错误、失败、突然的故障。设想意外情况是预测性维护系统的目标，该系统为制造公司提供对物理资产（通常是机械）未来故障的预测，以显著缩短生产过程中的停机时间。米兰理工学院教授戴维德·基亚罗尼（Davide Chiaroni）将其定义为“一种新的维护理念”，它可以利用物联网传感器等新工具，能够收集大量数据，以便进行研究机器学习以及预测分析工具。
监测、测量和预测性维护
“预测性维护是基于测量的，”MIP项目负责人Chiaroni解释道施密特·麦克阿瑟奖学金专注于循环经济手机app买球靠谱吗自2013年起，“它不再专注于工厂或资产运营的某个假设，而是采取了一系列实际、持续的措施来监控资产的状态，允许进行干预。“在过去，由个人执行的标准维护是用于检查给定机器状况的方法。类似于汽车大修的概念。“基于状态的维护和预测性维护是目前执行维护所采用的两种基本上最新的方法，”美国国防部首席数据科学家Emanuele Fabbiani解释道外流“两者都基于相同的基本概念，但在CBM案例中，想法是在传感器告诉我有必要时尝试进行维护。相反，预测性维护更进一步：我有模型可以告诉我机器何时会出现故障，因此我能够预测资产状态的演变。”
预测性维护有几个好处，它们都主要从经济角度产生积极影响，显著降低了与机器故障相关的成本和维护资产所花费的时间。此外，通过实时监测机器的健康状况，可以延长其使用寿命。根据统计研究部，预计到2024年，全球预测性维修市场将达到235亿美元左右，2018年至2024年间的年增长率接近40%。
从错误中改进机器学习的重要性
物联网设备和应用的逐步普及，加上先进分析工具的可用性以及人工智能和机器学习技术的出现，使得最终能够将不同类型的传感器集成到工业机械中，并将此类设备联网。法比亚尼补充道：“物联网允许将任何类型的设备连接到网络上。”。“根据收集的数据，中央系统处理预测模型，以优化维护策略。”
到2024年，全球预测性维修市场预计将达到235亿美元左右，2018年至2024年期间的年增长率接近40%。
在预测性维护的情况下，物联网传感器聚合数据，然后机器学习将交叉引用这些数据，让我们知道需要修复什么。“有各种各样的工作方式，”基亚罗尼说。“您不一定需要机器学习来进行维护，但如果我想执行一种自适应维护方法来进行基准测试——这意味着它考虑到同一台机器安装在不同的地方，具有不同的使用特征——机器学习就成了基础。”然而，数学和工程模型仍然非常有价值：“一切仍在发展，”法比亚尼告诉可再生物质，“但将物理和工程知识与机器学习建模相结合的混合方式似乎是最有前景的。”网络安全是另一个问题：“运营成本是一个问题，但如果这些实践操作正确，并置于适当的运营环境中，所有这些操作的成本远低于经济上繁重的停机或故障风险。”
汽车行业的优势
目前，预测性维护是一种主要应用于B2B（企业对企业）市场的方法。考虑到成本效益比，此类维护很少应用于消费品。“今天的大众市场仍在经历一些困难，”Chiaroni解释道。“一方面，对维护服务收费并不容易。另一方面，在操作更加分散的地方，如洗衣机，进行预测性维护在经济上是复杂的。”然而，部件维护的主题在汽车行业也非常普遍，根据预测模型对最终产品的成分进行评估。
“今天，我们将预测性维护与循环经济背景下的汽车行业联系起来，”Chiaroni说。“这是通过发动机实现的，例如：手机app买球靠谱吗劳斯莱斯汽车通过应用发动机租赁服务来实现这一点，即使是飞机上，也包括预测性维护。复用、再利用和再利用的逻辑再制造使有选择地干预机器成为可能。甚至可能在经过适当配置后重新使用它。“这种方法无疑带来了好处，无论是在用户方面，您都有可能减少机器停机时间并从汽车中获得更好的性能，还是在制造商方面，通过能够以预测的方式进行干预并监控机器及其部件的寿命。
海上涡轮机的维护前沿
目前，预测性维护的有趣游戏主要在大型基础设施之间进行，特别是在能源领域。科学研究已经将目光投向了海上风力发电领域，以解决风力涡轮机在维护方面带来的巨大实际问题。弗朗茨·朗迈尔对此非常了解，作为正常运行时间工程，目前正在罗密欧该项目由欧盟通过其“地平线2020”计划支持。通过开发先进的技术解决方案，Romeo团队正在努力降低运营和维护海上风力发电场的成本。Langmayr解释说:“在海上作业中，预见性维护尤为重要，因为与陆上作业不同，涡轮机的使用并不容易。当一个故障发生在寒冷的季节，涡轮机往往无法运行几个月。”汽轮机停机通常是由容易解决的故障引起的，会造成重大的经济损失。
“当发生错误时，最后半天在海上的航行是必要的——为了解决问题，浪费了大量的能量。需要进行大量的实地研究，因为目前海上涡轮机的能量容量远远大于陆上涡轮机，但故障在于浪费了大量的能量。”
仅在过去4到5年中，人们才开始将机器学习应用于预测性维护。
该项目的基本思想是收集有关涡轮机状态的所有相关数据，将其发送到一个中央生态系统，并通过分析工具和机器学习，找出它们的含义。“挑战在于以一种能够充分理解的方式收集这些数据，从而产生结果，”Langmayr补充道在这个行业中，进行预测性维护已变得至关重要。例如，如果一阵风突然使风力叶片变形，我们可以控制能量，以避免涡轮电机的传动比过热。”这种类型的维护还可以让我们了解某些部件是否接近使用寿命，或者是否以及如何发生故障。
油气
几年来，预测性维护一直是石油和天然气行业的一个焦点。据评估,油气报告中的预测性维护根据GlobalData Thematic Research的报告，油价波动正推动越来越多的公司采用预测性维护技术，通过优化维护计划和提高生产率，帮助公司降低运营成本。
“仅在过去四到五年中，人们才开始将机器学习应用于预测性维护，”能源中小企业高级数字顾问Massimiliano Conti解释道。“石油和天然气行业已有100年的历史，因此需要一段时间才能真正衡量预测性维护的效益。”目前用于石油和天然气运营的设备和基础设施是几十年前建造的。这些机器基于当时可用的设计、材料和技术。这种过时的设备注定会出现故障，因此需要不断检查和监测。“从技术角度来看，”Conti继续说，“维护涉及旋转机械（压缩机、泵等），服务于原油开采、运输和精炼过程。当流体移动时，机器会发生故障，导致减速甚至停机。显然，这会对经济和环境造成影响。停止不按照既定协议停止的化工过程可能会导致CO失控2排放到大气中。”好用的买球外围app网站
即使在未来可能被可再生能源取代的行业，预测性维护等主动预防性方法也是更可靠、更安全的大型电厂管理方法。
