6AV6643-OBAO1-1AXO

水蒸发，形成云，再以降雨的形式回归大地，汇成江河湖泊。它们是饮用水的来源。这样的循环变化每天都在发生。然而，在沙漠地区，降水量无法满足人们对饮用水的需求。获得淡水的另一种方法是海水淡化。-近，这个过程的效率有所提高。

沙特阿拉伯拥有广袤的带状沙漠。那里不仅年降水量少，地下水储量也有限。更复杂的是，在沙特阿拉伯境内没有常流河。因此，为日益增长的人口提供用于生活、农耕或工业生产等淡水的方法就是海水淡化。事实上，淡化海水约占该国淡水供应总量的一半。

-新技术与太阳能

一个已被广泛使用的海水淡化方法是蒸馏。蒸馏是一种热过程，它通过蒸发海水获得淡水，其缺点是能耗较大。因此，大多数新建海水淡化厂都会采用反渗透法，即使用半透膜，通过施加压力将淡水从海水中分离出来。位于Al Khafji的新海水淡化厂就是这样的一个例子：它不仅采用两级反渗透，还能从附近的太阳能装置处获得所需能源。将海水转化为淡水的过程从未如此高效。

尽管现代化程度-高的海水淡化厂处理每立方米水的耗电量只有不到4千瓦时，但反渗透仍是一个能源密集型过程。由于沙特阿拉伯主要使用化石燃料发电，海水淡化所产生的二氧化碳占了沙特阿拉伯二氧化碳排放总量的很大一部分。

值得信赖的伙伴

位于Al Khafji的新海水淡化厂每天能生产为6万立方米淡水。它由沙特阿拉伯公用事业公司 Rawafid Systems与海水淡化**Advanced Water Technology (AWT)公司合作建造。为了在短短14个月的时间内完成项目，Rawafid公司和 AWT公司以可靠性和行业知识为标准选择了他们的合作伙伴。 

对电气、自动化和仪表产品，项目团队选择了西门子作为总承包商。Rawafid Industrial公司总裁兼项目主管Ali Awadallah表示：“我们选择与西门子签约，是因为它是针对电力和水生产的机电供应市场上的一家大公司。此外，西门子控制系统是通用的，在油气、石化、炼油和水处理等不同行业都有所应用。”

Rawafid Systems公司与海水淡化**Advanced Water Technology公司以可靠性与行业知识为标准，选择了他们在Al Khafji太阳能海水淡化厂项目中的合作伙伴。

得到订单后，西门子团队立即设计了一个综合解决方案，方案中包括变压器、Sivacon开关系统、Siprotec保护系统、Sinamics变频器以及用于监测流量、液位、压力和温度的过程仪表。此外，电气与自动化系统还基于 Scalance 工业通信技术实现了互联。

节能且灵活

发电、配电和水处理的控制系统都是基于Simatic PCS 7过程控制系统。这不仅让工厂获得了优越的设备利用率并提高了效率，还让所有工厂与系统实现了中央监控，方便运营人员的日常工作。在Al Khafji工厂，Simatic PCS 7支持着一个变速驱动，而这个驱动则支持着高压泵的运转，使其能够根据因季节变化而不断变化的水温和含盐度进行自动调节。与通过控制阀来控制流量的传统方法相比，这可以节约大量能源。

Simatics PCS 7过程控制系统有助于帮助工厂保持高设备利用率与效率，且能支持运营人员的日常工作。

“对于像太阳能海水淡化厂这样可以对环境保护做出重大贡献的项目，我们必须抓紧时间推进。我们的各个部件都经过了验证。这正是我们可以迅速制定出解决方案的关键。”西门子项目负责人Markus Wallinger表示。

树立**

自项目启动以来，西门子系统表现出色。该设备由37000个部件组成，重达425吨。根据紧迫的时间安排，它需要被运往沙特阿拉伯并准备安装。

对西门子团队来说，克服物流方面的挑战是又一个值得一提的成功。此外，在面对电力供应从34.6千伏变为13.8千伏的巨大变化时，西门子工程师们表现出了足以应对这种变化的灵活性。

此外，西门子的解决方案让所有电气元件可以在纵向和横向都无缝集成，从而降低了运维成本。

除提供包括电气、自动化和仪表产品的产品组合外，西门子还负责将包含37000个部件、重达425吨的设备运送至沙特阿拉伯。

西门子的种种优势为公司赢得了后续订单：Rawafid公司和 AWT公司——后者还同时与开发公司SETE 以及 Al Fatah 共同创建了 A3C 联合体——委托西门子为沙特阿拉伯的另外八座反渗透海水淡化厂提供电气设备。供货范围包括所有零部件以及调试服务。这个项目也同样时间紧张。但是，与Al Khafji项目一样，这对西门子来说并不是个问题。

