如果說算命先生和水晶球的存在可以證明什么，那就是人類長期以來一直試圖預測未來會怎樣。 但是，雖然“超自然”算命能力的功效充其量可能值得懷疑，但通過物聯(lián)網支持的預測性維護，有一種更可靠的方式來預測未來。

什么是預測性維護？

預測性維護是指一種利用物聯(lián)網遠程監(jiān)控工具來評估資產性能和狀況的技術。在制造業(yè)中，預測性維護通過提高吞吐量、降低維護成本和最大限度地減少過程故障，平均提供 10 倍的投資回報。機器學習模型處理從支持物聯(lián)網的傳感器收集的數(shù)據，以預測設備何時可能發(fā)生故障，從而提供完全防止故障的機會。如果設備仍然出現(xiàn)故障，預測性維護可以建議采取糾正措施，以防止將來發(fā)生類似故障。

借助物聯(lián)網遠程監(jiān)控技術，所有這些預測性維護功能都成為可能。我們將介紹物聯(lián)網遠程監(jiān)控的工作原理，以及部署有效預測性維護的三個關鍵成功策略。但首先，讓我們看看物聯(lián)網遠程監(jiān)控是什么意思。

什么是物聯(lián)網遠程監(jiān)控？

在制造預測性維護的背景下，物聯(lián)網遠程監(jiān)控可自動評估設備健康狀況和創(chuàng)建服務請求。如果沒有物聯(lián)網遠程監(jiān)控，工廠必須依靠員工手動收集、處理和分析機器數(shù)據，然后再發(fā)布可操作的后續(xù)步驟以進行診斷或維護。物聯(lián)網遠程監(jiān)控技術加快了這一過程，從而降低了長期成本并提高了啟動效率。

遠程監(jiān)控集成物聯(lián)網設備和人工智能來收集和分析機器性能數(shù)據。物聯(lián)網設備將描述機器操作和生產力的數(shù)據傳輸?shù)街С秩斯ぶ悄艿钠脚_。該平臺分析信息并為人員提供對機器健康洞察的實時訪問。帶有歷史性能數(shù)據的詳細報告還提供了生產力水平的快照，并幫助告知員工維護計劃。

通過利用高質量的歷史數(shù)據，機器學習系統(tǒng)可以預測何時可能發(fā)生故障并推薦主動措施以最大限度地減少停機時間并優(yōu)化維護資源。

物聯(lián)網遠程監(jiān)控的影響

在遠程監(jiān)控之前的日子里，發(fā)生故障的機器只是發(fā)出警報，提醒員工注意問題。工廠車間經理將被派去確認問題，技術人員被要求診斷和排除故障，訂購零件并安排維修。與此同時，制造團隊需要站起來思考并解決生產力損失的問題。

今天，物聯(lián)網遠程監(jiān)控提供了大幅緩解意外停機問題的能力。物聯(lián)網遠程監(jiān)控在預測性維護中的好處包括：

• 擴展數(shù)據收集
• 降低長期成本
• 最大限度地延長機器正常運行時間
• 簡化通知流程
• 減少服務調用
• 利用關鍵的成功策略

通過物聯(lián)網遠程監(jiān)控，您可以通過三種關鍵策略建立有效的預測性維護。

1.盡早讓數(shù)據科學家參與進來，以整理數(shù)據

雖然數(shù)據工程師可以解決預測性維護和物聯(lián)網遠程監(jiān)控的某些方面，但數(shù)據科學家應該參與構思和采用您的預測性維護策略。考慮到數(shù)據集中的傳感器噪聲、缺失數(shù)據和其他缺陷可能很快讓您的分析工作感到不堪重負。數(shù)據科學家將使這個過程對你來說不那么痛苦。數(shù)據科學家將完成以下所有工作：

與您的數(shù)據工程團隊一起規(guī)劃管道和架構：機器學習算法結果和成功的預測性維護只有在大量干凈數(shù)據的情況下才有可能。數(shù)據科學家將能夠查明必要數(shù)據量中的任何差距，并幫助您確定需要在哪里安裝新傳感器以生成更多數(shù)據。

清潔、結構化和標記數(shù)據：原始數(shù)據很少是機器學習算法的最佳選擇。除了重復和丟失數(shù)據之外，不正確的數(shù)據類型可能會給下游處理帶來錯誤。數(shù)據科學家可以識別和修復數(shù)據異常，并將感興趣的信號與儀器和環(huán)境噪聲隔離開來。

創(chuàng)建和實施有效的機器學習模型：使用傳統(tǒng)的分析方法通常不可能基于數(shù)百萬個數(shù)據點預測設備故障。制造商通常依靠機器學習來合成這些海量數(shù)據，然后輸出結果并轉化為維護操作。一個數(shù)據科學家團隊負責使用最有效的機器學習工具并將該專業(yè)知識傳遞給數(shù)據工程師。

但我們不要忘記提到一個重要的警告：如果數(shù)據科學家在前進的道路上遇到障礙，他們將無法完成這項工作。優(yōu)先為您的數(shù)據科學家提供正確完成工作所需的信息和工具。他們需要技術訪問（例如正確的工具、權限、服務器等）、信息訪問和人員訪問（與看門人的聯(lián)系以及與內部領域專家的對話）。

2.戰(zhàn)略性地自動化數(shù)據工程過程

在預測性維護的背景下，數(shù)據工程是從機器傳感器收集數(shù)據并將其移動到存儲庫中的過程，通常在云中。從那里，它繼續(xù)通過數(shù)據管道被機器學習模型清理和攝取。

有效的數(shù)據工程是可靠的、可重復的和可擴展的。這些特性也使數(shù)據工程過程變得成熟，可以實現(xiàn)自動化，從而為制造商節(jié)省時間和金錢。

與大多數(shù)流程一樣，我們建議從戰(zhàn)略角度接近自動化。如果你開始盲目地自動化你的數(shù)據工程過程，你很容易通過選擇與你需要的算法不匹配的數(shù)據結構在你的系統(tǒng)中引入技術債務。在開始構建數(shù)據和構建數(shù)據工程管道的過程之前，請確保您對要解決的問題有充分的了解。與關鍵利益相關者合作，不僅要了解問題，還要了解他們的要求。

3.向合適的人展示可用的輸出

人們經常吹捧機器學習的力量，卻忽略了交付。例如，機器學習模型通常以 .csv 文件的形式輸出數(shù)據。我們已經看到公司投入大量精力來生成有洞察力和可操作的數(shù)據，只是將 .csv 文件埋在某個文件夾中并留下來收集灰塵。

通過定義誰需要使用 IoT 遠程監(jiān)控傳感器生成的信息來啟動您的項目。通常，預期的接收者處于一個獨特的環(huán)境中；例如，他們可能正在操作機器，在輪班期間無法訪問電子郵件，甚至無法使用傳統(tǒng)計算機。在您定義理想輸出時，請考慮他們將如何接收信息。他們需要查看哪些信息，需要以何種形式查看？在某些情況下，自動電子郵件警報可能最有用。在其他情況下，報告儀表板將最好地滿足用戶需求，或者可能是 PDF 文檔。確保您充分了解用戶及其需求。

將原則付諸實踐

如果沒有合適的工具，很難理解和使用物聯(lián)網遠程監(jiān)控系統(tǒng)生成的數(shù)據，但遵循這三個關鍵策略將為您的成功做好準備。水晶球或塔羅牌可能無法幫助您預測資產的性能和狀況，但利用物聯(lián)網遠程監(jiān)控的力量可以讓您的未來一片光明。