及早预警尽管诸如能源系统和运输系统等基础设施让我们的生活变得越来越舒适，但不论任何时候，只要它们发生故障，其后果会非常严重。为了防止运行中断，西门子正在与合作伙伴共同分析传感器数据，以帮助尽早探明技术问题。其目标是打造万无一失的稳健系统。

在范围内，信息技术和互联网大大增加了需要储存起来的数据量。这些数据不仅包括Facebook等社交媒体平台上生成的信息，如图片、文字和视频，而且也有企业员工保存在公司内部网络中的数据，以及由传感器生成并通过互联网传送到数据库中的机器数据。

西门子软件平台连接了各种类型的数据库，从而有助于防止燃气轮机和蒸汽轮机发生故障。

据Forrester公司IT市场研究人员开展的调查，从2006年到2012年，数据量增加了10倍。2012年，数据量首次增至2.5泽字节以上。这是一个难以想象的巨大数字，后面有21个零。如果将这些数据储存到CD光盘中，那么，所使用的全部光盘摞在一起，可以从地球到月亮往返5次以上。而数据量还在持续快速增长。IDC市场研究人员执行的一项调查发现，到2020年，仅在西欧地区产生的数据量就有望增至5泽字节。一个艾字节等于10亿千兆字节，相当于装满200亿个文件柜的纸质文档所包含的数据量。一个泽字节等于1000个艾字节。

数据量增长如此迅猛的原因之一是移动互联网技术日益兴起。特别是智能电话中的应用程序生成了大量信息。每天有大约2.5泽字节数据在移动互联网上传输并保存到平台上。

迄今为止，这些海量数据在很大程度上尚未得到有效的开发利用。然而，归功于能够分析大量非结构化数据的“大数据”技术，这种状况即将改观。这项技术利用能够在对人类而言似乎是虚拟混沌的大量数据中发现出人意料的模式和新的相互关系的算法，实现这一点。根据这些信息，企业可以得出新的洞见，不仅能优化业务流程、产品、工厂和客户关系，而且可以管理复杂的基础设施，同时优化服务和维护。其目的是将关于机器和设备状况的传感器数据，与关于错误消息和质量保证统计数据的信息相结合。

得益于这样的信息融合，智能监控系统可以尽早检测出故障，以便在故障发生之前，更换缺陷组件，解决问题。譬如，在燃气发电厂，运动传感器可以测定出关于轮机磨损情况的参数值，然后，传感器会将这些数据发送至计算机系统。后者将分析这些数据，并且如果发现，譬如超出了诸如燃烧室允许温度等临界限值，就会触发报警。在位于慕尼黑的西门子中央研究院（CT），Steffen Lamparter博士是业务分析与监控部门的，他说：“这个系统已经相当有效。”

未来，研究人员很可能将这些数据与更多信息相结合并进行实时分析。这些信息涉及多种不同参数，包括发电量和电机电流变化。据保守估计，这样做可以将技术人员获取相关数据所需用时缩短至少25%。Lamparter指出：“因为平均而言，技术人员的工作时间有80%是用在收集数据上，我们预计，每年仅轮机检修一项就可节省超过100万欧元。”

已经在对西门子推出的H-Class燃气轮机进行这样的实时分析。西门子调试工程师可以随时随地立即从新近交付的轮机调取数据并进行分析。每一台燃气轮机都配备1500个传感器，用于以秒为间隔测定诸如温度、压力、气体成分和发电功率等等关键工作参数值。

不论是燃气轮机、联合循环发电轮机，还是其他系统，凭借西门子积累的丰富维修经验，西门子可以通过在运行数据和错误消息中执行智能搜索，得出更多洞见。然后，可以利用这些洞见来进一步优化个别系统。西门子打算创建一个计算机辅助系统，用于分析设施故障与设施组件之间的相互关系。Lamparter解释道：“未来，设计人员在为新设施遴选组件时，将能够获取这些数据。通过这些信息，他们可以了解到组件的实际运行情况。”这样一来，所打造的设施从一开始就更加稳健。

从复杂数据中识别出模式。目前，欧洲开展的一个名为“Optique”的研究项目也在开发这样的方法和技术。在这个项目中，10个合作伙伴——包括像西门子和挪威石油企业Statoil公司这样的企业，以及欧洲各大高校的研究人员——正在开发用于提高复杂数据库搜索效率的基本技术。

