我们来看看这个场景：

在一个空间，我们装一个温度传感器（将物理量转换成电信号）；控制器采集（数字化的模拟量）后，用于启动制冷或制热，做空气温度调节。这就是我们传统的控制。

同一个温度传感器

当我们采集模拟量数值的同时；关注其变化量（如：每秒间隔的温度变化）时，就会发现它还包含着更多有价值信息。

例如：

若十几秒内温度降低3-5度（变化速率），那大概率是（北方冬天场景）开窗通风了。

若在空间左右两侧各装一个温度传感器；同时关注两个点的变化量。当左侧的温度先降低，右侧的温度后降低；我们还可以认为冷风是从左向右吹过。

若几秒内上升20-30度（变化速率），那大概率是（场景）着火了。

很明显，这种对模拟量的变化量来进行的预测（仅从室温快速上升即报警），要比设定个阈值（200度报警）会更加提前预警。

（好比我们感到右后方有热感袭来，转头回看，只是确认是着火？还是电暖器？而不是烫着了，再跑。）

同理，若采集在空间网格中分布多个的温度传感器，针对（场景）中的温度快速上升（着火），我们甚至还能预估火源位置。

据此，我们认识到：我们工业控制所面对的是“过程”；关注的是数字模拟量的变化量。而不是简单的数字模拟量的阈值（如高低水位信号开关）。

正是因为真实物理世界是连续变化的，因此，对所有事物的过程控制都应该是根据模拟量的变化量进行的控制；

这例子说明：

1、仅靠阈值判断状态，决定真与假，是与否，进行控制开启与关闭；是不能达到所谓的智能化。

2、同一传感器、同一场景，以变化量、变化量的速率为依据，对不同事件，可以产生不同的处置；

3、这些数字模拟量的变化量及变化速率都是过程数据，需要标注。

4、这些不同的控制，实际来源于“经验”；而“经验”则代表着历史数据的积累。

上面仅为三个例子，但我们可以感觉到，虽然这些并非通过逻辑编程做不到；而工业AI智能体可以在数据积累基础上，通过“经验”就现实场景的变化，给出更多的适当的处置。

下面，我们就谈谈历史变化数据积累的重要性及场景标定的重要性

看看通过数据积累，我们还能发现什么？