文章轉(zhuǎn)載來(lái)源《物聯(lián)之家網(wǎng)》
物聯(lián)網(wǎng)催生了一系列維護(hù)物理資產(chǎn)的新方法。從工廠車間的機(jī)器，到建筑物能源系統(tǒng)的元件，再到車輛，無(wú)數(shù)套件現(xiàn)在都配備了連網(wǎng)傳感器。
這些幾乎可以測(cè)量任何東西，從溫度、特定功能的執(zhí)行次數(shù)、耗材水平到關(guān)鍵性能指標(biāo)——然后這些數(shù)據(jù)可用于提供比以往任何時(shí)候都更主動(dòng)、更智能的維護(hù)方法。反過來(lái)，組織會(huì)在問題升級(jí)之前解決小問題，在最有效的時(shí)間規(guī)劃維護(hù)，并延長(zhǎng)其最復(fù)雜和最昂貴物理資產(chǎn)的使用壽命。
但是，這種數(shù)據(jù)驅(qū)動(dòng)的維護(hù)方法不止一種。在這篇文章中，我們來(lái)看看兩種關(guān)鍵維護(hù)類型之間的區(qū)別——預(yù)測(cè)性和規(guī)范性。
這兩種形式的維護(hù)都是主動(dòng)的而不是被動(dòng)的。也就是說(shuō)，它們不是在發(fā)現(xiàn)故障后才進(jìn)行維護(hù)，而是專注于預(yù)測(cè)潛在的故障。
什么是預(yù)測(cè)性維護(hù)？
預(yù)測(cè)性維護(hù)在工業(yè)和制造環(huán)境中變得越來(lái)越普遍。它側(cè)重于確定實(shí)物資產(chǎn)何時(shí)真正需要維護(hù)——可能是因?yàn)樾阅荛_始略有下降，或者是因?yàn)橐呀?jīng)執(zhí)行了一定數(shù)量的任務(wù)。如上所述，這是通過支持物聯(lián)網(wǎng)的設(shè)備來(lái)實(shí)現(xiàn)的，這些設(shè)備實(shí)時(shí)工作，提供有關(guān)機(jī)器狀況的最新信息。
因此，預(yù)測(cè)性維護(hù)依賴于持續(xù)或定期監(jiān)測(cè)這些條件，并將這些信息傳輸?shù)郊蟹治銎脚_(tái)。反過來(lái)，該平臺(tái)會(huì)建議進(jìn)行維護(hù)的最佳時(shí)間。如前所述，這意味著可以為機(jī)器和更廣泛的操作安排最佳的維護(hù)時(shí)間，從而大大節(jié)約成本。
什么是規(guī)范性維護(hù)？
規(guī)范性維護(hù)通過引入額外的自動(dòng)化層使預(yù)測(cè)性維護(hù)更進(jìn)一步。不是簡(jiǎn)單地監(jiān)測(cè)機(jī)器的狀況并提供關(guān)于何時(shí)以及如何進(jìn)行維護(hù)的建議，規(guī)范性維護(hù)旨在使機(jī)器本身能夠就維護(hù)步驟做出自己的決定。
因此，這需要人工智能 (AI) 和機(jī)器學(xué)習(xí) (ML) 技術(shù)，它們不斷從維護(hù)建議中學(xué)習(xí)并改進(jìn)。例如，一臺(tái)機(jī)器可能會(huì)建議降低當(dāng)前的生產(chǎn)力，以便將時(shí)間延長(zhǎng)到下一次所需的維護(hù)活動(dòng)。機(jī)器學(xué)習(xí)調(diào)整其操作條件以獲得最佳結(jié)果，并在需要時(shí)智能地精確規(guī)劃維護(hù)。隨著時(shí)間推移，機(jī)器會(huì)收集更多數(shù)據(jù)，因此其建議也會(huì)有所改進(jìn)。
與預(yù)測(cè)性維護(hù)一樣，這需要實(shí)時(shí)數(shù)據(jù)收集，但也需要能夠比較整個(gè)環(huán)境中的不同機(jī)器。由于規(guī)范性維護(hù)通過隨著時(shí)間推移分析數(shù)據(jù)而得到改進(jìn)，因此您為系統(tǒng)“提供”的數(shù)據(jù)越多越好。
在實(shí)踐中，所有這些意味著規(guī)范性維護(hù)提供了比預(yù)測(cè)性維護(hù)更主動(dòng)的方法。預(yù)測(cè)性維護(hù)可預(yù)測(cè)何時(shí)可能發(fā)生故障，以便您提前安排維護(hù)，而規(guī)范性維護(hù)旨在幫助您完全避免所有類型的故障。
隨著物聯(lián)網(wǎng)、人工智能和機(jī)器學(xué)習(xí)技術(shù)的速度和先進(jìn)性不斷提高，智能化、自動(dòng)化和前瞻性維護(hù)的機(jī)會(huì)也將大大增加。（作者：Al Sisto ；編譯：iothome）
