盡管諸如能源系統和運輸系統等基礎設施讓我們的生活變得越來越舒適，但不論任何時候，只要它們發生故障，其后果會非常嚴重。為了防止運行中斷，西門子正在與合作伙伴共同分析傳感器數據，以幫助盡早探明技術問題。其目標是打造*的穩健系統。

在范圍內，信息技術和互聯網大大增加了需要儲存起來的數據量。這些數據不僅包括Facebook等社交媒體平臺上生成的信息，如圖片、文字和視頻，而且也有企業員工保存在公司內部網絡中的數據，以及由傳感器生成并通過互聯網傳送到數據庫中的機器數據。

西門子軟件平臺連接了各種類型的數據庫，從而有助于防止燃氣輪機和蒸汽輪機發生故障。

據Forrester公司IT市場研究人員開展的調查，從2006年到2012年，數據量增加了10倍。2012年，數據量增至2.5澤字節以上。這是一個難以想象的巨大數字，后面有21個零。如果將這些數據儲存到CD光盤中，那么，所使用的全部光盤摞在一起，可以從地球到月亮往返5次以上。而數據量還在持續快速增長。IDC市場研究人員執行的一項調查發現，到2020年，僅在西歐地區產生的數據量就有望增至5澤字節。一個艾字節等于10億千兆字節，相當于裝滿200億個文件柜的紙質文檔所包含的數據量。一個澤字節等于1000個艾字節。

數據量增長如此迅猛的原因之一是移動互聯網技術日益興起。特別是智能電話中的應用程序生成了大量信息。每天有大約2.5澤字節數據在移動互聯網上傳輸并保存到平臺上。

迄今為止，這些海量數據在很大程度上尚未得到有效的開發利用。然而，歸功于能夠分析大量非結構化數據的“大數據”技術，這種狀況即將改觀。這項技術利用能夠在對人類而言似乎是虛擬混沌的大量數據中發現出人意料的模式和新的相互關系的算法，實現這一點。根據這些信息，企業可以得出新的洞見，不僅能優化業務流程、產品、工廠和客戶關系，而且可以管理復雜的基礎設施，同時優化服務和維護。其目的是將關于機器和設備狀況的傳感器數據，與關于錯誤消息和質量保證統計數據的信息相結合。

得益于這樣的信息融合，智能監控系統可以盡早檢測出故障，以便在故障發生之前，更換缺陷組件，解決問題。譬如，在燃氣發電廠，運動傳感器可以測定出關于輪機磨損情況的參數值，然后，傳感器會將這些數據發送至計算機系統。后者將分析這些數據，并且如果發現，譬如超出了諸如燃燒室高允許溫度等臨界限值，就會觸發報警。在位于慕尼黑的西門子中央研究院（CT），Steffen Lamparter博士是業務分析與監控部門的專家，他說：“這個系統已經相當有效。”

未來，研究人員很可能將這些數據與更多信息相結合并進行實時分析。這些信息涉及多種不同參數，包括發電量和電機電流變化。據保守估計，這樣做可以將技術人員獲取相關數據所需用時縮短至少25%。Lamparter指出：“因為平均而言，技術人員的工作時間有80%是用在收集數據上，我們預計，每年僅輪機檢修一項就可節省超過100萬歐元。”

已經在對西門子新推出的H-Class燃氣輪機進行這樣的實時分析。西門子調試工程師可以隨時隨地立即從新近交付的輪機調取數據并進行分析。每一臺燃氣輪機都配備1500個傳感器，用于以秒為間隔測定諸如溫度、壓力、氣體成分和發電功率等等關鍵工作參數值。

不論是燃氣輪機、聯合循環發電輪機，還是其他系統，憑借西門子積累的豐富維修經驗，西門子可以通過在運行數據和錯誤消息中執行智能搜索，得出更多洞見。然后，可以利用這些洞見來進一步優化個別系統。西門子打算創建一個計算機輔助專家系統，用于分析設施故障與設施組件之間的相互關系。Lamparter解釋道：“未來，設計人員在為新設施遴選組件時，將能夠獲取這些數據。通過這些信息，他們可以了解到組件的實際運行情況。”這樣一來，所打造的設施從一開始就更加穩健。

從復雜數據中識別出模式。目前，歐洲開展的一個名為“Optique”的研究項目也在開發這樣的方法和技術。在這個項目中，10個合作伙伴——包括像西門子和挪威石油企業Statoil公司這樣的企業，以及歐洲各大高校的研究人員——正在開發用于提高復雜數據庫搜索效率的基本技術。

