从电气化到数字化，从数字化到智能化，虽然曾经工业4.0明确标识出了OT与IT融合的具体场景和标准，但是事实上在行业当中，两者天然的学科界限依然泾渭分明：以PLC为代表的企业级OT自动化硬件与以云计算为代表的IT数字化能力之间，依然需要根据应用场景的不同，而选择不同的方式来互相融合，彼此作用。这对于企业用户而言，无形中增加了由于系统本身定制化而来带的成长型风险，而对于同时向市场提供包括OT和IT解决方案的厂商而言，则因为缺少真正将两者关联起来的技术发展规划和逻辑，所以常常陷入顾此失彼的窘迫之中——显然，无论是从行业技术发展角度，还是对于企业用户、供应商而言，都迫切需要为OT和IT找到一个统一的技术发展、应用的明确逻辑。
2023年6月8日，2023年施耐德电气创新峰会在乌镇召开，施耐德电气全球执行副总裁、中国区总裁尹正提出了施耐德电气对于OT与IT融合发展的通用逻辑：在企业和产业两者同时的转型过程中，电气化解决的是可持续性发展的问题，数字化解决的是提高业务效率的问题，两者叠加的关键在于用软件为两者搭建出一个统一的平台。而施耐德电气的这一逻辑，不仅在OT与IT融合的过程中，明确了软件和IT技术本身的地位，甚至在某种程度上，也为自身涵盖广泛的用户领域——工业、楼宇、数据中心、基础设施等——定义了统一的发展思路，即以IT技术为核心，以数字孪生为统一模板，面对不同行业，提供包括工业数字孪生和能源数字孪生等解决方案，从而为各种类型的企业提供从设计、建造、运营和维护的全方位价值。
之前施耐德电气就已经从战略方向上制定了从硬件技术向软件和数据技术转型的方向，但是从整体架构、逻辑以及新旧两种不同技术融合方式等方面，此刻的施耐德电气有了更加明确、能够用来制定和规划整个企业战略部署的规则和逻辑。
“数字孪生可以集成软件、算法、数字化平台等，全面覆盖产品和资产的全生命周期，包括设计、建造、运营、维护的各个阶段，从而提高整体效率。”在接受笔者采访时，施耐德电气副总裁、数字化服务业务中国区负责人张磊强调：施耐德电气创建了完整的数字化工具组合，包括丰富的硬件和软件。按照数字孪生的逻辑，实际上就是“数据集成中心”，全面收集所有数据，包括资产、运营、能源、碳排放等，并为最终企业创建覆盖工业和能源的两大数字孪生，帮助企业实现对数据和信息的快速追踪和管理。“这是施耐德电气的优势所在，我们的数字化解决方案能够融合流程、电力和楼宇建筑各个层面。比如，工艺流程的设备参数发生了变化，电源供应也将随之调整，楼宇建筑的空间位置也将改变……这些变化都可以在数字孪生模型中迅速调整，并反馈到物理世界，通过自动化系统及时调整。随着企业的规模扩大，应用场景的日益复杂，企业必须进行自动化和数字化的管理，涵盖设计建造到运营维护，形成一条连续的数字动线。”
在本次创新峰会上，施耐德电气在原有工业物联网EcoStruxure架构与平台基础上，进一步加入AI技术的元素，发布了企业级一站式、场景化、开放性的AI模型生产与运维平台EcoStruxureTMAI引擎，将其对IT技术本身的期望和关注表现到极致。
根据施耐德电气提供的资料，此次推出的EcoStruxure AI引擎，覆盖了企业客户实现人工智能产业落地所需的五大建模相关流程，包括AI模型生命周期中的数据准备、模型训练、模型部署、模型推理及模型监控，并采用云边协同架构，云端训练模型，通过下发至边缘平台进行实时推理，控制各类设备执行AI任务。到目前为止，EcoStruxure AI引擎基于原有产品推出了面对各种不同应用场景的标准应用套件和20多个工业级模型，可直接部署开箱即用，如基于AI的智慧安防，空压机的预测性维护等。而对于特定场景数据，企业用户可基于EcoStruxure AI引擎内置的丰富模型模板，进行快速预研，从而训练更高精度的定制化场模型。
“施耐德电气有个特别好的一个优势：我们本身就是一家有将近200年历史的一个工业巨头，在中国有22家工厂和7个物流中心，覆盖了各种业务模式。按照供应链的模式，有些工厂是按照库存生产的标准产品，也有些工厂完全是定制化的产品，甚至还有工厂是从图纸设计定制的这种高度的定制化的产品……所以施耐德电气的业务模式跨界范围很广，基本涵盖了离散行业、离散制造的所有的生产范式。”施耐德电气中国区供应链绩效及数字化副总裁顾俊强调，施耐德电气对软件和IT技术投入的方式，与单纯IT行业不同，施耐德电气所有的IT技术研发和推出，都是来自于企业真实的业务需求和业务场景，也是经过反复验证的，“所有产品在正式走向市场之前，都有一个孵化的过程，包括在做原型、测试时，都会在施耐德电气自己的企业当中做真实的应用，以验证其所能提供给企业用户的价值。”
