凌晨两点,是大多数人深度睡眠的时间,但对老孙来说,却是一天的开始。他在济南矿厂生活了20多年,一年365天,三班倒。特殊的工作时间、地点,限制了他们的的社交,也构建起了大众认知的隔阂。
矿井作业,一项全世界公认的危险工作。根据中国煤炭工业协会发布的《2020煤炭行业发展年度报告》显示,2015年到2020年,每百万吨死亡率从0.162降低到了0.059,往前推10年,这个数字是2.81。
数字降低的背后,是国家法律法规完善和科技进步。围绕矿井作业安全问题,国家先后出台了《矿山安全法》、《安全生产法》等法律法规。这些都是矿井工人安全得以保障的基础所在。
另一方面,科技的进步也切实改变了矿井作业管理。比如矿用智能机器人可以替代人类进行危险作业,减少人员伤亡事故的发生。而自动化系统和安全监测监控系统的升级也帮助管理者通过对矿井中的通风、排水、运输等系统进行远程控制,最大程度减少人为操作失误引发的事故。以设备预测性维护为例,西门子Xcelerator开放式数字商业平台上线明星产品“预测性分析系统(SiePA)”,在矿井开采场景上大有用武之地。相对于传统运维产品,SiePA能够更早发现潜在风险、更便捷的进行故障判别、高效生成一站式报告、更加智能的固化经验来帮助企业构建“竞争力围墙”。
工厂“潜在”运行风险,一目了然
比如,SiePA能够替代过去以人力为主的巡检,开展智能风险预测预警,对各种情况下的状态与安全评估更加精准和实时。以机械设备为例,AI可以结合周边生产环境和条件(如温度、压力、流量等),读懂设备的振动频谱,通过数字自动判断设备的潜在问题,精准度和灵敏度很高,甚至可以精确到机械设备的某一个齿轮。
AI 预测预警模型,在线构建
此外,SiePA内置上百个针对不同设备与故障类型的AI模型模板,能够帮助客户尽可能覆盖全场景。
经验知识固化与一站式报告
并且在产业大模型的帮助下,SiePA的专家知识库内置 1200+ 行业标准故障解决方案,能够智能匹配相关解决方案,快速生成风险处理报告。
事实上,远不止矿井开采,在更多工业资产管理场景中,预测性运维正发挥着不可或缺的作用。
除了传统的工业制造外,也可以应用于金融、医疗、交通、能源等领域,为设备维护管理带来更高的效率,为可持续发展带来更完整的解决方案。比如,近日上线的西门子X金融服务能够为金融全产业链上下游客户提供专业融资方案。
不止于此,近年来,科技赋能资产管理正在成为一个火热的话题,企业资产管理也呈现出了场景化、移动化、共享化、数智化以及社会化的新趋势。作为西门子Xcelerator的数字化的代表产品和最新解决方案,SiePA为企业的创新和数字化转型、赋能产业高质量、可持续发展提供了澎湃动力。围绕目前已经建联的近30家生态合作伙伴和未来潜在合作企业,搭载更多解决方案的西门子Xcelerator开放式数字商业平台,将加速千行百业数字化创新进程。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。