自工业革命以来，维护经理一直在与设备故障作斗争。也许你就是其中之一。虽然过去几代人的问题在今天仍然普遍存在，但工业4.0技术为经济高效、可扩展的解决方案带来了新希望，使维护经理能够预测问题并在它们导致计划外停机之前解决问题。来自无线传感器、手持工具、监控和数据采集(SCADA)系统等的不断增加的状态监测数据流，再加上现代软件和分析，正在为工厂车间的转型奠定基础。今天，预测性维护允许维护经理在故障发生之前实时监控资产状况数据。然而，即将到来的人工智能和机器学习技术有望迎来一个互联可靠性更高的时代。过去，数据收集和数据分析是两个截然不同的过程。虽然数据收集是可扩展的，但执行分析的专家的成本和可用性有限使得有效覆盖仅适用于关键资产的一小部分。未来，传感器和软件不仅可以在机器故障发生之前进行预测，还可以帮助团队诊断问题并推荐解决方案。这种做法被称为规范性维护。机器学习和商业智能如今，许多维护经理已经在应用商业智能(BI)技术来支持分析和改进决策制定。商业智能包括可视化工具，可以更轻松地利用现有数据，并且对许多维护组织来说是一种很有吸引力的方法，因为他们的公司已经在使用BI工具，而且系统相对用户友好。虽然商业智能工具和技术对于收集、可视化和分析数据很有用，但仍然需要人类专家来执行分析，这限制了覆盖面的广度和深度。结合机器学习(ML)技术，依靠算法而不是人类专家来执行分析，从而解决了BI方法的可扩展性限制。这些算法可以通过多种方法开发，包括无监督学习技术，可以极大地扩展可以分析的场景以及预测的准确性和精确度。在当今的维护领域，利用机器学习意味着首先要识别正确的数据集来帮助预测设备故障。只有这样，才有可能创建可重复的机器学习流程来捕获、分析、诊断和解决业务问题。处理大数据有无数可用的数据源可提供与分析资产健康状况和实现预测性维护相关的信息。与以往相比，越来越多的团队正在处理来自更多来源的更多数据。通常，团队现有的数据不适合机器学习工作，团队不应该简单地尝试使他们的数据适合。幸运的是，现在有许多公司正在开发先进的状态监测传感器，可以帮助组织开始这一旅程。借助当今先进的状态监测传感器，团队可以进行24/7全天候测量，从而清楚地了解资产健康状况和性能，而无需额外的人力。振动传感器和其他状态监测设备使团队能够快速轻松地排除资产故障。无线状态监测传感器的测量结果可以自动发送到云端，减少错误和手动操作的需要。机器学习如何改变资产可靠性振动传感器是新状态监测项目的常见起点，但其他可能性包括超声波、油液分析、热成像和电机测试。了解资产如何失效（其主要失效模式）可以告诉您要观察哪些指标以了解哪种测量方法最适合该资产。通过机器学习，资产可以在人员需要参与之前收集、分析和诊断数据。工程师在系统分配工作单之前验证诊断。维修完成后，技术人员可以输入他们的发现，算法可以从收到的输入和验证中学习。但是怎么办？与其在整个组织范围内推出机器学习计划，不如通过从小处着手并扩大规模来开始机器学习更有可能取得成功。以下是一些对任何人都有益的一般步骤，无论他们的出发点如何：(1)完成资产关键性分析：按关键性等级确定资产健康和维护的优先级，为团队提供重点和方向。根据资产在特定组织中的用途对每项资产进行排名，包括发生故障时的业务影响。资产关键性分析可以深入了解哪些资产是状态监测的主要关注点。(2)规划试点项目：从上面确定的一小部分资产开始。确定最常见的故障模式和适当的状态监测技术来检测它们。您将需要一个可持续的、可重复的数据收集过程。确定适合您的需求、规模和预算的状态监测传感器和策略。确定您的模型创建方法，选项包括加入数据科学资源、将开发外包给第三方或采用现成的解决方案。(3)建立框架和评估标准：创建工程分析框架，使您能够测试资产诊断的准确性并建立对解决方案的信心。评估将此验证纳入您组织的标准流程和工作流程可能需要哪些步骤。定义试点成功的标准。这可以包括试点的持续时间、覆盖的资产数量、正确识别的故障数量、错误诊断故障的阈值、遗漏故障的阈值等。(4)启动试点阶段：成功试点的时间表会有很大差异。这取决于部署状态监测技术的提前期、数据收集的频率、仪表资产的数量、目标故障模式的频率以及许多其他因素。明确的项目时间表和商定的里程碑对于在组织中保持支持以成功完成试点至关重要。确保在整个试点过程中进行开放式沟通，以便您的团队了解最终目标和实现目标的进展。(5)与利益相关者一起审查结果：一旦您获得了试点项目的数据并且您的团队有了一些经验，那么您就可以提出进一步扩展计划的理由。与您的团队一起回顾成功案例和改进机会，并确定改进设置的方法。(6)推出更大的计划：返回您的资产关键性分析以确定如何扩展您的状态监测计划。您可以根据组织的需求和优先级，在一个设施内或跨设施扩展您的计划。资产管理的未来组织了解不断变化的维护和可靠性环境至关重要。认识到包括机器学习在内的新兴工具和技术的好处，是组织在瞬息万变的时代生存和发展的关键。维护的最终目标——保持一切运行——没有改变。然而，这些技术将使维护团队能够更聪明地工作，而不是更努力地工作。
