工業(yè)4.0浪潮來(lái)襲 預測性維護邁向主流

麥肯錫(McKinsey)的“人工智能：下一個(gè)數字前線(xiàn)”報告指出，人工智能(AI)將實(shí)現預測性維護(Predictive Maintenance)，而事實(shí)上目前這已經(jīng)不再只是空談。

工業(yè)4.0持續推動(dòng)數據科學(xué)的發(fā)展，人工智能已經(jīng)可以偵測機器何時(shí)需要維修

據Venture Beat報導，工業(yè)4.0持續推動(dòng)數據科學(xué)的發(fā)展，人工智能已經(jīng)可以偵測機器何時(shí)需要維修;連網(wǎng)的機器產(chǎn)生的數據，可以實(shí)時(shí)追蹤其變化，當數據顯示機器的績(jì)效出現下滑，維修人員會(huì )在機器真正故障前進(jìn)行維修，先一步關(guān)閉生產(chǎn)線(xiàn)。

GE(General Electric)開(kāi)發(fā)出“數字仿真”(Digital Twins)技術(shù)來(lái)監控真正機器的狀態(tài)。當出現問(wèn)題時(shí)，可以模擬出現場(chǎng)的狀態(tài)，這是過(guò)去作不到的。這些運作中的“復制替身”，目前已經(jīng)達到65萬(wàn)個(gè)。

電梯公司Schindler也利用預測性維護，在電梯中安裝了許多傳感器，能夠了解何時(shí)必須進(jìn)行維修，并強化電梯的整體安全。

在許多領(lǐng)域中，預防性維護是很重要的。舉例來(lái)說(shuō)，紐約州宣布其交通局正面臨緊急狀態(tài)，只要原因在于預防性維護不足。許多基礎設施，包括高速公路、橋梁和下水道等基礎設施已經(jīng)老化，因此必須了解哪里需要維修、何時(shí)需要維修，才能控制成本、避免災難發(fā)生。

另外，汽車(chē)制造商如果在設計時(shí)間與量產(chǎn)過(guò)程中能透過(guò)機器學(xué)習來(lái)發(fā)現問(wèn)題，可以大量減少汽車(chē)因設計瑕疵必須召回而產(chǎn)生的成本。聯(lián)邦航空管理局(FAA)每天處理4.3萬(wàn)個(gè)航班，航空業(yè)面臨的維修需求非常龐大，預防性維護提供更簡(jiǎn)單、更安全、更經(jīng)濟的維護方法。

在操作上，第一步就是必須讓機器配備傳感器，以實(shí)時(shí)追蹤數據。這些數據透過(guò)網(wǎng)絡(luò )，進(jìn)行大量?jì)Υ媾c處理。最后，透過(guò)自動(dòng)化來(lái)找出固定模式，并發(fā)覺(jué)異常狀況。如果需要時(shí)，技術(shù)人員就會(huì )出動(dòng)解決問(wèn)題，藉此達到最高的投資報酬率。