工業(yè)軟件如何發(fā)展，才能更好地幫助制造企業(yè)實施預(yù)測性維護的優(yōu)先級策略?

　　世界正處于一個加速數(shù)字化變革的時代。在工業(yè)環(huán)境中，機器學(xué)習(xí)、高級分析和人工智能 (AI) 工具有助于提供改進的預(yù)測性維護策略，但這些工具的應(yīng)用方式對于成功至關(guān)重要。

　　確定優(yōu)先級

　　從最初有點理想化的目標到監(jiān)測機器上的所有東西，人們的想法已經(jīng)有了轉(zhuǎn)變。確定優(yōu)先級并將注意力集中在優(yōu)化機器學(xué)習(xí)算法上，以優(yōu)先發(fā)現(xiàn)關(guān)鍵領(lǐng)域的數(shù)據(jù)模式異常--確定具有最快投資回報率的領(lǐng)域，這樣做更有意義。

　　與傳統(tǒng)的狀態(tài)監(jiān)測方法相比，基于AI的預(yù)測性維護具有更多優(yōu)勢。來自機器的數(shù)據(jù)越來越多地可以與過程數(shù)據(jù)合并，并使用分析模型和基于云的解決方案進行評估。例如，人工智能可用于在早期階段檢測與生產(chǎn)機械正常狀態(tài)的偏差。這就減少了計劃外停工時間，降低了能源成本并提高了效率。減少計劃外停產(chǎn)也直接提高了設(shè)備的整體效率。

　　實現(xiàn)預(yù)測性維護的新愿景是一項有趣的挑戰(zhàn)。當今的自動化制造商需要尋找新的方法來支持其客戶實現(xiàn)基于實時數(shù)據(jù)挖掘的預(yù)測性維護。對于自動化技術(shù)領(lǐng)域的公司來說，這需要能夠?qū)C電一體化專業(yè)知識與數(shù)字分析解決方案相結(jié)合，這不是一件容易的事。

　　"在費斯托，經(jīng)驗告訴我們，對人工智能項目的成功至關(guān)重要的是，我們不僅要提供軟件專業(yè)知識，還要有將其整合到生產(chǎn)環(huán)境中的知識，并提供經(jīng)驗來解釋應(yīng)用術(shù)語中的數(shù)據(jù)。"費斯托英國公司(Festo GB)產(chǎn)品管理負責(zé)人Steve Sands說。收購專業(yè)軟件公司Resolto使費斯托能夠快速實現(xiàn)這種綜合，并開發(fā)出一種解決方案，使預(yù)測性維護成為機器的無縫組成部分。

　　實時分析數(shù)據(jù)

　　由此產(chǎn)生的預(yù)測性維護解決方案是Festo自動化旅程(Festo Automation Experience,簡稱Festo AX)，它采用人工智能，使用戶能夠通過易于使用的軟件和機器學(xué)習(xí)從其設(shè)備產(chǎn)生的數(shù)據(jù)中提取價值，讓客戶能夠根據(jù)信息而不僅僅是數(shù)據(jù)做出決定。關(guān)鍵的應(yīng)用案例已經(jīng)被細化，使用戶能夠分析和理解他們的數(shù)據(jù)，以更好地提高生產(chǎn)力，降低能源成本，避免質(zhì)量損失，優(yōu)化他們的車間，或創(chuàng)造新的商業(yè)模式。

　　所有這些都是通過實時分析數(shù)據(jù)來實現(xiàn)的。該解決方案可以集成到本地、邊緣或云中的系統(tǒng)中，程序可以直接由機器在邊緣組件上運行。這在延遲方面具有優(yōu)勢，并且數(shù)據(jù)傳輸成本降至最低。

　　我們還觀察到能夠與標準控制架構(gòu)并行監(jiān)控機器輸出數(shù)據(jù)的好處。將這兩個功能分開可最大限度地減少標準機器控制的任何過載或減速。這在現(xiàn)有的運行安裝中尤其重要，在這些安裝和編程中，更換控制系統(tǒng)將花費大量成本。

　　在可能的情況下，通過OPC-UA和MQTT等標準協(xié)議訪問數(shù)據(jù)。它由基于AI和機器學(xué)習(xí)的算法實時處理，當數(shù)據(jù)與資產(chǎn)的"健康狀態(tài)"不同時輸出通知。該通知通知用戶所涉及的傳感器，還可以提供建議的操作過程。

　　利用操作員的知識對異常進行分類，可以訓(xùn)練這種類型的系統(tǒng)，以便軟件知道如何在下次發(fā)生相同的異常時做出反應(yīng)。通過這種迭代(人在環(huán)路human in the loop)過程，算法得到改進，不需要的通知被消除。

　　這是一個"獎勵"和"懲罰"過程，對于好的通知，算法會得到積極的改進，而對于那些操作員認為沒有用的通知，算法會得到改進。異?，F(xiàn)象產(chǎn)生的頻率越高，無論是在許多相同的機器上重復(fù)出現(xiàn)還是高重復(fù)率，數(shù)字化模型的學(xué)習(xí)速度就越快。

　　一旦優(yōu)化周期開始，異常就會被很早就檢測到，這意味著可以避免意外停機，備件準備就緒，并且可以進行維護而不會對生產(chǎn)產(chǎn)生負面影響。

　　更深入地數(shù)據(jù)挖掘

　　隨著人們越來越了解數(shù)據(jù)分析的好處，對更深入洞察的需求也在增長。如今，可以自動為機器的每個異常行為生成根本原因分析，顯示哪些傳感器對異常檢測至關(guān)重要。這種額外的數(shù)據(jù)可視化使用戶能夠深入了解異常并識別重要的相關(guān)性。

　　對于這種類型的預(yù)測性維護工具，重要的是數(shù)據(jù)分析不僅限于解決方案提供商提供的組件和模塊。

　　AI在預(yù)測性維護中的應(yīng)用將繼續(xù)發(fā)展。這反過來意味著需要盡早獲得學(xué)習(xí)和經(jīng)驗，以利用該技術(shù)。對于最終用戶來說，試圖證明包羅萬象的大型安裝是沒有意義的。相反，采取一種敏捷的方法，并實現(xiàn)快速的回報和成功將是更有建設(shè)性的。那些基于AI和其他新興技術(shù)的最成功的預(yù)測性維護項目已經(jīng)采取了分階段的方法--通過試點評估提出和測試假設(shè)，然后從獲得的學(xué)習(xí)中進行升級。

　　從本質(zhì)上講，使用機器學(xué)習(xí)和數(shù)據(jù)分析有助于消除大型數(shù)據(jù)湖中的"迷霧"，將注意力集中在投資回報率最快的領(lǐng)域。這使制造商能夠采取優(yōu)先策略，從快速贏利中獲益，并通過已經(jīng)掌握的投資回報實例，按優(yōu)先順序進行工作。毫無疑問，這是一個令人興奮的發(fā)展領(lǐng)域，看看它在未來幾年如何發(fā)展將會很有趣。