业中的长期领导者,为客户提供最领先和最全面的自动化产品组合,实现全集成的工厂自动化。在硬件产品方面,拥有超过60年历史的SIMATIC家族旗下涵盖各类现场控制器PLC、人机界面HMI、IPC和远程I/O模块,满足从简单到复杂的设备控制与产线可视化需求,并均可使用TIA博途平台进行统一的组态编程,开放的PROFINET通讯标准让任何携带接口的第三方设备从容接入实现互联,这一切都是西门子实现边缘智能发展的坚实基矗

西门子SIMATIC产品家族

将云端优势带入现场

与手机、apps、基站、云服务形成的民用网络一样,工业网络在岁月的磨砺中逐渐形成了现场层,数据处理层和上位云端的三层架构模型,但由于工业控制场景高速反馈的苛刻要求(低于5ms),就不可能也不能够将所有智能分析服务集中至云端,一些现场级的应用如机器视觉、预测性维护须保持于本地运行,这需要一种高算力的支持,既能满足现场应用分析服务的要求,同时支持后端部署、下发和运维的需求,边缘计算应用在这种背景下应运而生,它能够将云端算力移植至现场层。

人工智能与边缘计算

--未来自动化现场

王超 博士

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经理

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经理王超博士分析称,以西门子在边缘端成熟的数据采集能力为基础,结合人工智能算力作用于客户系统底层,帮助客户克服生产工艺缺陷,如质量、成本、精度、产量、良品率等多方面问题。在汽车、电池、半导体、食品饮料等竞争日益激烈的领域实现生产效率的飞跃提升。

以西门子工业自动化产品(成都)有限公司为例,在生产PLC和IPC等产品的过程中,应用了大量PCB板。成都工厂采用了自动化光学检测系统来控制PCB板的缺陷。由于监测标准严苛,设备查出的缺陷在人工复检后发现80%是“假错”。而通过人工智能与边缘计算组合的方式对“假错”进行甄别,可以降低75%的人工复检成本,同时可以实现“真错”的100%“0逃逸”。既降低了人工成本,又提升了良品率,可谓鱼与熊掌兼得。

弹性服务

IT与OT融合的开发环境

王超博士还表示,考虑到企业“人力、物力、财力”的不同,西门子设计了足够的项目弹性,力求物尽其用。

现场设备的升级可以是单一工站,也可以是车间级、企业级和跨地区、跨产业链的云边协同式系统组合。

此外,应用能力如果要被不断提升,算法就要被修正,底层人工智能模型要不断迭代和升级,西门子为IT工程师和OT自动化工程师提供了优秀的开发环境,使二者可以使用自己熟悉的编程语言,无缝集成,OT可为IT工程师提供优质数据,IT工程师可以使用高阶语言根据现场数据开发相应应用。

应用运行时边缘计算与人工智能可以相互支撑互为加分,形成“1+1”大于2的效果。

从技术驱动到价值创新

尽管2020年的疫情让大多数企业受到了影响,但西门子依旧步伐稳健,最新披露的财报显示,其业务坚实,增长稳定,这与其对技术长期的投入与积累密不可分。

但一家卓越企业成功的背后绝不止于技术。中国已不再是30年前的中国,“数字化”已遍地开花,人工智能的火爆程度甚至有超越市场需求之势。

沉寂下来思考,如何能让客户受益,让行业繁荣,推动技术走向价值转化,才是百年企业成功的真经,而西门子正坚持在这条价值创新之路上努力前行。

新网数码

  • 相关专题

免责声明:本文内容由互联网用户自发贡献自行上传,本网站不拥有所有权,也不承认相关法律责任。如果您发现本社区中有涉嫌抄袭的内容,请发送邮件至:operations@xinnet.com进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。

免费咨询获取折扣

Loading