超过一半的工业**认为AI能在五年内控制工厂、设备和机器等高价值资产。在一个由Longitude Research和西门子联合完成的调查中，这是一项值得注意的国际趋势。当被问及AI的用途、带来的好处、遇到的阻碍以及对AI的态度时，来自能源、制造业、重工业、基础设施和交通运输部门的500多名高层**给出的回答展示了他们对工业企业AI的未来的独特见解。

试想一下，如果你可以利用AI将组织中的一些日常运营决策自动化，从而让员工将精力集中在开发新产品线或拓展业务这样的战略项目上，那么，这里的AI究竟要有多好，你才会给它控制权呢？例如，它是否需要至少要有与人类工程师相等甚至更好的表现？如果AI犯下的错误可能导致重大经济损失甚至人身伤害，这会如何改变你的答案？

一项新的调查将这样的情景摆到了来自能源、制造业、重工业、基础设施和交通运输部门的515名工业界高层**面前，作为一项对AI的用途、带来的好处、遇到的阻碍和人们对AI态度的研究的一部分。他们的回答展示了人们对工业企业中AI的未来的独特见解。

重工业与“重”风险

在这些行业里，许多AI的应用旨在避免事故发生，让工作场所更安全。这一点很重要，因为尽管AI的方法论在各行业中都十分相似，但人的失误所导致的后果却各不相同。在许多工业组织中，错误的决定可能让成千上万的人无法乘坐火车去上班；机器过热可能会导致数百万美元的损失；压力的轻微变化可能引发环境灾难；而在其他数不清的场景中，错误的决定可能会危及人的生命。

因此，许多受访者（44%）相信，在未来五年内，AI系统将自主控制那些可能伤害人或危及生命的机器。更多人（54%）则相信，在未来五年内，AI能自主控制自己组织内部分高价值资产。

为了让AI承担这些职责，工业 AI需要变得更加复杂、聪明，而这种进步通常是由全新的数据管理、生成、表示和共享方法所驱动的。例如：

·  上下文数据和模拟仿真：今天，我们看到 AI 已经应用在了以新方式创建和组织的数据集中，用来加深洞察和理解。相关例子包括知识图谱和数字化双胞胎。知识图谱可以抓取不同数据集中各物体的含义以及它们之间的相互关系。数字化双胞胎则是现实--中系统、资产和流程的数字表征与模拟。

·  嵌入式AI和大局洞察：物联网（IoT）和边缘技术的发展让越来越多的机器可以生成多样的数据集。这些数据集可支持在云中或直接在生产现场实现更进一步的场景认知和实时洞察。

·  不停流动的数据：针对组织间数据共享的协议和技术不断改进，这也可以支持AI模型的发展。这些模型的建立是基于从供应商、合作伙伴和客户等地同时获得的数据。

背景决定含义

以上述场景中的一个为例。使用工业知识图谱，通过组合不同数据集来优化 AI 模型具有很大潜力。知识图谱为人们正在分析的数据增加了背景。例如，人们可以在了解设计数据的情况下分析机器数据。设计数据包括机器被制造的目的、适宜它运行的温度和不同部件的关键阈值等。人们还可以加入相似机器的历史服务记录，包括机器在整个运行周期内的故障情况、召回信息和预期检查结果。知识图谱可以让人们更轻松地增加用于训练 AI 模型的机器数据，添加有价值的背景信息。

调查还了解了**们认为当下-有用的各种背景数据是什么。71% 的人认为来自设备制造商的数据可以带来很大或较小益处。其次是来自其他业务集团、地区或部门的内部数据（70%），来自供应商的数据（70%）和客户正在使用的产品的性能数据（68%）。

如果使用知识图谱将不同类型的数据（如产品历史、运行的性能表现和环境条件）汇集在一起，公司将能够搭建一个可以驱动更优预测、更好想法、更高效率和更强自动化的AI模型。

建立对算法的信心

更强大的应用无疑将带来全新的挑战。它需要人们足够信任AI，并交给它曾经只赋予人类的职责。在这些情况下，AI 应用程序需要赢得决策者的信任，而组织则需要搭建新的风险和治理框架。

为了研究这些问题，调查要求受访者设想一些如本文开始时提到的情景。例如，当决策会产生重大的财务后果时，56%的人选择接受表现出色的AI模型的决定，而44%仍选择相信经验丰富的员工。56%是高还是低呢？有人可能认为不够高，因为这个问题的假设是在一个持续一年的试点项目中，这个AI模型的表现优于该组织中-有经验的员工。这说明即使示例的信息有利于AI，44%的人仍可能具有偏好人类的倾向。

抛开挑战不谈，研究表明，AI的前景仍是乐观的。随着AI变得越来越聪明，**们期待它能助力带来更少的网络攻击、更简单的风险管理、更多的创新、更高的利润和更安全的工作场所。总的来说，由于有如此多样且重要的积极影响，人们将不乏动力来克服通向下一代工业AI道路上的所有挑战。 

下一篇：6AV6644-OABO1-2AXO