盡管物聯(lián)網(wǎng)傳感器的影響是多方面的，但對(duì)于現(xiàn)代公司來(lái)說(shuō)，可能沒(méi)有什么比預(yù)測(cè)性維護(hù)工具更重要的了。根據(jù)德勤（Deloitte）的一份報(bào)告，預(yù)測(cè)企業(yè)資產(chǎn)的故障可以將設(shè)備正常運(yùn)行時(shí)間增加20%，將生產(chǎn)效率提高25%，并將故障減少70%。
除此之外，該研究還發(fā)現(xiàn)，預(yù)測(cè)性維護(hù)可以將維護(hù)成本降低 25%。這可以成為許多行業(yè)的救命稻草，這引發(fā)了一個(gè)問(wèn)題，什么是預(yù)測(cè)性維護(hù)，它是如何工作的？
什么是預(yù)測(cè)性維護(hù)？
預(yù)測(cè)性維護(hù)的最終目標(biāo)是通過(guò)成功預(yù)測(cè)資產(chǎn)何時(shí)發(fā)生故障，并僅在需要時(shí)進(jìn)行維護(hù)，從而避免代價(jià)高昂的停機(jī)時(shí)間。為此，需要對(duì)環(huán)境傳感器和其他物聯(lián)網(wǎng)監(jiān)測(cè)裝置收集到的數(shù)據(jù)進(jìn)行徹底審查和分析，以創(chuàng)建關(guān)鍵任務(wù)型設(shè)備性能的可操作見(jiàn)解和使用模式。
就其本質(zhì)而言，預(yù)測(cè)性維護(hù)改進(jìn)了被動(dòng)式模式，在這些被動(dòng)式模式中，計(jì)劃外停機(jī)是不可避免的。2015 年 Carbonite 的一項(xiàng)研究估計(jì)，小型企業(yè)的停機(jī)成本可能高達(dá)每分鐘 427 美元，而大中型公司的成本飆升至每分鐘 9,000 美元以上。
采用基于時(shí)間的維護(hù)計(jì)劃的組織可能能夠避免計(jì)劃外停機(jī)，但低效資產(chǎn)維護(hù)的成本也可能迅速增加。主要風(fēng)險(xiǎn)是過(guò)于頻繁地維護(hù)資產(chǎn)，導(dǎo)致不必要的支出，用于更換仍然可以使用的資產(chǎn)零件或設(shè)備。監(jiān)測(cè)這些相同的資產(chǎn)，并以更高效的計(jì)劃進(jìn)行維護(hù)，可以比定期維護(hù)節(jié)省高達(dá)12%的費(fèi)用。
它是如何工作的？
其核心是，所有預(yù)測(cè)性維護(hù)都是從監(jiān)測(cè)設(shè)備的特定條件開始的。這些條件通?；跉v史性能數(shù)據(jù)或設(shè)備規(guī)格，旨在為資產(chǎn)的最佳性能環(huán)境創(chuàng)建一個(gè)范圍。這就建立了一個(gè)監(jiān)測(cè)機(jī)制來(lái)比較每項(xiàng)資產(chǎn)的當(dāng)前狀況。這些狀況通過(guò)物聯(lián)網(wǎng)傳感器進(jìn)行觀察，并對(duì)數(shù)據(jù)進(jìn)行監(jiān)測(cè)，以發(fā)現(xiàn)任何可能導(dǎo)致潛在故障的異常行為。
預(yù)測(cè)性維護(hù)中使用的傳感器種類繁多，其中最常見(jiàn)的是：溫度傳感器、濕度傳感器、運(yùn)動(dòng)傳感器、聲音傳感器、光波傳感器、電流傳感器等。
當(dāng)然，像安全攝像頭這樣更簡(jiǎn)單的物聯(lián)網(wǎng)解決方案也是預(yù)測(cè)性維護(hù)的重要組成部分。能夠從遠(yuǎn)程位置觀察資產(chǎn)的任何明顯變化，這對(duì)于跨地理區(qū)域（如輸油管道或電力線）用例中的維護(hù)工作尤其寶貴。
人工智能和物聯(lián)網(wǎng)解決方案
當(dāng)然，故障并不完全發(fā)生在工作時(shí)間，因此依靠人眼來(lái)監(jiān)測(cè)數(shù)百個(gè)潛在的預(yù)測(cè)性維護(hù)數(shù)據(jù)流通常不是最有效的，因此，開發(fā)人員采用人工智能來(lái)分析資產(chǎn)性能的異常變化。
人工智能通?；跉v史數(shù)據(jù)構(gòu)建的統(tǒng)計(jì)模型來(lái)從物聯(lián)網(wǎng)傳感器中提取數(shù)據(jù)，并根據(jù)被概述為潛在退化跡象的參數(shù)來(lái)運(yùn)行數(shù)據(jù)，并在滿足這些條件時(shí)創(chuàng)建通知。為此，人工智能創(chuàng)建了數(shù)學(xué)模型，將溫度和活動(dòng)等因素編碼為簡(jiǎn)單的數(shù)值點(diǎn)。
RapidMiner 的數(shù)據(jù)科學(xué)家 Scott Genzer說(shuō)：“這實(shí)際上只不過(guò)是我們幾十年來(lái)一直在做的老式數(shù)學(xué)模型，不同之處在于，我們現(xiàn)在有計(jì)算能力來(lái)[處理]大量數(shù)據(jù)，以找出模式。”
最后
隨著概念的成熟，預(yù)計(jì)預(yù)測(cè)性維護(hù)將變得更加普遍。Markets and Markets最近的一份報(bào)告預(yù)測(cè)，到2026年，預(yù)測(cè)性維護(hù)市場(chǎng)的估值可能達(dá)到159億美元。
這一概念已迅速成為工業(yè) 4.0 的一個(gè)基本要素，從汽車行業(yè)到建筑工地，再到油田，它無(wú)所不在。然而，MarketsandMarkets報(bào)告指出，政府和國(guó)防工業(yè)是預(yù)測(cè)性維護(hù)最大的應(yīng)用領(lǐng)域。
