作者：人工智能趋势编辑 John P. Desmond
越来越多的公司正在成功地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预测故障的数据，并在发生故障或机器故障之前推荐预防措施，以展示具有公认价值的人工智能案例。
这种增长反映在乐观的市场预测中。 根据德国汉堡IoT Analytics的一份报告，预测性维护市场目前的规模为 69 亿美元，预计到 2026 年将增长到 282 亿美元 。该公司在当今市场上有 280 多家提供解决方案的供应商，预计到 2026 年将增长到 500 多家。
物联网分析分析师Fernando Bruegge
报告作者、物联网分析师费尔南多布鲁格 (Fernando Bruegge) 表示：“这项研究为那些声称物联网失败的人敲响了警钟。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好时机。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，”Bruegge 建议道。
以下是对结合 AI 和 IoT 传感器的预测性维护系统的一些具体经验的回顾。
CIO网站最近的一篇报道称，飞机发动机制造商劳斯莱斯正在部署预测分析 ，以帮助减少其发动机产生的碳量，同时还优化维护以帮助客户将飞机保持在空中更长时间 。
劳斯莱斯建立了一个智能发动机平台来监控发动机飞行轨迹，收集有关天气状况和飞行员飞行方式的数据，然后数据通过机器学习来定制各个引擎的维护制度。
劳斯莱斯首席信息和数字官 Stuart Hughes
劳斯莱斯首席信息和数字官 Stuart Hughes 表示：“我们正在调整我们的维护制度，以确保我们针对发动机的使用寿命进行优化，而不是手册所说的使用寿命。这是真正的可定制化服务，将每个引擎视为单独的引擎。”
“客户看到的服务中断更少，劳斯莱斯20 年来一直在监测发动机并按小时收费。”休斯说。“这部分业务并不新鲜。但是随着我们的发展，我们已经开始将引擎视为一个单一的引擎。更重要的是该引擎的个性化。”
预测分析正在应用于医疗保健以及制造业。Kaiser Permanente 是一家总部位于加利福尼亚州奥克兰的综合管理式护理联盟。它正在使用预测分析来识别有快速恶化风险的非重症监护室 (ICU) 患者。
研究部研究科学家兼区域主任 Gapiel Escobar 博士表示，根据医院统计，虽然需要转移到 ICU 的非 ICU 患者占医院总人口的不到 4%，但他们占所有医院死亡人数的 20%。
医疗保健领域的预测性维护
Kaiser Permanente 开发了 Advanced Alert Monitor (AAM) 系统，利用三个预测分析模型来分析患者电子健康记录中的 70 多个因素，以生成综合风险评分。
“AAM 系统综合和分析生命统计数据、实验室结果和其他变量，为医疗外科和过渡护理单位的成年住院患者生成每小时恶化风险评分，”Kaiser Permanente 执行副总裁兼首席信息官 Dick Daniels 说。“远程医院团队每小时评估一次风险评分，并在检测到潜在恶化时通知医院的快速反应团队。快速反应团队对患者进行临床评估，并与住院医师一起校准疗程。”
在对其他从业者的建议中，Daniels建议重点关注如何将该工具融入医疗团队的工作流程。“我们花了大约五年的时间来执行电子病历后端的初始映射并开发预测模型，”Daniels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在运营中使用的实时 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 PepsiCo Frito-Lay 工厂成功地使用了预测性维护，据该网站的运维人员 Carlos Calloway 称，年初至今的设备停机时间为 0.75%，计划外停机时间为 2.88%。
监控示例包括：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；工厂 GES 自动化仓库主杆的红外分析检测到热熔断器座，这有助于避免整个仓库关闭；并且在烘烤的挤出机齿轮箱的油样中检测到酸含量增加，表明油品降解，从而防止了奇多泡芙生产的停产。
监测类型包括在第三方公司的帮助下进行振动分析，第三方公司向工厂发送警报进行调查和解决。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都通过季度红外分析进行监控，这也用于电气设备、一些旋转设备和热交换器。此外，该工厂已经进行了超过 15 年的超声波监测，“从预测的角度来看，这是我们网站的骄傲，”Calloway 说。
该计划包含来自纽约埃尔姆斯福德的 UE Systems 的许多产品，该公司是超声波仪器、硬件和软件的供应商，以及预测性维护培训。
路易斯安那氧化铝厂自动化轴承维护
轴承在汽车的不同天气和温度条件下会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关注对象。位于路易斯安那州格拉梅西的 Noranda Alumina 工厂正在从投资改进其生产设备的轴承润滑系统中获得巨大回报。
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%，从而节省了大约 900,000 美元的费用，并避免了停机时间。
“四个小时的停机时间相当于价值 100 万美元的生产损失，”Noranda Alumina 的可靠性工程师和技工讲师 Russell Goodwin 表示。
Noranda氧化铝厂是唯一一家在美国运营的氧化铝厂。“如果我们关闭，您将需要导入它，”Goodwin 说。该工厂普遍存在灰尘、污垢和腐蚀性物质，这使提高可靠性和维护实践的努力变得复杂。
Noranda Alumina 通过振动读数以 1,500 rpm 或更高转速跟踪所有电机和齿轮箱，并且大多数低于 1,500 的超声读数。在Goodwin于 2019 年加入公司后，该工厂引入了超出人类听觉范围的声音的超声波监测。当时，油脂监测还有改进的余地。“如果油脂没有明显地从密封件中流出，则机械主管未将这一轮视为完成，”Goodwin说。
他说，在引入自动化之后，润滑系统得到了显着改善。该系统还能够检测到由于污染而导致轴承磨损过快的皮带轴承。“启用工具的跟踪有助于证明不是润滑不当，而是轴承制造不当。”Goodwin 说。
来源：https://www.aitrends.com/predictive-analytics/predictive-maintenance-proving-out-as-successful-ai-use-case/
