举个例子：一个传感器，360度旋转，每秒转一圈，采集信号（强度）

单一的各方位的微弱信号，看不出任何信息。

当我们不断累积每秒数据，叠加（强度）信号。

就可能出现有用的信息。不但指出信号方位，而且根据信号强度的变化，可以判定信号的频率（两秒周期=0.5Hz）；若有信号强度-距离的标定，那么还可以根据信号强度的变大/变小，判定距离、渐进或渐远。

又例如：导航软件中的红绿灯，好多人认为是与交管局的控制中心联动；其实并不是的。而是通过大数据：一个标定的路口绝大多数的车辆都是在那个时刻（红灯）停驶；间隔多长时间后（绿灯），启动前行；由大数据统计出来的就可以知道：“快要红灯了，快要绿灯了”。

也正因如此，有时你会遇到导航上的“读秒”与实景并不完全符合。不过，大数据模型会随时“学习”自适应。

这些例子说明，看似无用的数据，当做了指定场景（如：指定的十字路口）的标定，通过积累，有用的信息就会显现。

西门子也有预防性运维软件DCMA变频器健康管家；采集驱动器（变频器）通过S7 TCP单边通讯采集网络内所有驱动器的工作状态，保存记录；

这里要说明，西门子全系列驱动器，都是全数字化装置（控制逻辑由CPU与内置程序完成）均有通讯接口；对于那些仅配置串口，也可通过串口模块采集运行数据。

DCMA不但可以定时采集，还可以向驱动下载Trace，由装置本身的CU控制捕捉毫秒级的运行状态。

利用这些（积累的、实时的、捕捉的）数据， DCMA就可以做到预防性维护了。

利用专家系统（包括西门子驱动专家长期的经验数据）自动分析判断各个驱动的状态，给出预警。

这些预警信息不但有常规的报警，还包括根据转矩、电流、电压信号的信号特征，结合比对机械传动轴系的、电机轴承的振动特征值，提前预警、指出机械传动的问题所在。

此外，通过数据积累和实时采集（对比），还可以分析判断变频器直流母线电容的健康状态。

它的健康评估功能包括：变频器健康度、变频器可用性、变频器质量、变频器性能。

这样就可以大大减少用户的非正常停机时间，提高了设备利用率。

当然，DCMA还包括能源管理（碳排放）这些功能。

这些数据通过，同在DCMA运行的PC，也可以传送到Xcelerator 云平台。为将来的工业AI智能控制系统作为数据源。

通过这些例子：我们就能看出数据积累的重要性。只有做了数据积累，这种特征值才会显现。才可以通过这些信号特征，最终生成“专家系统”。

（信号与现实两者之间肯定有物理的、科学的关联解释，但作为AI智能体，它不需要这种“解释”。工业AI智能体的基础数据正是以这些专家系统数据为依据的。）

连载系列——《工业AI之我见》

一、西门子RXD大会 参会感受

二、什么是工业AI智能体

三、如何从工业传统控制模式走向工业AI智能控制模式

四、传统数字开关量逻辑控制的缺陷与工业AI智能化重在关注数字化模拟量

五、关注数字模拟量变化量的重要性

六、历史变化数据积累的重要性及场景标定的重要性