今年是人工智能與實體經濟深度融合之年，其中預測性維護是重要應用領域，日前，預測性維護也被CB insight 評為2019年人工智能發展趨勢之一。

隨時監控預測故障

預測性維護就是利用大數據的算法來預測將來的設備故障。

在智慧工廠里，生產設備里的傳感器等隨時監控設備運行狀態，把實時運行數據傳輸到云上并進行分析，提前預知設備的異常狀態，從而最小化設備停機的可能。企業可以根據設備的預測使用壽命進行設備維護，而不是按計劃維護。對于工業設備來說，更高效的維護既可以增加設備壽命又可以降低維護成本，讓現場技術人員更高效地工作，減少安全隱患，避免昂貴的停機時間。如微軟Azure IoT平臺，就不斷豐富遠程設備監控、預測性維護、工廠聯網與可視化等功能。

預測性維護通過對重要資產如機床、重要機器儀表等設備的健康監測來實現。在聯想的PC生產基地合肥聯寶工廠(以下簡稱聯寶)，5G智能工廠生產線設備預測性維護解決方案提供了一個數字化工廠的樣本。聯想集團高級副總裁、數據中心業務高級副總裁童夫堯介紹，聯寶通過視覺AI技術完成了拍照、信息處理以及數據反饋，實現了工業機器人更精準的操作，同時通過快速識別潛在質量風險，及時預警，大幅降低了生產損耗。

聯想集團副總裁、聯想物聯科技兼聯想懂的通信CEO王帥從生產線透明化和機器學習兩方面詳細地介紹了生產線設備預測性維護的解決方案。

首先是通過數字化映射，實現生產線數據透明化。這不僅實現設備的數字化映射，還實現車間級別模型的物聯網信息數字化映射，在設備實時數據的基礎上，增加環境參數、車間信息、報警信息等實時參數，讓現實車間更加虛擬，讓虛擬空間更接近現實，真正實現生產線透明化。

其次是生產線的設備監控。生產管理人員可以通過3D智能工廠平臺，對生產線上的設備進行3D模型的監控，在線瀏覽整個生產設施情況及提供3D情境下數字化制造和生產信息，隨時隨地及時獲取生產、質量、訂單等各種信息，從而提高管理響應速度和透明度，促進各部門間的知識共享和協作，有利于智能工廠的多維信息傳遞。

最后是通過機器學習，實現設備預測性維護。通過先進的機器學習技術，對海量的設備數據進行分析，可以訓練出該類型設備的數據模型，并將該模型應用于設備狀態、健康壽命的預測中，實現從被動式的設備維護到主動式的預測性維護轉變。

智能技術貫穿生產全程

“對于工程機械產品，工作強度和工作環境是要經得起最嚴苛的考驗的。”徐工信息公司總經理張啟亮表示，“技術領先、用不毀”一直是徐工追求的目標，但是任何機械設備在其使用壽命期限內都會出現這樣那樣的故障和問題，如何能夠最大限度地提高設備的可靠性和工作效率，這讓徐工集團的漢云工業互聯網平臺有了展示身手的機會。

“利用先進的智能信息終端，將設備的位置信息，動力系統、液壓系統、控制系統的工作參數以5—30秒一條的速率上傳至平臺，結合設備所在地的天氣環境數據、工程相關數據，以及記錄在客戶服務系統中的業務數據，平臺為每一臺設備做了一幅數字畫像。”張啟亮表示，基于工業互聯網平臺的預測性維護系統，通過對海量數據的挖掘分析，可以對設備全生命周期的工作狀態進行分析和預測，可以得到不同零部件未來一個月的損壞可能性，通過排序，將可能性最大的部分零部件進行提前修理或更換，將設備故障防患于未然。這一項工作讓設備的故障率降低了一半以上。

在預測性維護系統之外，漢云工業互聯網平臺利用上百臺高性能服務器每天每夜對PB級的數據進行分析計算，可以追溯7年內每天的設備開工率、工作小時、油耗等統計數據，當某一地區的設備開工率在80%以上，每臺設備平均日工作時間大于10個小時，平臺就會自動將信息推送至市場營銷部門，制定地區銷售策略。同時，備件中心也早已依據漢云工業互聯網平臺推送的銷售量預測安排好了生產和庫存，這讓設備的維保周期縮短了60%以上，成本降低40%，預計將使徐工集團每年的后市場備件銷售額提升30%。