使用这些工具可以帮助公司保持竞争优势。
Michael Mills
Fluke Reliability
近年来，几乎每个行业的经济压力都在增加，导致人们更加重视工作效率。为了保持竞争力，组织/团队需要快速、可靠地生产出高质量的产品，同时在精简预算和劳动力减少的情况下完成。
经济的不确定性增加了对维护机器而不是更换机器的重视。这导致了工业物联网（IIoT）传感器和人工智能分析等互联工具的广泛采用。监测资产健康状况可确保工厂能够在资产损坏之前对其进行维护和维修，从而降低成本并持续满足生产率目标。它还能使工厂即使在面临劳动力短缺的情况下也能高效运行。
最近的一份报告[1]显示，在未来12个月内，人工智能将成为93 % 的公司的首要业务。90 % 的高级决策者和超过80 % 的维护经理对此表示赞同。目前，只有8 % 的受访者使用了预测性维护策略，但77 %的受访者打算转向预测性/前瞻性维护，并将人工智能视为这一转变的关键工具。
预测性维护及工作效率
预测性维护是一种积极主动的策略，可提前应对机器故障并设定维护优先级。其策略和核心很简单：维护人员全天候监控关键资产，而不是等待机器出现故障再进行维修。通过跟踪和分析资产振动水平、温度和声音等信息，技术人员可以捕捉到资产出现新缺陷的第一个警告信号。预测性维护使工作人员能够提前发现机器故障，并在故障仍然轻微时进行纠正。它大大减少了停机时间，并可以使管理人员在最方便的时候安排维修。
但是，如果没有当今最先进的数字工具，如IIoT传感器和分析软件，预测性维护是不可能的。利用互联传感器和人工智能驱动分析的力量，将预测性维护提升到一个新的水平。
它不仅使组织能够跟踪更多资产的健康状况，而且先进的算法降低了故障误诊的风险，避免了故障排除的延误，并使维护团队能够在正确的时间做出正确的决策。
人工智能的力量
人工智能在两个关键领域表现出色：自动化和精度。这也是人工智能非常适合预测性维护的部分原因。
人工智能和自动化
典型的现代工厂差不多都淹没在海量的数据中。事实上，大多数管理者都表示，他们没有时间或专职人员来筛选他们正在收集的所有资产健康数据。
人工智能软件可以以令人难以置信的速度读取大量数据。最好的人工智能软件可以使用状态监测数据准确诊断数百种不同的机器故障 - 所有这些都不需要人类的帮助。这使得技术人员可以专注于人工智能无法完成的更复杂的工作。
对于劳动力有限的团队来说，这是一个改变游戏规则的因素。使用人工智能筛选状态监测数据意味着团队不会错过任何重要信息，技术人员也不会陷入繁琐的工作中。使用人工智能自动化流程可以防止人为错误，节省资金，并使扩展维护方法成为可能。
然而，重要的是要记住，人工智能不仅仅是自动化过程。最好的人工智能工具也可以执行复杂的诊断，并帮助设定维护优先级。
人工智能和精度
一个好的AI诊断引擎是细致而精确的。它筛选状态监测数据，可以捕捉到与机器基线的最小偏差。振动水平或温度的任何偏差都可能表明机器中出现了新的或正在发展的故障。如果有变化，AI会注意到。
但是下一代人工智能工具不仅仅是标记高振动水平和发出警报。今天的人工智能可以仔细研究环境中的状态监测数据，并将数据与工作订单历史、特定资产的年龄和利用率甚至环境因素进行比较，并得出一个高度精确、可靠的诊断。
规范性维护
预测性维护可以节省团队的时间和资源，但下一步更令人兴奋：一种称为规范性维护的策略。
规范性维护使用软件和传感器来诊断机器缺陷的根本原因，并为维护人员提供详细的建议。规范性维护不仅可以预测机器故障，它通过建议解决预测问题的步骤和延长事件之间的时间来寻找保持设备以最佳性能运行的方法。
这对工作效率来说是双赢的。使用人工智能减轻了技术人员的压力，使他们能够专注于更复杂的任务和问题的解决。当人工智能帮助设定维护优先级时，它可以确保维护人员尽可能充分地利用他们的时间和资源。
从哪里开始实施？
人工智能和互联的IIoT工具将继续存在。将它们集成到维护实践中有助于提高工作效率，并通过以下方式保持竞争优势：
1）实现预测性维护，以便团队能够提前应对机器故障和计划外停机
2）通过尽早解决资产故障来降低维护成本
3）在适当的时间安排必要的维护任务，而不是中断生产
4）减轻技术人员的负担
当然，实施一种新的方法可能会让人不知所措。从试点项目开始，而不是一次性在整个工厂引入新的工具，可能是一个有益的方法。从小处着手，跟踪进展，这样就有可以准确地衡量什么在起作用，什么需要调整。
最后，提醒一下：并非所有人工智能工具都是相似、好用的。确保寻找一个人工智能驱动的诊断引擎，该引擎已经过全面和深入的数据训练，可以识别健康资产和恶化资产之间的细微差异。最好的人工智能引擎已经在至少一万亿个不同的数据点上进行了训练。这可确保他们在故障诊断时的精度。如果使用得当，人工智能和工业物联网工具可以显著提高工作效率，延长资产寿命，降低维护成本 - 这是一个全方位的巨大胜利。
参考文献
[1] info.fluke.com/frs-0624-download-value-of-ai-lp-1-a
作者简介：Michael Mills是Fluke Reliability的技术经理，致力于将可持续性融入维护、可靠性和运营策略中。Mills在企业资产管理和以可靠性为中心的维护 - 基于状态的维护和集成状态监测方面拥有十多年的经验。
