预测性维护是边缘计算与人工智能，在工业落地的最短路径？
|
该算法对内存要求很低，且处理速度很快，其时间复杂度也是线性的，非常适合高速实时处理，可以通过微调提高检测精度和准确性。同时，该算法还适用于多模态数据，可用于需要两种或多种操作模式的高度混合的产线。 基于这套算法，边缘控制器采集和记录目标对象的数据，并基于预设的应用模型，分析设备行为的历史趋势，预测机器可能出现的异常状况，提示和指导用户在适当的时间对机电系统采取合理有效的诊断和维保措施，甚至JIT(Just-in-time)准时维护。
目前，该边缘控制器的预测性维护能力主要是面向气缸、滚珠丝杠和传送带、同步轮...等机械传动部件。 可以预判，这样的设备预防性维护方案，其性能表现将很大程度上取决于两个关键要素：
基于工业人工智能算法，边缘控制器有可能识别出程序检测不到的，或者人眼无法分辨的异常状况，从而实现对设备行为较为全面准确的学习理解。
4. 国内典型企业 在预测性维护领域，国内有几家公司非常值得关注，此处也举两个例子： (1) 天泽智云 天泽智云是一家工业智能公司，其主要基于分析算法、工程专家领域知识、软件产品的工业大数据平台，为工业企业提供集成数据采集与分析、装备健康管理、故障预测与诊断、维护决策与优化等各类工业大数据应用服务为一体的定制化解决方案。 公司提出目标，10年实现100个无忧生产和无忧经营的工业场景。 现阶段，天泽智云主要关注能源、轨道交通、数控机加工、工业机器人、装备制造等领域，为客户提供工业大数据应用咨询、数据采集与分析、装备状态评估等大数据分析解决方案。 (2) 西安因联
西安因联是基于对设备运行场景的深入理解，基于设备机理提供完整的数据接入集成方案，擅长结合振动信号的分析，结合传感、物联技术、数据算法等技术，为工业用户提供更加高效、可靠的设备预知性维护的解决方案。 因联的设备智能运维解决方案，可以提前3个月识别设备早期故障，故障识别准确率达90%，帮助企业杜绝重大安全事故的发生，降低30%以上的日常停机维护时间，节约30%以上的维护成本，帮助企业有效提升生产效率。因联打造了机器智能运维SaaS平台，机器健康大数据平台产品方案，目前已在钢铁、化工、电力、水泥、造纸、汽车、食品饮料等行业客户中有成功应用。 最后，在你欣赏精彩评论之前，我要衷心感谢研华科技行销总监王宇、智造商专栏创始人郑宇铭在成文过程中对我的大力支持。 5. 精彩评论 (1) 清华学长： 我目前了解的情况是国内对于预测性维护的认识尚处于起步阶段，但大企业对此的认识与意愿逐步加强。国内需要强调预警的价值，而不是预测性维护。国情是安全生产比降低成本更重要。 国际工业界对预测性维护的定义的境界比较高，是因为他们设备管理本身已经做的比较细，国内企业基础就需要先提高，可以借预测性维护的思路，首先把设备数据分析重视起来。 (2) 薛辰宇： 物联网的价值是通过数据重塑产业链，比如通过预测性维护推出供应链金融和保险业务，第一降低资金占用，第二，为结果买单，解决客户痛点。可能目前的客户比较犹豫这个改造的价值，但是会崛起一部分鲶鱼扰乱现有的价值链，比如共享经济或者租赁经济的创业者。改变往往来自于外部，很少有人有勇气革自己的命!停留在已有的价值链里面，预测性维护是无法变现的。共享经济其实就是预测性维护的一个应用场景。 (3) 麥克瘋|mcrazy： 预测性维护在很多领域都已经是非常成熟的应用了，比如风电、铁路...，之所以很多人会把互联网与这项技术联系起来给予极高的预期，在我看来是因为可能带来的经济性，能够帮助它在更多领域的普及，我的建议是去研究下各类产品方案，看下如何能够转型为基于互联网的方案，再看下企业用户的现实诉求，就大致明白为什么会有如此长的落地周期了;东西是好的，但面对现实还是需要些耐心的...关键在于：预测什么vs维护什么...前者是不确定的风险，决定了需要的投入，后者是确定的应用场景，决定了所需投入的预算。 (4) 赵敏： 所谓“杀手级应用”，所谓爆款级、现象级应用，幻想在工业领域出现，纯属某些人的YY。 (5) 唐咚： 预测性维护果子是好，但挂得较高，先摘下面的果子再说。 (6) ChrisGao： 需要社会环境和行业规划推动，商业模式决定技术创新投入，设备模型和机理知识库和实时动态闭环分析成就预测性维护，工业信息变革就是人类消除不确认性风险的认知过程。 (7) 王总： （编辑：核心网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
