利用数据驱动，真正实现业务数字化、智能化转型升级是很多中国本土制造企业致力的目标，其一大特性就是依托云服务，摆脱传统行业企业由于行业的特定应用需求以及历史遗留数据等原因造成的数据挑战。

　　传统商用关系型数据库成本高昂且架构刚性。在制造业，数据的复杂性及丰富的业务场景，推动着云原生数据库正在作为新的数据基础设施进入传统企业的视野。

　　西门子工业自动化产品(成都)有限公司（SEWC）是西门子中国首座数字化工厂，主要研发制造工业自动化相关的产品，如可编程逻辑控制器（PLC）、人机交互界面（HMI）和工业电脑（IPC）等，供应中国及全球市场。

　　SEWC于2013年上半年投产，作为西门子中国首家数字化工厂，通过数字化软件、西门子自动化套件SIMATIC以及相关硬件实现了研发、制造、质量、管理系统的整体联动。

　　数字化工厂是一个庞大的系统工程，其目标是实现智能制造，为客户提供高质量准时交付的产品。在这个系统工程中，设备的健康运行是至关重要的场景。

　　一个自动化工厂，往往通过OEE系统（机台监控管理系统）收集各设备的状态信息，综合判定机器利用效率。如果不幸发生宕机，就要借助自动化或者人工处理，解决相应的故障。

　　在工厂实际生产中，设备宕机的原因复杂多变，每一次机器设备故障代码也各不相同，需要很有经验的工程师分析问题、寻找解决办法，同时更新维修记录。

　　因此，成熟的工厂，往往由不同的专家组成联合团队，应对和处理各种突发的设备问题。SEWC的技术专家团队由工艺专家、技术专家等组成，以判断严重抛料、贴片机的贴头、吸嘴的堵塞以及物料本身的供应等故障原因。

　　随着产能的扩展、设备的增加，SEWC的设备资料增长迅速。但由于知识处理技术手段有限，设备知识运营管理困难。与此同时，SEWC的数据信息传递能力也存在不足，知识运营能力缺乏。

　　SEWC迫切需要一个数字化的解决方案解决上述问题。通过引进亚马逊云科技图数据库Amazon Neptune技术，实现基于故障的知识体系分析系统之后，这些挑战已成为历史。

　　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表示：“我们利用亚马逊云科技图数据库Amazon Neptune系统后，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。现在我们也不能说完全依赖于系统，我们也会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。”   

　　首先，对于产品研发来说，系统的应用可以更好地实现市场定位，快速提供决策支持。例如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。

　　其次，对于生产制造来说，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。系统应用后，能够实现动态自动处理，为生产人员快速准确的应对提供帮助。

　　再次，对于运维保障来说，不仅可以真正做到运维的支持，例如结构、使用手册、维护手段等等，能够把它很好固化起来，而且能够友善、方便且及时提供给使用者。与此同时，有助于SEWC通过多种渠道采集数据，找到问题，真正降低整个产线的故障成本。 

　　当然，由于云原生应用基于SaaS平台，SEWC不用关心底层的性能调优、结构以及各种复杂的配置，以及容量和可扩展性等，可以把更多的精力放在如何使用上。

　　杨健指出，系统本身只是一个起步，后续将不断深入提升和优化。他相信，基于该技术，SEWC不断有相应的数据优化、算法优化以及人员经验的固化，从而为知识固化沉淀提供良好的基础。

　　如今，云数据库依然尚处于上升通道，企业对其认知，以及深入应用，还受到大量本地IT资产的影响，不会一蹴而就。在工业数字化转型中，很多场景依然采用本地化传统的数据库。但是在未来，云原生云数据库将是不可或缺的关键环节。它和本地数据库的结合，是一个长期的话题。

　　数字化工厂既是一个目标又是一个没有止境的过程，需要结合新技术不断地去拥抱创新。

　　杨健表示，这也是SEWC一直在秉承的数字化理念。（李芊诺）