該項目旨在將不同數據源和數據庫彼此連接起來，并賦予其一定的智能性。其計劃是使用強大的算法，以就在不久前還被視為不可思議的速度和質量水平，發現出人意料的模式和相互關系。

未來，在理想條件下，公司員工將能夠使用言簡意賅的問題，在由數百個相互連接起來的、結構互不相同的數據庫構成的龐大數據池中搜索信息。搜索結果將有助于員工作出決定。而要想使其發生，我們還面臨重大的挑戰，這是因為信息的分布特性和缺乏統一數據模型。

雖然Statoil公司的主要興趣點是在勘探新油田方面加強利用數據庫，而Optique項目的西門子應用實例代表Mikhail Roshchin博士則希望優化利用數據，以改善發電廠輪機的預防性維護。他的目標是提高未來的電力網絡的抗故障性能。西門子已經在向客戶提供預防性輪機維護服務。Roshchin在報告中指出，“西門子的能源服務、石油和天然氣以及電廠等業務部門正在通過部署專門的軟件平臺，達成這一點。”現在，西門子打算通過連接更多數據源，優化其預防性維護服務。

Lamparter解釋道：“在這個項目中，我們的主要任務并非處理海量數據。輪機維護服務每天僅產生30千兆字節數據，數據池總容量為10兆兆字節。”將不同數據庫整合起來，并同時將之與一個不斷變化、膨脹的數據池連接起來，提出了一個遠為嚴峻的挑戰。Lamparter說：“因此，我們不得不持續不斷地更新計算。這是一個艱巨的任務，特別是當需要盡可能地實時獲得結果時。”

挑戰：必須將多種不同類型的數據庫整合、互連起來，而數據池則在不斷變化和膨脹。

智能評估工具。必須采用其他方法，將諸如文本格式的錯誤消息等非結構化數據，與諸如機器參數值等結構化數據，相結合。譬如，西門子文本識別分析技術和圖像分析技術可以將文本、語音、視頻和圖像等文件轉換為可以分析的數據，使之有史以來次在決策過程中發揮作用。然而，在這方面，要解決的難題是從邏輯上將各種類型的數據源和格式相互聯系起來，以便得出關于缺陷和故障原因的結論。

在解釋這個研究項目的另一個目標時，Lamparter的同事Thomas Hubauer說：“為了提高分析有效性，甚至為單獨的數據庫配備了智能評估工具。”因此，譬如，關鍵統計數據的計算可能不再要求將所有數據讀入數據池。相反，僅需要與有關查詢相關的樣本空間。根據樣本空間，可以計算出平均值和標準偏差等等數據。

不過，目前專家依然需要其IT同事的幫助，才能從不同數據庫獲得信息。這是因為，必須首先選中現有信息并將之加載到特殊數據空間中，才能進行搜索。這要求專門知識，不精通IT技術的人難以勝任。然而，這種情況也將改變，因為“只有專家自己知道，什么才是真正對他們有益的。”Hubauer如是道。因此，數據庫搜索必須變得像使用谷歌這樣的互聯網搜索引擎一樣簡單。

Optique研究項目尚處于早期階段。這個項目已于2012年11月啟動，將于2016年年底結束。西門子對這個項目寄予了很高的期望。西門子中央研究院的Gerhard Kress說：“我們預計，研究結果將可轉用于其他大數據應用。”Kress負責協調西門子開展的大數據項目。

與西門子能源的同事一樣，西門子醫療的專家采用類似方法開發了用于計算諸如CT掃描儀X射線管等關鍵組件的缺陷概率的專家系統。Kress說：“在決定系統可用性和圖像質量方面，X射線管起到了至關重要的作用。TubeGuard能夠在早期可靠地預測故障。”

有鑒于此，計算機斷層掃描設備配備了傳感器，用于監測諸如射線管電流、陽極轉速和油溫等關鍵參數。監測軟件可以持續不斷地將運行數據實時發送至西門子服務中心。Kress說：“有了這些數據，我們同事可以使用復雜算法來計算出數日內發生故障的可能性。”得益于此，檢修工作人員可以及時與放射檢查醫師預約更換缺陷組件，而不會打斷其工作。

Kress表示：“這個系統已經非常有效。”未來，海量數據和不同數據庫的組合將為開創面向諸如過程分析等程序的新業務模式創造條件。在談到這個系統的可能應用時，Kress說：“我們可以在大數據池中發現關聯，識別出有助于改進醫生辦公室工作流程和程序的相互關系。這進而有助于穩定醫療成本。”然而，在實現這個目標之前，還需要開展大量研究工作。