特征工业4.0与智能制造
联系行业如何帮助您预测和防止失败

2017年4月7日——有句话说，历史会重演。失败也是如此。尽管已经进入21世纪17年了，但产品召回、工厂故障或其他可避免的事故年年重复发生并夺走生命的故事并不少见。尽管世界各地的科技都在进步，但这些事件仍然是日常生活的一部分。

在2016年，这也没有什么不同。三星被有问题的盖乐世Note7困扰，导致全球召回;安全气囊制造商高田公司在美国因缺陷产品导致11人死亡后，引发了全球恐慌，日本航空公司全日空(ANA)因引擎缺陷被迫停飞所有梦想客机。这样的例子不胜枚举。

但它真的不一定。技术进步已经足够远，可以看到具有预测和预测的能力的机器，而且当事情出错时。人工智能（AI）的发展，机器学习，物联网（物联网）和数据科学意味着人类不再需要依靠他们的同事来点发现危险 - 技术可以为我们做到这一点。这只是在第一次采用这些过程和技术的问题。

事实就是这样
这可能听起来像一个管道，但这不是。根据麦肯锡的报告，预测维护 - 使用AI和机器学习防止未来事件的术语 - 可以将全球企业每年令人难以置信的6.3亿美元，到2025年。

这是因为，装备了人工智能的制造机器和成品，可以将认知方法应用到预测性维护中，从以往的结果中学习。制造汽车、飞机甚至建筑物等过程将从机器的更高水平的数据分析中获益。

电机行业分析师IHS汽车预测将在我们的道路上有超过1.5亿辆车在我们的道路上延伸到2020年。汽车功能和售后设备的合并开发可能导致世界上几亿辆长达五年后的汽车。这种惊人的数字将导致数量的数据，使其成为人类无法检测，隔离和预测事件。

据保守估计，一辆普通汽车每天将产生高达30tb的数据。这些数据是有关车辆健康状况的宝贵信息，包括如何驾驶、何时驾驶和在何处驾驶;它所受的驾驶风格和偏好，以及更多。

只有适当的分析可以揭示有意义的连接，趋势和模式，可以帮助提供更好的驾驶员体验并提高车辆质量和可靠性。这导致更强大的竞争地位和新的收入机会。

它是如何工作的?
这个看似极其复杂的过程其实并非如此。具有预测性维护能力的机器通过内置传感器监测结果，并在数据科学的帮助下解释这些信息，以便预测何时会发生故障。这些警告可以在严重问题出现之前很久就传达给人机界面监控器(HMIs)。物联网的强大功能使机器能够快速、轻松地与合适的人进行通信，从而采取正确的行动。

机器学习和AI的组合意味着高级机器可以每天24小时监控所有重要内置传感器的数据。只有通过适当地采用这些重要的发展，企业在涉及事故，事故和召回时可以扭转他们的财富。

可能性是无限的
这不仅仅是工厂里的机器提前发出潜在危险的警告。预见性维护还可以帮助减少工厂的停机时间，全面提高生产率，为所有人节省时间和金钱。

事实这一事实是，通过组合遥测数据和预测性维护，制造商可以最大限度地提高他们所拥有的机器的寿命和有用性。通过组合传感器提供的数据 - 在产品，机器或车辆上 - 具有预测技术，可以使用该数据来捕获零件和功能的实时状态。通过采用数据科学，机器学习，AI和IOT更容易收获这些信息，可以用于改善安全性，并在甚至发生之前解决人类的高位人“抬头”，解决未来的问题。

Sundeep Sanghavi是DataRPM的联合创始人兼首席执行官，该公司是认知数据科学的行业先驱。他是一位颇有成就的企业家，也是一位数据迷，拥有20多年使用数据作为货币进行高级分析的经验。

此功能最初发表于2017年3月/ 4月的制造自动化问题。