该项目旨在将不同数据源和数据库彼此连接起来，并赋予其一定的智能性。其计划是使用强大的算法，以就在不久前还被视为不可思议的速度和质量水平，发现出人意料的模式和相互关系。

未来，在理想条件下，公司员工将能够使用言简意赅的问题，在由数百个相互连接起来的、结构互不相同的数据库构成的庞大数据池中搜索信息。搜索结果将有助于员工作出决定。而要想使其发生，我们还面临重大的挑战，这是因为信息的分布特性和缺乏统一数据模型。

虽然Statoil公司的主要兴趣点是在勘探新油田方面加强利用数据库，而Optique项目的西门子应用实例代表Mikhail Roshchin博士则希望优化利用数据，以改善发电厂轮机的预防性维护。他的目标是提高未来的电力网络的抗故障性能。西门子已经在向客户提供预防性轮机维护服务。Roshchin在中指出，“西门子的能源服务、石油和天然气以及电厂等业务部门正在通过部署专门的软件平台，达成这一点。”现在，西门子打算通过连接更多数据源，优化其预防性维护服务。

Lamparter解释道：“在这个项目中，我们的主要任务并非处理海量数据。轮机维护服务每天仅产生30千兆字节数据，数据池总容量为10兆兆字节。”将不同数据库整合起来，并同时将之与一个不断变化、膨胀的数据池连接起来，提出了一个远为严峻的挑战。Lamparter说：“因此，我们不得不持续不断地更新计算。这是一个艰巨的任务，特别是当需要尽可能地实时获得结果时。”

挑战：必须将多种不同类型的数据库整合、互连起来，而数据池则在不断变化和膨胀。

智能评估工具。必须采用其他方法，将诸如文本格式的错误消息等非结构化数据，与诸如机器参数值等结构化数据，相结合。譬如，西门子文本识别分析技术和图像分析技术可以将文本、语音、视频和图像等文件转换为可以分析的数据，使之有史以来次在决策过程中发挥作用。然而，在这方面，要解决的难题是从逻辑上将各种类型的数据源和格式相互联系起来，以便得出关于缺陷和故障原因的结论。

在解释这个研究项目的另一个目标时，Lamparter的同事Thomas Hubauer说：“为了提高分析有效性，甚至为单独的数据库配备了智能评估工具。”因此，譬如，关键统计数据的计算可能不再要求将所有数据读入数据池。相反，仅需要与有关查询相关的样本空间。根据样本空间，可以计算出平均值和标准偏差等等数据。

不过，目前依然需要其IT同事的帮助，才能从不同数据库获得信息。这是因为，必须首先选中现有信息并将之加载到特殊数据空间中，才能进行搜索。这要求专门知识，不精通IT技术的人难以胜任。然而，这种情况也将改变，因为“只有自己知道，什么才是真正对他们有益的。”Hubauer如是道。因此，数据库搜索必须变得像使用谷歌这样的互联网搜索引擎一样简单。

Optique研究项目尚处于早期阶段。这个项目已于2012年11月启动，将于2016年年底结束。西门子对这个项目寄予了很高的期望。西门子中央研究院的Gerhard Kress说：“我们预计，研究结果将可转用于其他大数据应用。”Kress负责协调西门子开展的大数据项目。

与西门子能源的同事一样，西门子医疗的采用类似方法开发了用于计算诸如CT扫描仪X射线管等关键组件的缺陷概率的系统。Kress说：“在决定系统可用性和图像质量方面，X射线管起到了至关重要的作用。TubeGuard能够在早期可靠地预测故障。”

有鉴于此，计算机断层扫描设备配备了传感器，用于监测诸如射线管电流、阳极转速和油温等关键参数。监测软件可以持续不断地将运行数据实时发送至西门子服务中心。Kress说：“有了这些数据，我们同事可以使用复杂算法来计算出数日内发生故障的可能性。”得益于此，检修工作人员可以及时与放射检查医师预约更换缺陷组件，而不会打断其工作。

Kress表示：“这个系统已经非常有效。”未来，海量数据和不同数据库的组合将为开创面向诸如过程分析等程序的新业务模式创造条件。在谈到这个系统的可能应用时，Kress说：“我们可以在大数据池中发现关联，识别出有助于改进医生办公室工作流程和程序的相互关系。这进而有助于稳定医疗成本。”然而，在实现这个目标之前，还需要开展大量研究工作。