作者：John P. Desmond，人工智能趋势编辑
越来越多的公司正在成功利用预测性维护系统，该系统结合了人工智能和物联网传感器来收集数据，预测故障并在故障或机器故障之前建议采取预防措施，这展示了具有经过验证的价值的人工智能用例。
这种增长反映在乐观的市场预测中。根据预测性维护市场的一份报告，目前预测性维护市场规模为 69 亿美元，预计到 2026 年将增长到 282 亿美元 物联网分析 德国汉堡。目前，该公司拥有超过 280 家在市场上提供解决方案的供应商，预计到 2026 年将增加到 500 多家。
该报告的作者、分析师 Fernando Bruegge 表示：“这项研究为那些声称物联网正在失败的人敲响了警钟。”他补充道，“对于拥有工业资产或销售设备的公司来说，现在是投资预测性维护型解决方案的时候了。”而且，“企业技术公司需要准备将预测性维护解决方案集成到他们的产品中，”布鲁格建议。
以下是对结合人工智能和物联网传感器的预测维护系统的一些具体经验的回顾。
飞机发动机制造商 劳斯莱斯 是 部署预测分析 根据最近的一份报告，帮助减少其发动机产生的碳量，同时优化维护以帮助客户让飞机在空中飞行更长时间 首席信息官。
罗尔斯·罗伊斯建立了一个智能发动机平台来监控发动机飞行，收集有关天气状况和飞行员飞行方式的数据。机器学习应用于数据，为各个发动机定制维护方案。
劳斯莱斯首席信息和数字官斯图尔特·休斯 (Stuart Hughes) 表示：“我们正在定制维护制度，以确保我们针对发动机的使用寿命进行优化，而不是手册中规定的使用寿命。” “这是真正的可变服务，将每个发动机视为一个单独的发动机。”
客户发现服务中断的情况越来越少。 “劳斯莱斯监控发动机和每小时充电至少 20 年，”Hughes 表示。 “这部分业务并不新鲜。但随着我们的发展，我们已经开始将引擎视为单一引擎。更多的是关于该引擎的个性化。”
预测分析正在应用于医疗保健和制造业。总部位于加利福尼亚州奥克兰的综合管理式医疗联盟 Kaiser Permanente 正在使用预测分析来识别面临快速恶化风险的非重症监护病房 (ICU) 患者。
北加州凯撒医疗机构研究部科学家兼医院运营研究区域主任 Gabriel Escobar 博士表示，虽然需要意外转入 ICU 的非 ICU 患者占医院总人数的不到 4%，但他们却占所有医院死亡人数的 20%。
Kaiser Permanente 在医疗保健领域实践预测性维护
Kaiser Permanente 开发了高级警报监控 (AAM) 系统，利用三种预测分析模型来分析给定患者电子健康记录中的 70 多个因素，以生成综合风险评分。
Kaiser Permanente 执行副总裁兼首席信息官迪克·丹尼尔斯 (Dick Daniels) 在 CIO 账户中表示：“AAM 系统综合并分析生命统计数据、实验室结果和其他变量，为内外科和过渡性护理病房的成年医院患者生成每小时病情恶化风险评分。” “远程医院团队每小时评估一次风险评分，并在发现潜在恶化情况时通知医院的快速反应团队。快速反应团队对患者进行床边评估，并与住院医生一起校准疗程。”
在给其他从业者的建议中，丹尼尔斯建议重点关注该工具如何适应医疗团队的工作流程。 “我们花了大约五年的时间来完成电子病历后端的初步映射并开发预测模型，”丹尼尔斯说。 “然后我们又花了两到三年的时间将这些模型转变为可以实际使用的实时 Web 服务应用程序。”
以食品行业为例，位于田纳西州费耶特维尔的百事可乐菲多利工厂成功地使用了预测性维护，该工厂的可靠性工程经理卡洛斯·卡洛韦 (Carlos Calloway) 在一份报告中表示，今年迄今为止，设备停机率为 0.75%，计划外停机率为 2.88%。 工厂服务。
监控示例包括：通过超声波确认的振动读数有助于防止 PC 燃烧鼓风机电机发生故障并关闭整个薯片部门；对工厂 GES 自动化仓库主杆的红外分析检测到热熔丝座，这有助于避免整个仓库关闭；从烘烤的挤出机齿轮箱中检测到的油样中酸含量增加，表明油发生了降解，从而避免了奇多泡芙生产的停顿。
Frito-Lay 工厂每年生产超过 1.5 亿磅的产品，包括 Lays、Ruffles、Cheetos、Doritos、Fritos 和 Tostitos。
监测类型包括用于机械应用的振动分析，该分析在第三方公司的帮助下进行处理，该第三方公司向工厂发送警报以进行调查和解决。另一个服务合作伙伴对选定的设备进行季度振动监测。所有电机控制中心室和电气面板均通过季度红外分析进行监控，该分析也用于电气设备、一些旋转设备和热交换器。此外，该工厂进行超声波监测已超过 15 年，“从预测的角度来看，这有点像我们工厂的骄傲和喜悦”，Calloway 表示。
该计划采用了来自纽约州埃尔姆斯福德的 UE Systems 的多种产品，该公司是超声波仪器、硬件和软件以及预测性维护培训的供应商。
路易斯安那氧化铝厂自动化轴承维护
对于汽车来说，轴承会在不同的天气和温度条件下随着时间的推移而磨损，是物联网监控和人工智能预测性维护的主要候选者。这 诺兰达氧化铝 位于路易斯安那州格拉梅西的工厂通过投资改善生产设备轴承润滑的系统获得了巨大回报。
在使用新润滑系统的第二年，该系统使轴承更换次数减少了 60%，这意味着无需更换轴承并避免了停机，从而节省了约 900,000 美元。
Noranda Alumina 的可靠性工程师兼工厂讲师 Russell Goodwin 在 PlantServices 帐户中表示：“四个小时的停机时间大约会造成价值 100 万美元的生产损失。”该帐户基于 2021 年领先可靠性活动中的演示。
诺兰达氧化铝厂是美国唯一一家运营的氧化铝厂。 “如果我们关闭，你就需要进口它，”古德温说。该工厂普遍存在灰尘、污垢和腐蚀性物质，这使得提高可靠性和维护实践的工作变得更加复杂。
Noranda Alumina 通过振动读数跟踪转速为 1,500 rpm 及以上的所有电机和变速箱，并通过超声波跟踪大多数转速低于 1,500 rpm 的电机和变速箱。 Goodwin 于 2019 年加入该公司后，工厂引入了超声波监测技术，可监测超出人类听觉范围的声音。当时，油脂监测还有改进的空间。 “如果油脂没有明显地从密封件中流出，机械主管就不会认为这一轮已经完成，”古德温说。
他表示，引入自动化后，润滑系统得到了显着改善。该系统还能够检测皮带中的轴承，这些轴承由于污染而磨损得太快。 “借助工具进行的跟踪有助于证明不是润滑不当，而是轴承制造不当，”古德温说道。
