具有數(shù)據(jù)分析功能的網(wǎng)絡(luò)傳感器可以實(shí)現(xiàn)基于狀態(tài)的維護(hù)，從而預(yù)測(cè)設(shè)備何時(shí)可能出現(xiàn)故障。

依賴大型昂貴設(shè)備的公司負(fù)有維護(hù)資產(chǎn)完整性和安全性的基本責(zé)任，不僅要保護(hù)員工和客戶，而且還要降低運(yùn)營(yíng)成本。

[[345812]]

這一責(zé)任在所有工業(yè)部門中非常普遍。公用事業(yè)公司需要維護(hù)大型發(fā)電廠以及分布廣泛的輸配電線路?；A(chǔ)設(shè)施運(yùn)營(yíng)商需要負(fù)責(zé)確保道路、橋梁、隧道、水道、下水道和供水等大型分散資產(chǎn)的安全性和可操作性。運(yùn)輸和配送公司必須持續(xù)維護(hù)和修理分散在各地的火車、公共汽車和卡車車隊(duì)。飛機(jī)公司和航空公司必須可靠地確保其噴氣飛機(jī)在每次飛行中都是100%安全的。制造廠和加工廠需要確保機(jī)器處于最佳工作狀態(tài)，以防止機(jī)器意外故障并關(guān)閉整個(gè)生產(chǎn)線。

重要設(shè)備的這種停機(jī)可能會(huì)對(duì)企業(yè)及其供應(yīng)鏈造成代價(jià)高昂的中斷。解決此復(fù)雜問題的最具成本效益解決方案是采用預(yù)測(cè)性維護(hù)系統(tǒng)。預(yù)測(cè)性維護(hù)(PdM)是一種監(jiān)測(cè)高價(jià)值設(shè)備在運(yùn)行期間狀態(tài)和性能的方法，以了解其健康狀況，預(yù)測(cè)故障時(shí)間，并采取壽命延長(zhǎng)機(jī)制、計(jì)劃和執(zhí)行維護(hù)來減輕即將發(fā)生故障的影響，從而降低意外故障的可能性。

自1990年代以來，工業(yè)界就一直在考慮進(jìn)行預(yù)測(cè)性維護(hù)，然而，在實(shí)現(xiàn)全部好處方面還存在一些障礙。困難的部分原因是需要為設(shè)備配備可以觀察到所關(guān)注事件的傳感器。此外，還需要收集、存儲(chǔ)和分析來自分散資產(chǎn)(如大型車隊(duì))的傳感器數(shù)據(jù)。解決分析問題的一種方法是為每個(gè)工業(yè)企業(yè)開發(fā)數(shù)學(xué)模型和算法庫(kù)，然后，這些模型可以應(yīng)用于每個(gè)特定設(shè)備的標(biāo)準(zhǔn)化架構(gòu)中。

工業(yè)物聯(lián)網(wǎng)(IIoT)中的分析藝術(shù)

通過工業(yè)物聯(lián)網(wǎng)(IIoT)在通信和傳感器部署方面的最新進(jìn)展，使得預(yù)測(cè)性維護(hù)對(duì)于影響深遠(yuǎn)的工業(yè)設(shè)備更加可行。經(jīng)過精心設(shè)計(jì)和訓(xùn)練以識(shí)別設(shè)備故障的基于物理的模型和機(jī)器學(xué)習(xí)系統(tǒng)的強(qiáng)大結(jié)合，也可以做出準(zhǔn)確的預(yù)測(cè)，以預(yù)測(cè)特定設(shè)備的故障時(shí)間。

通過這種方式，工業(yè)公司不再需要通過昂貴的程序來定期進(jìn)行檢查或通過時(shí)間表來進(jìn)行維護(hù)，這實(shí)際上是沒必要的。相反，預(yù)測(cè)性維護(hù)系統(tǒng)可以在邏輯上優(yōu)先考慮任何必要的維護(hù)，以防止故障發(fā)生，從而大大節(jié)省寶貴的時(shí)間、金錢和資源。

