新數(shù)字生態(tài)系統(tǒng)的連通性有助于公司管理、監(jiān)控、維護(hù)和保護(hù)其資產(chǎn)。

物聯(lián)網(wǎng)（IoT）、機(jī)器學(xué)習(xí)（machine learning）和人工智能（AI）的進(jìn)步使預(yù)測性維護(hù)達(dá)到了行動(dòng)的準(zhǔn)確性，在問題發(fā)生之前就能從分析洞察中解決問題。

據(jù)巴西初創(chuàng)公司EVOLV的首席執(zhí)行官萊昂德羅-西蒙斯（Leandro Sim?es）說："通過在機(jī)器中安裝傳感器，將設(shè)備變成智能設(shè)備，并通過物聯(lián)網(wǎng)，使物體能夠?qū)崟r(shí)交換信息，這就成為可能。有了所有這些數(shù)據(jù)，系統(tǒng)可以檢測模式、改進(jìn)機(jī)會(huì)，主要是預(yù)測機(jī)器故障何時(shí)發(fā)生。"

通過這種方式，管理團(tuán)隊(duì)可以啟用預(yù)定的維修，從而不損害生產(chǎn)計(jì)劃，這可以降低成本，帶來更多的運(yùn)營效率。

克服挑戰(zhàn)

對(duì)于制造業(yè)來說，主要的挑戰(zhàn)之一是管理設(shè)備的停機(jī)時(shí)間，因?yàn)檫@個(gè)因素使任何生產(chǎn)計(jì)劃受挫。

為了了解其影響，《華爾街日?qǐng)?bào)》和艾默生的一項(xiàng)調(diào)查發(fā)現(xiàn)，42%的非計(jì)劃機(jī)器停機(jī)損失時(shí)間是由于設(shè)備故障造成的，每年給企業(yè)帶來500億美元的損失。

面對(duì)這些令人震驚的數(shù)據(jù)，工業(yè)界已經(jīng)意識(shí)到識(shí)別潛在故障、其發(fā)生和后果的相關(guān)性。他們發(fā)現(xiàn)，物聯(lián)網(wǎng)和機(jī)器學(xué)習(xí)是更快、更堅(jiān)定的數(shù)據(jù)驅(qū)動(dòng)決策的偉大盟友。

Sim?es解釋說："預(yù)測性維護(hù)的目的正是為了預(yù)測故障的識(shí)別，并通過這種方式將任何不可預(yù)見的問題降到最低。比起預(yù)測問題，預(yù)測性維護(hù)更能降低維修成本，此外持續(xù)的監(jiān)測和定期的維護(hù)停頓還能增加公司資產(chǎn)的壽命。"

現(xiàn)在來看看這個(gè)市場的規(guī)模，咨詢公司Gartner的一項(xiàng)研究預(yù)測，到2022年，物聯(lián)網(wǎng)支持的預(yù)測性維護(hù)支出將達(dá)到129億美元，高于2018年的34億美元。預(yù)計(jì)這些投資將通過對(duì)資產(chǎn)的預(yù)測性維護(hù)來提高運(yùn)營效率，從而為各行業(yè)節(jié)省高達(dá)40%的成本。

實(shí)踐中的成果

Aberdeen Group的研究發(fā)現(xiàn)，使用基于物聯(lián)網(wǎng)的預(yù)測性維護(hù)解決方案的公司可以減少3.5%的非計(jì)劃性停機(jī)時(shí)間，并將整體效率提高89%。

更不用說捕捉所有這些數(shù)據(jù)為管理者提供了新的分析，使他們能夠識(shí)別和解決瓶頸問題，也為決策提供了堅(jiān)實(shí)的基礎(chǔ)。

應(yīng)用的機(jī)會(huì)是相當(dāng)廣泛的，可以根據(jù)組織的細(xì)分和規(guī)模進(jìn)行定制?？梢圆渴鹞锫?lián)網(wǎng)傳感器，監(jiān)測設(shè)備指標(biāo)，如：溫度、振動(dòng)、流量、電壓和電流等。

預(yù)測性維護(hù)是未來

工業(yè)4.0的進(jìn)展對(duì)預(yù)測性維護(hù)領(lǐng)域產(chǎn)生了積極的影響。人工智能技術(shù)的結(jié)合將極大地幫助公司管理、監(jiān)測、維護(hù)和保存其資產(chǎn)。

不僅僅是降低成本，公司將節(jié)省時(shí)間，他們的團(tuán)隊(duì)將能夠把精力集中在生產(chǎn)計(jì)劃戰(zhàn)略上，并保證他們不會(huì)因?yàn)椴欢ㄆ诘臋C(jī)器停工而陷入困境。