人工智能和机器学习的热潮下，如何提升以设备为中心的设备管理水平

发布时间: 2023年03月22日

标签: 行业干货

人工智能和机器学习将对设备维护和设备运营工程产生巨大影响。近期，ChatGPT风靡全球，由复杂的人工智能（AI）和机器学习（ML）算法驱动的技术现在可以挖掘出数TB的数据，创造出前所未有的原创内容。

几乎每个行业的专家都看到了这种潜力，人工智能现在可以写学术论文、通过医疗许可委员会考试、进行研究、并比人类更快地撰写法律简报。这种拥抱人工智能和机器学习技术（如ChatGPT）的呼声也传到了设备维护和设备运营工程领域。在这样的热潮下，企业如何如何提升以设备为中心的设备管理水平，以适应市场的快速变化？

当下利用AI和ML，设备管理团队可以完善基础设施建设，释放巨量数据的力量。设备维护管理团队现在可以获得比以往更多的物联网、ERP和技术数据。然而，这些数据并没有在不同的平台或团队之间共享，而是在不同的系统中被孤立和分割开来。这样的现状会导致整个企业的观点、优先事项和决策不一致。

进一步导致的问题可能是：如果没有正确的基础设施建设，这个数据孤岛问题将在未来迅速加剧。企业需要找到一个解决方案来解决这个爆炸性的、但又是孤立的数据问题，以挖掘人工智能和机器学习技术的力量和潜力。企业可以将那些低技能、低工资的技能自动化，并为员工提供机会，使他们能够提升到更好的工作--需要批判性思维和创造力的工作。这样，企业可以在可靠性、安全性和对设备资产关键性的理解方面取得更大的进步。

企业可以创建一个集中的数据生态系统，能够有效地收集和提取来自所有业务应用程序、传感器和PLC的数据。然后，能够迅速地将所有这些来自不同来源的数据标准化为一个共同数据模型。最后，能够将产生的设备资产数据加载到关键业务系统中，以支持实时业务决策。

针对目前市面上各类设备相关系统架构分散，存在数据孤岛的问题，PreMaint基于工业互联网、IoT、5G、AI等技术创新，采用软硬件一体化的思路，研制了一套快速感知、实时监测、超前预警、联动处置、智能维护和诊断的设备一体化解决方案，在实际应用中帮助企业实现设备一体化监控。

具体来说，基于AI和ML，PreMaint在设备管理领域，可以帮助实现以下场景：

1.协助选择和派遣技术员

人工智能应用将用于扫描待处理的工单，基于教育水平、培训经历、现有能力、现场可访问性、工单类型、设备及资产类型、位置和可用时间等业务规则，推荐出最合适的技术人员，以提高生产率并减少加班。

2.故障的诊断、备件推荐、维修知识推荐

人工智能应用程序将能够审查特定设备/资产类型的历史工单，基于大量的故障代码与问题描述、以及前期正常的检查结果，推荐出针对故障修复所需的备件、工具和对应技术人员技能/教育。它还能够推荐最相关的知识库内容，并将其附在工单上以协助维修。

3.平衡与改进保养计划

通过对设备/资产性能历史（如故障与可靠性数据）进行分析，AI应该能够建议出更加合理的计划维护周期及时间表，在保障设备正常运行同时，减少设备不必要的维护。

4.从预防性维护到预测性维护

随着物联网(IoT)更广泛的应用，设备资产运行状况可以得到更有效的监控。人工智能可以协助建立设备资产最佳运行时刻的 “档案”，并评估这些设备的运行能力随着时间和使用的劣化程度。基于大量故障与时间的统计关系，AI可以提醒设备工程师某个特定的部件将在特定的时间窗口内出现故障。

AI和ML的应用依赖于干净、可用、准确的设备/资产数据。这就是为什么在AI和ML的到来时，我们需要深入地关注设备/资产，因为设备的历史履历和整体性能指标信息，是AI分析必须的信息，PreMaint可以帮助企业实现这一目标。自主决策，推动数字化转型的业务，这一切都始于对设备资产的深入了解。AI和ML也将在设备维护服务未来的成功中发挥巨大作用。