此過程的第一步涉及異常檢測(cè)，其中網(wǎng)絡(luò)邊緣的智能傳感器會(huì)檢測(cè)出看起來不對(duì)勁的事情——尚不知道到底出了什么問題。下一步是對(duì)任何標(biāo)記的設(shè)備執(zhí)行診斷，以確定問題的根本原因。最后，預(yù)測(cè)算法可以準(zhǔn)確估計(jì)設(shè)備何時(shí)會(huì)出現(xiàn)故障。

一個(gè)名為MOXI的工業(yè)物聯(lián)網(wǎng)系統(tǒng)分析技術(shù)平臺(tái)使工程師、操作員和維護(hù)專業(yè)人員能夠遠(yuǎn)程監(jiān)測(cè)和主動(dòng)管理意外的系統(tǒng)故障和維護(hù)問題。MOXI是為制造業(yè)、電網(wǎng)、鐵路、橋梁和其他重型基礎(chǔ)設(shè)施等部門的大型工業(yè)資產(chǎn)而設(shè)計(jì)的。工業(yè)物聯(lián)網(wǎng)套件結(jié)合了嵌入式傳感、復(fù)雜的系統(tǒng)模型和人工智能技術(shù)，以高精度、可忽略的誤報(bào)率和接近零的漏檢率預(yù)測(cè)不利的系統(tǒng)狀況。

部署預(yù)測(cè)性維護(hù)以提高鐵路效率

在一個(gè)案例中，PARC正在與東日本鐵路公司(也稱為JR-East)進(jìn)行試點(diǎn)項(xiàng)目。由于基礎(chǔ)設(shè)施老化以及定期維護(hù)預(yù)算縮減，東日本鐵路公司一直面臨成本上漲問題。

PARC與野村研究所(NRI)合作，采訪了JR East的工程師、研發(fā)團(tuán)隊(duì)和維護(hù)技術(shù)人員，以充分了解問題所在，并確定應(yīng)如何使用預(yù)測(cè)性維護(hù)技術(shù)。然后，PARC創(chuàng)建了儀表板模型，收集了來自JR-East的反饋，并開始了算法和軟件開發(fā)的快速迭代。

該團(tuán)隊(duì)通過應(yīng)用高級(jí)機(jī)器學(xué)習(xí)和基于模型的系統(tǒng)分析方法，開發(fā)了定制的故障檢測(cè)和診斷試點(diǎn)軟件。還為JR-East工程師開發(fā)了儀表板，以可視化并更好地理解所獲得的數(shù)據(jù)。(來源物聯(lián)之家網(wǎng))最初的試點(diǎn)工作集中在列車門和鐵軌的維護(hù)上，目標(biāo)是隨著時(shí)間推移逐步擴(kuò)展該計(jì)劃，使其包括鐵路、車站、橋梁和隧道等其他資產(chǎn)。

鐵軌和列車門故障檢測(cè)的初步測(cè)試表明，真陽(yáng)性率非常高，誤報(bào)/漏檢率非常低。儀表板使JR-East技術(shù)人員能夠在即將到來的問題升級(jí)為資產(chǎn)故障/停機(jī)之前發(fā)現(xiàn)并修復(fù)這些問題。目前正在進(jìn)行進(jìn)一步的測(cè)試，以驗(yàn)證調(diào)查結(jié)果并進(jìn)行全面的部署實(shí)施。

JR East試點(diǎn)項(xiàng)目只是預(yù)測(cè)性維護(hù)的眾多例子之一。通過應(yīng)用基于人工智能的預(yù)測(cè)模型，工業(yè)公司可以對(duì)其設(shè)備的狀況、安全和性能產(chǎn)生可操作的見解，以保持設(shè)備平穩(wěn)、優(yōu)化地運(yùn)行，同時(shí)最大限度地減少停機(jī)時(shí)間。