IIoT系列，第1部分:使用云和IIoT提高生产力的五种方法:你的问题已经回答了

4月18日，CFE媒体举办了网络直播“资产调节监测:利益最大化的最佳实践”爱默生，Epicor，有限公司,Oracle + Netsuite．Cambashi首席顾问Alan Griffiths;Mohamed (Mo) Abuali博士，IoTco创始人兼首席执行官，介绍了网络直播;存档的演示文稿可以在这里找到。网络直播的与会者就这个话题提出了更多的问题，在演示过程中无法回答;主持人在这里回答了这些问题:

问:您能否评论一下在维护管理方面使用数字双胞胎的增强现实(AR)技术的实现?

答:AR是实现和执行维护活动的一个很好的工具，特别是在启用物联网和预测分析信息流时。以航空航天原始设备制造商(OEM)为例:我们正在监测和预测其主轴和滚珠丝杠进给轴上的计算机数控(CNC)机器故障，并将产生的机器/部件健康状况和诊断数据发送到维护工程师佩戴的AR设备。通过在工厂行走期间观察机器，AR设备向用户显示实时机器健康状况、预测和诊断问题，使他们能够主动识别机器问题。在某些情况下，AR设备显示了维护工程师如何修理机器的工作指令，以实现时间轴和可靠的修复。

问:5G技术是真正有效的工业物联网的先决条件吗?

答:一般来说，连接是工业物联网的先决条件。分析和连接使工厂和产品更智能。5G将在未来实现更快的数据传输和边缘计算能力，这可能会加速工业物联网的实施和采用。目前，通过wifi、蓝牙或LORA(低频无线电)等新方法进行的有线和无线连接在制造环境中更为普遍。

问:什么用例证明边缘计算是合理的:只有低延迟或数据量或成本?

答:边缘计算和分析不仅对于数据量或成本问题至关重要，而且对于多工厂多位置环境中物联网的整体可扩展性也至关重要。Edge允许人工智能和机器学习算法在工业PC或物联网设备中处理大数据，将数据的体积和维度降低为更可用和可转移的元数据，如特征和健康状况，可以发送到云端或服务器位置。在许多情况下，例如，可能不需要保留大量振动数据。随着计算能力的不断增长以及cpu和内存成本的降低，在边缘进行分析和计算使得物联网应用程序的可扩展性具有成本效益。

问:是否有一个适用于HVAC设备(鼓风机、电机、执行器、控制器、传感器等)的预测分析模板?

答:预测分析模板不仅包括机器人和cnc等制造资产，还扩展到HVAC、压缩机和冷水机组等辅助设备。有些模板是侵入式的，因为您需要向流程添加振动等传感器，而其他模板是非侵入式的，因为您可以利用现有的控制器数据，如电流、电压和温度。在HVAC设备的情况下，许多预测分析模板是非侵入式的。对于一家大型汽车OEM，我们使用来自HVAC机组的电流/电压浪涌数据来监控和预测设备的故障，而无需向设备添加任何额外的传感器。

问:对于工厂或现场，你推荐哪种无监督的培训?

答:有许多无监督学习技术，其中只有基线数据可用。例如，对于许多没有历史数据的新机器，无监督分析模型允许用户构建基线并对数据进行趋势分析，以监控偏离基线的偏差和漂移。一旦过程中发生故障，预测分析解决方案将人工智能自我学习故障特征并在未来进行诊断，在这种情况下，这将成为一种监督学习方法。

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。