預測性維護——未來工廠之光
摘要： 預測性維護技術是工業物聯網常探討的內容，但是大部分人對此卻不甚瞭解。筆者可以肯定，預測性維護必將是未來工廠之光。
物聯網已經不再是一個新鮮的事物，各行各業都有物聯網的影子，譬如說智慧安防產業中的生物識別、智慧交通領域中的共享單車、新零售層次的無人便利店等等。這些行業都是大眾能夠親身體驗到的物聯網專案，那麼其它行業呢，物聯網在其它大眾無法直接體驗的領域又是怎麼樣的一個狀況呢?類似於這樣的領域有很多，小編今天想從工業領域出發，切入未來工廠這一小點進行分析闡述。
1. 工業物聯網的發展現狀
工業物聯網是物聯網產業鏈中的重要一環。據GSMA智庫預測，到2025年全球的工業物聯網(IIoT)連線數將達到138億，其中大中華地區的連線數約為41億，約佔全球市場的三分之一。同時，根據中國工業和資訊化部的資料，中國工業物聯網市場收入的年增長率約為 25%，並且將在 2018 年達到近 3000 億元人民幣(摺合 470 億美元)，物聯網以及工業物聯網正迎來高速發展時期。
從德國的“工業4.0”到中國的“中國製造2025”，再到美國的“工業網際網路”，這些戰略的提出和施行都意味著各個國家對工業物聯網高度重視，均希冀在工業物聯網領域佔據巨頭地位。
隨著物聯網技術的創新與發展，工程製造裝置變得更加高效與智慧，但裝置本身維護工作卻仍面臨巨大挑戰。維護不善會使工廠的生產率降低5-20%，而計劃之外的生產中斷會使一些大型製造商每年損失500億美元。
傳統維護模式中的故障後維護與定期維護將影響生產效率與產品質量，並大幅提高製造商的成本。隨著物聯網、大資料、雲端計算、機器學習與感測器等技術的成熟，預測性維護技術應運而生。
2. 預測性維護
預測性維護的市場前景
所謂預測性維護，就是藉助演算法分析檢測故障發生前的機械狀態，並預測故障發生的時間。除此之外，還能夠確定可延長機械使用壽命的主動性任務型別。
鑑於預測性維護將事後控制方式進化成通過分析和啟用預測性維護來解決問題，無疑向我們展示了一個具備發展潛力的市場。根據IoT Analytics發出的報告:2016-2022年預測性維護的複合年均增長率CAGR為39%，到2022年總體支出將達到10.96億美元。
預測性維護在不久的未來將愈加凸顯工業物聯網中少數的“殺手級”應用的優勢：
1)從內部來看，預測性維護用於優化生產操作，將會帶來20-30%的效率增益。
2)從外部來看，裝置製造商如果引入預測性維護服務，則有可能“一勞永逸”地扭轉當前競爭業態。
3)從戰略角度評估，預測性維護代表著工業服務化和未來商業模式轉變的歷史選擇。
預測性維護的關鍵
要預測出一套裝置出故障的可能性，除了從裝置資料中整理出關鍵的指標，還要結合更多的歷史經驗進行分析，最終形成一個與裝置對應預測性維護模型。預測性維護的複雜性在於這套基於機器學習的生產系統模型必需隨著時間而改變。
以汽車的維護為例，隨著汽車零件的老化，它們對壓力的反應與新的時候不同。因此，維護方案應隨著時間的推移進行調整，以考慮不斷變化的故障率，這些時間表可以使用機器學習輸出新的模型。
裝置在全生命週期的不同階段有著不同的表現，裝置故障有一個“浴缸曲線”的說法，把裝置壽命劃分為三個主要階段：早期故障率階段、穩定狀態階段和損耗階段。
浴缸曲線
通常機器在使用壽命開始時，會經常出現故障。但隨著時間的推移會進入穩定期，維護過程會逐漸消失，故障更為罕見。而到了後期機器故障會率會飆升，最終報廢。因此，機器學習需識別出裝置處於哪個生命階段，並不斷調整預測模型。
3. 預測性維護應用案例
對汽車業而言，認知型預見性維護的重要性越來越高，即使是細微的優勢也能為車企節省數百萬美元。
汽車製造商可以在生產流程中部署多個接觸點。在最初的製造流程中，認知型預測性維護可識別產品缺陷(in-line defects)，在產品進入市場前，就能解決存在的問題。
預測性維護不僅能監控車輛生產，還能在確保生產線平穩執行的情況下，使用生產線機器打造零件。在製造工廠內配置了大量的工業級物聯網及感測器後，可瞭解機器的執行及健康狀況。
當車輛出廠後，預測性維護依然發揮其作用。預測性維護建模可根據互聯車輛、檢修記錄、已更換零部件的測試資料等多個數據渠道進行判定。此外，天氣條件、路況、駕駛員注意力及生物識別感應器(biometric sensors)等資料可被用於識別並解決故障，避免裝置關停，或快速開展維護流程並規劃零部件庫存及現場人員配置。
汽車預測性維護的整個流程意味著工廠需要始終採用精準的數字化模擬其所有機器的執行情況，需將機器學習引入製造流程，以便分析機器的健康狀態並進行上報，從而實現提前維護，避免後期出現故障。
結語：通過實施預測性維護，製造商可以提高安全性，增加生產時間並延長裝置壽命。隨著人工智慧和機器學習演算法的不斷進步、自動化裝置的普及應用，預測性維護帶來的經濟價值將是巨大的，製造商沒有理由不選擇預測性維護方案!（本文來源：物聯網空間站 作者：大喵）