zapp2photo——stock.adobe.com
基于物联网的预测性维护可以避免机器故障
预测性维护使用传感器、网关和管理系统来预测制造、石油和天然气以及食品加工行业的设备故障何时会发生。
预测性维护已经彻底改变了传统的、基于条件的设备维护，但物联网和机器学习可以进一步提高工人的生产率和安全性。
物联网伴随着预测性维护的出现而发展起来，预测性维护是一种监测和维护工业设备以减少硬件故障可能性的方法。
在传感器普及和廉价之前，维护团队通常会完成基于条件的维护。各工作队将对关键设备进行实地检查，或依靠基本技术，如压力计，来确定情况。预测性维护也偏离了预防性维护，预防性维护依赖于最佳实践、行业平均水平或等待设备损坏来决定何时进行维护。
许多组织预测性维护系统是不可分割的一部分他们的商业战略。预测维护技术(如机器学习模型)的进步可能会刺激进一步的投资。
尽管COVID-19大流行造成的变化迫使各组织削减运营和人员编制预算，但预计未来几年预测性维护的总体支出将增加。Gartner预测，到2022年，基于物联网的预测性维护支出将从2018年的34亿美元增加到129亿美元。
基于物联网的预测性维护需要什么?
管理员可以部署物联网传感器进行预测性维护监测振动、泄漏和燃料水平等机械指标，以检测设备是否在全速运行。使用冲击脉冲监测和红外的传感器可以帮助早期发现火灾和有毒空气污染。
物联网传感器连接到支持多种连接方法的网关，包括有线、Wi-Fi、蜂窝网络和低功耗广域网。这些网关从设备收集数据并将其发送到云管理系统，如Microsoft Azure、IBM cloud和RackWare混合云平台。
在云计算中，组织可以使用高级分析功能来检查丰富的信息。从这一过程中获得的情报可以减少设备故障，并为员工创建一个更安全的工作环境。计算机化维修管理系统软件，有时称为企业资产管理软件，也可以使用这些数据为业务提供集中的工作请求、自动化的资产跟踪和报告。
工程师仍然必须探索预测性维护公式，特别是在机器学习领域。人工智能技术将预测性维护更进一步，根据分析性见解，在问题发生之前就规定了解决问题的潜在行动。
例如，计算机软件初创公司Augury筹集资金，以发展其无线传感器的预测性维护服务，这些传感器记录电机、压缩机和泵的振动、温度和磁力指标。一个组织可以使用这些传感器将数据上传到云软件报告机器的运行状况。
基于物联网的预测维护适用于各种行业
许多组织已经在使用或考虑在大型和小型工地上实施预测性维护硬件和软件。受益于预测维护的行业包括石油和天然气行业、食品和饮料行业、制造业、IT服务和能源行业。
物联网伴随着预测性维护的出现而发展起来，预测性维护是一种监测和维护工业设备以减少硬件故障可能性的方法。
石油和天然气公司一直走在使用预测性维护的最前沿。例如，壳牌石油(Shell Oil)就使用C3的技术。ai和微软Azure云软件来预测压缩机和阀门何时需要维护。无论是硬件还是软件，都可以监控引导钻头穿过页岩矿床的设备。
在诸如比如田纳西州的诺克斯维尔。或者德国埃森，安装传感器，减少维修时间。在这些工厂中，用于维护的工具经常创建孤立的和不连接的数据竖井。通过基于物联网的预测性维护，持续向云传输的数据使工人能够更准确地识别操作条件和错误。
食品加工行业是另一个主要采用预测性维护的行业。企业使用传感器，如探测机器内部高温的红外摄像机;声波监测，以根除设备内的液体、气体或真空泄漏;以及振动或油分析来保证设备的可靠性，这在食品制造中是必不可少的。
