文章轉載來源《物聯(lián)之家網》

物聯(lián)網催生了一系列維護物理資產的新方法。從工廠車間的機器，到建筑物能源系統(tǒng)的元件，再到車輛，無數(shù)套件現(xiàn)在都配備了連網傳感器。

這些幾乎可以測量任何東西，從溫度、特定功能的執(zhí)行次數(shù)、耗材水平到關鍵性能指標——然后這些數(shù)據(jù)可用于提供比以往任何時候都更主動、更智能的維護方法。反過來，組織會在問題升級之前解決小問題，在最有效的時間規(guī)劃維護，并延長其最復雜和最昂貴物理資產的使用壽命。

但是，這種數(shù)據(jù)驅動的維護方法不止一種。在這篇文章中，我們來看看兩種關鍵維護類型之間的區(qū)別——預測性和規(guī)范性。

這兩種形式的維護都是主動的而不是被動的。也就是說，它們不是在發(fā)現(xiàn)故障后才進行維護，而是專注于預測潛在的故障。

什么是預測性維護？

預測性維護在工業(yè)和制造環(huán)境中變得越來越普遍。它側重于確定實物資產何時真正需要維護——可能是因為性能開始略有下降，或者是因為已經執(zhí)行了一定數(shù)量的任務。如上所述，這是通過支持物聯(lián)網的設備來實現(xiàn)的，這些設備實時工作，提供有關機器狀況的最新信息。

因此，預測性維護依賴于持續(xù)或定期監(jiān)測這些條件，并將這些信息傳輸?shù)郊蟹治銎脚_。反過來，該平臺會建議進行維護的最佳時間。如前所述，這意味著可以為機器和更廣泛的操作安排最佳的維護時間，從而大大節(jié)約成本。

什么是規(guī)范性維護？

規(guī)范性維護通過引入額外的自動化層使預測性維護更進一步。不是簡單地監(jiān)測機器的狀況并提供關于何時以及如何進行維護的建議，規(guī)范性維護旨在使機器本身能夠就維護步驟做出自己的決定。

因此，這需要人工智能 (AI) 和機器學習 (ML) 技術，它們不斷從維護建議中學習并改進。例如，一臺機器可能會建議降低當前的生產力，以便將時間延長到下一次所需的維護活動。機器學習調整其操作條件以獲得最佳結果，并在需要時智能地精確規(guī)劃維護。隨著時間推移，機器會收集更多數(shù)據(jù)，因此其建議也會有所改進。

與預測性維護一樣，這需要實時數(shù)據(jù)收集，但也需要能夠比較整個環(huán)境中的不同機器。由于規(guī)范性維護通過隨著時間推移分析數(shù)據(jù)而得到改進，因此您為系統(tǒng)“提供”的數(shù)據(jù)越多越好。

在實踐中，所有這些意味著規(guī)范性維護提供了比預測性維護更主動的方法。預測性維護可預測何時可能發(fā)生故障，以便您提前安排維護，而規(guī)范性維護旨在幫助您完全避免所有類型的故障。

隨著物聯(lián)網、人工智能和機器學習技術的速度和先進性不斷提高，智能化、自動化和前瞻性維護的機會也將大大增加。（作者：Al Sisto ；編譯：iothome）