无论是在公司内部还是在客户现场，借助数字化企业解决方案，西门子持续推进工业数字化转型。西门子安贝格电子制造工厂（EWA）就是一个很好的例子。在EWA，制造业的未来已在许多领域成为现实，而这多亏了数字化企业解决方案。

在EWA，每天要完成350次生产切换，产品组合包含约1200种不同产品，每年要生产1700万个Simatic组件。为实现不断优化以保证工厂稳定运行，EWA需要评估并使用5000万条过程与产品数据。此外，工厂还应用了人工智能和工业边缘计算等突破性技术及云解决方案，助力实现高度灵活且非常高效可靠的生产程序。

工业边缘计算与人工智能技术助力实现产能增加

Jochen Bönig博士是西门子安贝格电子制造工厂战略数字化部门的负责人。他表示：“利用边缘计算，数据可以在它产生的地点，即在工厂里或机器上，被立即处理。”举例来说，在EWA，这项技术已被应用于为分布式I/O组件生产印刷电路板（PCB）的生产线上。

在过去，生产并未被充分优化，而这既不是因为工厂可用性，也不是由于过程质量。瓶颈存在于PCB生产的较后阶段，即X光检测环节。

只有指甲盖大小的电路板中包含有与功能相关的带有各种连接销的总线连接器。在一项非集成测试中，相关人员要对这些连接销的焊接接头进行X光检测，以查看它们是否能正确地工作。那么，应该花费大约50万欧元再购买一台X光机吗？

另一种方法则是利用人工智能技术。来自传感器的数据经由全集成自动化（TIA）环境被传输至云端。TIA环境包含一个控制器和一台边缘设备。*对基于人工智能和过程参数的算法进行训练。该算法可以学习过程数据是如何反映焊接接头质量的，并可以对在工厂中的边缘应用里运行的一个模型进行控制。

Bönig解释说：“该模型可以预测PCB上的焊接接头是否存在故障。换言之，它可以判断是否需要对PCB进行较后阶段的检测。借助闭环分析，这些数据可以立即反馈到生产中。” 

在PCB的生产过程中，一种由人工智能控制的模型能够提供可靠信息，用来判断相应PCB存在缺陷的可能性。

早期预警系统与预测性维护

闭环分析和工业边缘技术也被应用在铣削中。由于铣削时产生的粉末，为Simatic产品分割PCB的铣床主轴并不会永远都正常运行。但是，起初人们并不清楚问题的根源在哪里。就像在自动X光检测技术中的应用一样，西门子的*可以利用边缘计算和人工智能技术来实现预测性维护。

西门子团队分离出了与非计划性停机存在明显关联的两组参数：铣床主轴的转速以及驱动所需电流。这些数据被输入一台边缘设备。在这台设备中，一种已经预先被训练好的算法可以识别出过程数据中存在的异常与停机时间之间的相互关系，并将其反馈至生产过程。