特性工业4.0与智能制造
智能工厂和预测性维护的兴起

2018年12月3日—智能工厂正在迅速成为制造业的未来，为投资它们的人提供了一个新的效率和生产率水平。

工业4.0与日益复杂的分析技术相结合，在推动智能工厂运动中发挥着巨大作用。

制造业主管和工程师不再把工厂看作是作为一条或多条独立生产线的一部分运行的大量机器。相反，他们看到的是一个由活动部件组成的相互连接的网络，它更类似于一个有生命和呼吸的有机体，可以进行微调以优化性能。

大数据、预测、人工智能(AI)和云技术等新技术确保了那些管理和维护制造环境的人能够领先一步，主动管理这些环境，而投资水平相对较低。

这个反应机制的新时代具有广阔的潜力，使所有利益攸关方之间能够有更高水平的沟通和透明度，从而产生更高的收益。企业所有者可以预测和管理他们的机器的故障，并且，随着对服务化的新呼吁，供应商可以最小化他们的维护成本。

预测性维护的兴起

几十年来，状态监控和预测性维护对少数人来说是现实，对大多数人来说是梦想。收集和分析足够的数据以推动有形结果的成本和复杂性限制了国防和航空航天部门的预测性维护。然而，工业4.0的崛起，即生产资产连接到互联网并能够通信，结合人工智能和高级分析，为更广泛的行业和用例打开了预测性维护的世界。

直到最近，收集为调节监视活动提供信息所需的数据一直是一个艰苦的手工过程，需要专家的专门知识。越来越多的自感应机器记录自己的重要统计数据，并将其转发到互联网上进行分析，以及用智能传感器对旧资产进行类似改造的能力，使数据能够以相对较低的成本从潜在的数千台机器中提取。

智能工厂的概念完全依赖于工业4.0实现的连通性。能够感知和交流的机器可以提供大量有价值的数据。然而，如果要将这些数据转化为对制造商具有可操作性的见解，就需要对这些数据进行过滤和分析。

就像收集机器数据一样，从历史上看，这种分析是一项高度手工的工作，需要昂贵的数据科学家团队。然而，最近，一些组织开发了智能软件，将这一活动自动化，创建了一种定制的算法来识别问题，最重要的是，发现表明机器未来是否以及何时会出现故障的迹象。这种预测方法允许工程师在计划停机期间进行准确的维护活动，并在问题影响生产之前解决问题。

定制算法很重要，因为机器输出的条件数据——即使是两个相同型号和型号的机器——就像人类指纹一样独特。人工智能在这里承担重任，微调每个算法的性能，以最大化其准确性。

工业4.0是这一过程的重要组成部分。只有从机器上收集数据，自动化才有可能实现，但它也需要计算能力来分析这些数据。这种关键的分析是在互联网上的其他地方进行的，在云里，有资源为人工智能提供动力，并持续运行算法，不管机器位于哪里。

减少停机时间的好处

通过工业4.0，最近在状态监控和预测性维护方面的发展，极大地提高了工业机械的性能，同时使操作和维护任务更容易、更高效。

对任何制造环境来说，计划外停机的成本都是巨大的消耗。例如，在汽车行业，关键的机器每一分钟离线，工厂就会损失数万英镑。

在云计算中收集数据和连接服务已经推动了机器效率和效率的显著提高。这些技术的长期潜力尚未实现，但很明显，它将是真正的变革。

西蒙·坎帕博士是Senseye预测性维护解决方案提供商。