预测性维护是工业物联网的“杀手级应用”吗?

预见性维护一度被称为工业物联网的“杀手级应用”，但它需要一段时间才能站稳脚步，但事实上进展是确定而稳定的，有一些杰出的成功案例。

作者:Martin Keenan, Avnet Abacus技术总监

2016年，预测性维护被吹捧为工业物联网的关键应用之一。即使在2018年，Gartner等分析人士也对未来的成功做出了强有力的预测。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，通过预测性资产维护提高运营效率，可大幅节省高达40%的成本。

然而，这个市场还没有出现爆炸式增长。事实上，贝恩公司对600多名高科技高管进行的一项新调查发现，工业客户对2018年预测性维护的信心不如2016年。据该分析公司称，这主要是由于一旦收集到工业物联网数据，就很难有效地获取insight，而另一方面，首先在实施系统方面存在困难。

根据贝恩的说法，另一个关键障碍可以总结为:“设备制造商和其他工业和运营技术供应商需要大幅提高他们的软件能力——这对大多数公司来说不是一个历史优势。”尽管如此，该分析公司仍然预测工业物联网将快速增长，到2021年市场规模将翻倍，达到2000亿美元以上。

预防性和预见性
采用预见性维护的最大挑战之一是，许多工业部门仍在努力通过预防性维护系统的实施。有争议的是，预测性预防性维护系统的先驱可以是非常简单的，比如针对单个机器或工厂部件的“红绿灯”健康系统，也可以是将数据反馈到集中仪表板的更复杂的传感器网络。然而，它通常依赖于制造商寿命预测、人工操作人员或直接传感器数据来突出潜在问题，而不是使用复杂的算法来预测维护计划。

这意味着预防性维护的好处正在变得根深蒂固，但分阶段的采用让许多工业企业等待机器学习和人工智能市场进一步成熟，缓解采用的痛苦，并降低成本。

精神食粮
目前的形势创造了一系列的机会，比如在食品行业。其中一个例子就是三菱电动智能状态监测(SCM)系统，该系统巧妙地插入了“交通灯”预防系统和全脂预测工业物联网之间的缝隙。该系统监控单个资产的状况，但将这些资产分层，以提供整个植物健康的整体图景。本地预防系统仍然提供可视化的“健康检查”指标，但实时数据通过以太网传输到PLC进行深入监测和基于云的分析。一个教学功能“学习”机器的正常运行状态，然后关键信息，如轴承缺陷检测，不平衡，不对中，温度测量，缺乏润滑剂，空化检测，相位故障识别和共振频率检测，可以在云仪表板上查看。

提高运输效率
有明确的迹象表明，预见性维修在许多行业仍是当务之急，比如运输业。一个例子是轨道旁维护，这是铁路公司的一项重大运营成本，同时也需要有资质的人员在潜在的危险条件下24小时工作。然而，通过部署工业物联网传感器和分析技术，铁路运营商可以从浪费的检查周期(无论状况如何都要对完美的可维修设备进行检查和再检查)转向预防性、基于条件的预测性维护。

例如，诺基亚创建了一个轨道资产生命周期优化应用程序，它将所有三个元素结合在一起，不仅基于学习到的运行参数为每个资产建模维护计划，并结合外部数据，如天气状况，但也会围绕组件故障的后果构建关键的风险相关数据。

跟踪可再生能源
预见性维护技术最初是为采矿业设计的，现在已经在可再生能源行业得到了应用，这是一个有趣的转折点。澳大利亚初创公司Ping Services开发了一种声波传感器，用于采矿和钻井应用，能够监测钻头整个生命周期的声波特征，然后利用机器学习提前预测故障发展。虽然减少昂贵的钻井中断显然是一个相当有兴趣的领域，但该公司启动了与澳大利亚和美国风力发电场的试点项目，以监测涡轮机的类似目标。