物聯(lián)網(wǎng)技術(shù)正在連接工業(yè)現(xiàn)場(chǎng)的所有設(shè)備，相關(guān)人員可以遠(yuǎn)程訪問(wèn)工廠甚至了解了機(jī)器的健康狀況，虛擬世界與現(xiàn)實(shí)世界的邊界越來(lái)越模糊，工業(yè)數(shù)字化時(shí)代已經(jīng)到來(lái)，企業(yè)將獲取來(lái)自于設(shè)備層的豐富數(shù)據(jù)，并用于創(chuàng)造更大的價(jià)值收益。

數(shù)字化的巨大價(jià)值逐漸被工業(yè)企業(yè)認(rèn)識(shí)到，越來(lái)越多的企業(yè)開(kāi)始投入資金去升級(jí)系統(tǒng)，從被動(dòng)式的設(shè)備維護(hù)到主動(dòng)式的預(yù)測(cè)性維護(hù)轉(zhuǎn)變。在過(guò)去，不合理的機(jī)器使用讓工廠承受很大的損失，而預(yù)測(cè)性維護(hù)將發(fā)揮重要作用，可以幫助企業(yè)更好地診斷設(shè)備問(wèn)題，提升生產(chǎn)的效率和降低成本支出。

在未來(lái)，不管你是食品加工還是電子生產(chǎn)或者是汽車制造商，都離不開(kāi)大數(shù)據(jù)，數(shù)據(jù)將是新時(shí)代的黃金。廠商在生產(chǎn)過(guò)程利用數(shù)據(jù)提高效率，提升生產(chǎn)的可靠性，或降低整體成本。

預(yù)測(cè)性維護(hù)減少停機(jī)風(fēng)險(xiǎn)

熟悉工業(yè)物聯(lián)網(wǎng)的工廠管理者都知道，目前數(shù)字化制造最大的賣點(diǎn)之一是預(yù)見(jiàn)未來(lái)的情況，通過(guò)數(shù)據(jù)分析可以獲得對(duì)設(shè)備性能和過(guò)程有效性的洞察力，從而讓設(shè)備管理者知道如何優(yōu)化生產(chǎn)，最終為公司創(chuàng)造更大的利益。

預(yù)測(cè)性維護(hù)的實(shí)現(xiàn)改變了傳統(tǒng)工業(yè)設(shè)備管理的方式，設(shè)備使用壽命分析可以預(yù)估設(shè)備維護(hù)的時(shí)間點(diǎn)，可以根據(jù)設(shè)備狀況做出關(guān)于何時(shí)維護(hù)系統(tǒng)的明智決策，而不是等設(shè)備故障時(shí)再進(jìn)行響應(yīng)或進(jìn)行維護(hù)。

停機(jī)維護(hù)可能會(huì)讓工廠浪費(fèi)更多的生產(chǎn)資源，預(yù)測(cè)性維護(hù)可以最大限度減少計(jì)劃外停機(jī)的時(shí)間，從而增長(zhǎng)整體機(jī)器運(yùn)行時(shí)間和提升產(chǎn)量，而不需要產(chǎn)生新的資本支出。不過(guò)，要進(jìn)行準(zhǔn)確的預(yù)測(cè)維護(hù)，必需從大量數(shù)據(jù)中進(jìn)行分析，實(shí)現(xiàn)這一目標(biāo)是具有挑戰(zhàn)性的。

工業(yè)維護(hù)中使用機(jī)器學(xué)習(xí)

大數(shù)據(jù)處理分析過(guò)程中少了不人工智能，利用機(jī)器學(xué)習(xí)算法進(jìn)行處理，是解決大量數(shù)據(jù)分析的重要方法。工廠可以對(duì)算法進(jìn)行培訓(xùn)，讓機(jī)器自動(dòng)識(shí)別生產(chǎn)數(shù)據(jù)中的異常表現(xiàn)，不僅是標(biāo)出有問(wèn)題的數(shù)據(jù)，還要分析出根本原因。

在一臺(tái)工業(yè)設(shè)備的內(nèi)部，可以有數(shù)十個(gè)傳感器或其他健康檢測(cè)數(shù)據(jù)，將這些數(shù)據(jù)整理成一定格式的信息，再與維護(hù)記錄和機(jī)器運(yùn)行歷史記錄一起評(píng)估，最終確定有哪些問(wèn)題可能會(huì)出現(xiàn)。

目前有不少的企業(yè)提供物聯(lián)網(wǎng)分析平臺(tái)，例如通用電氣的Predix平臺(tái)和資產(chǎn)績(jī)效管理（APM）套件。它支持通過(guò)物聯(lián)網(wǎng)的方式和機(jī)器連接，并利用平臺(tái)的機(jī)器學(xué)習(xí)算法、APM標(biāo)準(zhǔn)測(cè)量和高級(jí)分析等相結(jié)合的方式進(jìn)行數(shù)據(jù)分析，維護(hù)人員可以及時(shí)發(fā)現(xiàn)機(jī)器可能發(fā)生的問(wèn)題。

無(wú)可置疑的是，這是一個(gè)寶貴的資源，可為工廠經(jīng)理和維護(hù)工程師提供全面的運(yùn)營(yíng)改進(jìn)。

機(jī)器學(xué)習(xí)將提高生產(chǎn)效率

未來(lái)制造業(yè)中，所有機(jī)器都可能是通過(guò)物聯(lián)網(wǎng)連接的，那么，工程師需要處理和分析的數(shù)據(jù)將是大量的。所以需要借助物聯(lián)網(wǎng)平臺(tái)的機(jī)器學(xué)習(xí)算法，通過(guò)監(jiān)控分析機(jī)器的振動(dòng)變化，預(yù)測(cè)可能出現(xiàn)的問(wèn)題。

此外，算法可以根據(jù)歷史數(shù)據(jù)對(duì)這種情況進(jìn)行評(píng)估，分析這種情況發(fā)生的頻率，結(jié)合性能指標(biāo)來(lái)確認(rèn)是哪種問(wèn)題，并在機(jī)器需要維護(hù)時(shí)向工程師發(fā)送警報(bào)。這使機(jī)器只有在其狀態(tài)指示應(yīng)該進(jìn)行維護(hù)時(shí)才需要進(jìn)行維護(hù)，也就是基于狀態(tài)的預(yù)測(cè)性維護(hù)。

實(shí)際上，機(jī)器學(xué)習(xí)使得數(shù)據(jù)分析成為一個(gè)更加自動(dòng)化的過(guò)程。在某些工業(yè)應(yīng)用中，算法分析允許機(jī)器自動(dòng)設(shè)置或重新配置機(jī)器，從而糾正不良的生產(chǎn)。隨著機(jī)器算法的學(xué)習(xí)的積累，這種分析預(yù)測(cè)將成為一種提高效率的越來(lái)越可行的方法。