以此次推出的EcoStruxure AI引擎为例，顾俊强调，在真实的工业企业的供应链当中，有一个“质量检测”的应用场景，其需要在产品生产过程中，对产品的生产过程、外观、特征以及生产最后的结果进行检测，确保产品的质量和结果是符合产品质量要求的。“在以前，很多工业企业只能靠人工检测的方法来完成这部分工作，这样容易出现效率低下以及漏检等情况。在最早的几年，我们会采用传统机器视觉的图像检测方式——这种方式帮我们解决了一部分的问题，但对于那些可能出现的缺陷由于没有太多的规律性，出现的位置和形状也千差万别，因此在不可穷举的情况下，这种方式也无法很好地保证漏检和过检率，所以依然得需要很多人工做现场检验。”
顾俊认为AI技术的加持，让“质量检测”环节得到了彻底改善：“现在，施耐德在10家以上的工厂已经用了大量的AI工业视觉检测平台，过去一年中，这些AI解决方案已经为工厂带来400万元的直接成本节约。最直观的一个结果是对于质量的改进，漏检率是0，过检率能够控制在0.5%以下。这样企业就不需要用专人做质检了，只需要随机巡检。”
事实上，与传统IT技术提供者开发的针对工业企业应用场景的IT产品相比，以施耐德电气为代表的技术提供者，最大的优势还仅仅在于可以用自己的企业去先行发现、研发和验证IT技术的现实能力，而是能够在IT技术的基础上，叠加自身积累的工业知识和企业管理经验。
依然以本次发布的EcoStruxure AI引擎为例，顾俊认为，工业领域对于AI技术的应用模式与消费互联网领域是有本质性的区别的：“我们虽然同样强调算法，强调通过算法训练出大量的、越来越多的智能模型去辅助工业企业的智能生产，但是几乎没有一个模型是纯数据模型，这是不可能的。因为工业领域强调的逻辑判断标准是强因果性，而不是强相关性——纯数据模型强调的是强相关性——所以施耐德电气提供的AI应用，一定是要知道结果背后的原因，有很清晰的逻辑性，强调强因果性。”
顾俊强调，EcoStruxure AI引擎在数据模型和分析技术的基础上，重点加入了施耐德电气多年的行业知识和专家经验，“也就是说，施耐德电气提供的所有数据模型背后，都是数据分析加专家系统——这是施耐德电气在工业领域多年积累的知识和能力，由于这些知识和能力的高度碎片化，所以也是互联网公司或者纯IT技术开发者，在短期内很难提供的。当施耐德电气将这些工业企业的业务知识与数据分析结合在一起退出来的模型，就是能够具备高可解释性和强因果性，而不纯是具有相关性。”
而从现实应用的角度，张磊则认为，在现阶段，包括AI在内的IT应用，都必须从企业自身的业务特点出发，在为企业提供更高效率的同时，以保证企业的业务连贯性、安全性为主。“所以我们在做算法的时候，会在应用流程中加入一个过渡，增加人工确认的过程，而不是让IT系统直接控制PLC，控制企业的业务生产线工作，从而保证企业的业务流程是低风险、安全且连贯的——AI到目前为止，还是辅助决策，不是完全的取代。”
写在最后
从强调硬件设备的电气化、自动化，到认识到软件技术的价值，加强IT技术能力的数字化，施耐德电气是整个工业技术提供商当中，最早放下倔强、拥抱未来的企业之一，也是对IT技术如何应用于工业企业，并真正发挥价值，认识最清晰的企业之一。而这一种转变在未来，不仅仅会影响施耐德电气自身的业务发展方向，很大程度上，也会影响到整个工业领域数字化转型模式向更务实的方向进行优化调整，让更多的企业能够真正借助IT能力，更关注自身的业务。
免责声明：本网转载自其它媒体的文章，目的在于弘扬科技创新精神，传递更多科技创新信息，宣传国家科技政策，展示国家科技形象，参与国际科技舆论竞争，并不代表本网赞同其观点和对其真实性负责，在此我们谨向原作者和原媒体致以崇高敬意。如果您认为本网文章及图片侵犯了您的版权，请与我们联系，我们将第一时间删除。
