云原生图数据库在西门子成都工厂的数智化运营实践

西门子工业自动化产品（成都）有限公司是西门子在中国建设的首座数字化工厂，它主要负责工业自动化相关的产品，主要的产品是 PLC 可编程逻辑控制器、HMI 人机交互界面和 IPC 工业电脑，2013 年上半年投产。

西门子之所以将这家该工厂定义为数字化工厂，是希望通过数字化软件、套件 SIMATIC 以及相关硬件实现研发、制造、质量、管理系统的整体联动。

SEWC 主要负责生产 SIMATIC 工业自动化产品核心的控制器，比如 PLC，还有人机交互界面 HMI 和 IPC 工业电脑，供应中国以及全球的市场。数字化工厂持续致力于通过数字化的解决方案，智能制造为客户提供高质量准时交付的产品。

据西门子工业自动化产品（成都）有限公司信息技术部经理杨健介绍，工厂生产线上用到的系统是 OEE 系统，技术人员会通过这个系统收集各种设备的状态信息，但发生宕机时，却只能借助自动化或者人工来解决相应故障。

为什么要用到图数据库？

以往，解决宕机或设备故障时，更多的是靠人工，因为每一次机器设备故障的代码是不同的，这是极为复杂的问题，就需要经验丰富的资深技术人员进行分析问题、寻找解决办法，同时去更新维修记录。

但生产线上的机台的复杂度是非常高的。随着自动化程度的提高，机台更深的组成会越来越复杂，同时它的知识点又特别多，各种故障代码和故障处理的方法更是多如牛毛。

此外，设备上的信息是分散的，每一个设备之间有组成的关联关系，各个设备之间还有各种复杂的互动式的关联关系。加之由于产能扩展比较迅速，很多设备进厂以后，产线的增长速度也特别快，所以导致产生的资料特别多，依赖人工处理就变得很困难。

所以，西门子在培育备份员工、培养新员工、提升员工知识体系等方面都面临着挑战，迫切需要一个数字化的解决方案，而图数据库正好可以很好地解决上述问题。

杨健表示：“西门子是一家相对比较传统的数字化企业，所以西门子的工厂线上使用的传统型数据库比较多，比如关系型数据库等等。图数据库在于对知识节点之间的连接和它之间的推理，以及以后的查询都有独特的优势，这也是我们拿来做知识图谱类型的维护，以及设备机台相关信息知识沉淀的一个工具”。

但市场上数据库产品众多，据权威机构统计，截至目前，市场上有两百多款数据库产品，数据库的选型问题困扰着各行各业。为什么西门子成都工厂会在众多款数据库中选择了 Amazon Neptune？

对此，杨健称：“西门子成都工厂使用了亚马逊云科技的云服务，无需关注底层的实践，更多是直接使用它。我们还在逐渐摸索不断优化的过程中，从使用效果来看，基本上达到了我们预先设想的，能够把关联性和一些分析的推荐呈现到机台的用户端。利用亚马逊云科技图数据库 Amazon Neptune 后，大大节省了人工要去努力进行判断，系统能够给予一个比较及时正确的故障的判断，我们基于这个系统做进一步的人工处理，大大节省了目前的资源和能力。”

Amazon Neptune 数据库在西门子成都工厂应用实践

将 Amazon Neptune 数据库部署到实际生产环境中，具体是怎么实现呢？

杨健介绍：“当遇到故障时，我们会将故障汇报到机台上，然后在机台上做相应的数据采集。根据数据采集的源头来分门别类把这些故障录入到系统里面。Amazon Neptune 数据库会根据我们录入的各种机台之间的关联关系，比如贴片机有吸嘴库、吸嘴库里面有吸嘴等等一系列的关联关系，基于这个图数据库，结合西门子引入的机器学习归因分析和内部研发部参与的各种算法的加持，我们就可以快速定位相应的原因，这个原因就会显示在 OEE 系统的界面上面。这样，普通操作人员也能很快地根据这个故障大概了解到问题的核心在哪里，从而进行有效的处理。”

此外，西门子成都工厂引入了云数据库后，并没有对原有的系统和应用模式进行替换，目前还是主要采取互补的形式。

杨健表示：“至少在工业领域还存在着对实时性、安全性要求比较高的场景，所以我们不太可能把本地化传统的数据全部进行云原生化的替换，所以目前最主要的场景都是互补的。”

将 Amazon Neptune 部署在实际生产环境也需要和其他基础软件做一些适配工作。云端的服务要通过某种 API 暴露出来，才能够被边缘端非常好的调用，这个也要适配本地的 OE 系统，实现 API 的调用，从而实现结果的互动。

可以看到，从研发、生产制造、运维等角度来讲，Amazon Neptune 云原生数据库的应用的确为西门子成都工厂带来了不少好处。

对于研发来说，可以更好地实现市场定位，快速提供决策支持，快速获取各种产品与环境的关系，设计与生产的关系、设备与产品的关系、产品与零部件的关系、零部件与材料的关系以及供应商与采购商的关系，这样就能够及时发现、及时处理。

对于生产制造来说，西门子成都工厂主要处理的是各种核心工艺、设备之间的关系，物料存储之间的关系，质量检测，生产、计划、能力、消耗等等一系列知识结构的体系化，争取能够实现动态自动的处理，为生产人员提供快速准确的应对帮助。

对于运维保障来说，云数据库真正可以做到对运维的支持，比如说结构、使用手册、维护手段等等能够把它很好固化起来，同时能够通过非常友善方便而且及时专时专用的方式提供给使用者。同时还够提供多元化的方式，通过多种渠道进行相关的数据采集定位，找到问题，真正降低整个产线的故障成本。

杨健称：“综合来看，实际上在整个生产的生命周期我们都拥有了这样一个知识体系以后，就能够真正做到知识的不断推进，结合亚马逊云科技图数据库 Amazon Neptune 技术、Amazon S3 存储、计算服务等能够真正实现基于工厂无缝的基础架构的运维支撑，同时，又能够享受到高质量基于人工智能、基于图数据库的服务。”