利用移动、工业物联网开发预测性维护

能够在真正需要之前进行维修一直是工厂经理们的雄心壮志。对于管理大量复杂资产的组织来说，预测性维护实现了许多目标:减少停机时间，降低维护和更换成本，提高生产力，安全性，甚至提高可持续性和弹性。通过预测性维护，组织可以通过基于运营数据和分析的资产健康状况洞察的基于状态的维护来提高资产的可靠性，而不是常规的调度或反应性维修。

对于较大的组织来说，这说起来容易做起来难。一个发电厂、发电厂或炼油厂可能有成百上千的资产，从生产设备到安全设备，再到贯穿其设施的暖通空调系统。

然而，现在传感器、信标和摄像头可以监控所有这些资产，并且有了强大的混合云数字基础设施，你可以在任何地方访问所需的任何数据或软件。如今，人工智能可以分配整体资产健康评分，甚至帮助确定故障和停机的可能性。然而，如果这些见解仅限于在总部产生见解的数据科学家领域，那么它们的效用就会受到限制。当这些见解被该领域的技术人员理解时，它们可能已经无关紧要了。可能会有新的优先事项或更重要的故障。

为了从运营数据和分析中获得有用的见解，需要快速应用它们。只有在现场可以进行预测性维护时，才能实现这一点。毕竟，该领域的技术人员是我们所依赖的人保持电源畅通维修损坏的部件，保持公用事业、工厂和炼油厂的正常运行。特别是随着资产的复杂程度和复杂性的增长，技术人员需要能够将他们可能需要了解的有关资产的所有信息带到任何地方。简而言之，预测性维护需要移动性。

将预测性维护带到边缘

移动技术使预测性维护更具可操作性。当技术人员可以访问现场复杂的企业资产管理系统时，他们来回研究维修的时间就会减少。通过启用断开连接模式，组织可以让技术人员访问操作数据、调度优化、资产健康状况评分甚至指导维修。对于在该领域拥有资产的公司来说，这种能力甚至更为关键。

通过移动企业资产管理(EAM)，用户可以使技术人员能够阅读原理图、更新数据并执行检查，即使是在最偏远的位置。原生移动功能——比如轻触或用智能手机拍照——可以提高效率。实际上，每个人都知道如何使用智能手机。技术人员甚至可以使用语音转文本功能和GPS来更好地定位。

现场技术人员可以将强大的“工具包”随身携带，这可以更容易地管理资产的整体健康状况，从而实现更有弹性、更有利可图和更可持续的组织。

普及人工智能

在许多方面，针对技术人员的移动EAM技术的突破代表着人工智能走向更大民主化的重要一步。传统上，公司众多资产的大量数据输出需要数据专业知识来分析，需要基于人工智能的专业知识来构建模型，并了解模型是如何做出决策的。得益于一系列技术的发展，从使软件和数据能够在任何地方存储和运行的混合云，到5G提供的更强的连通性，人工智能的好处更容易实现。

在过去的几年里，未来的技术人员已经成为人们关注的焦点。由于人工智能的应用更加普及，技术人员现在可以用智能手机拍摄资产的照片，人工智能将识别并注释可能的故障。人工智能可以利用组织的运营数据，分析所有有损坏的类似部件，并帮助技术人员找出可能的问题。虚拟助手可以指导技术人员进行维修，并一步一步地完成任务。增强现实(AR)也可以用来连接技术人员和专家，让他们在第一时间完成正确的修复。技术人员甚至可以创建资产的数字双胞胎来研究它的来龙去脉。更好的是，他们可以在移动设备上执行所有这些任务。

移动革命的核心一直是易用性。从技术上讲，第一代智能手机的计算能力在政府的超级计算机和美国国家航空航天局(NASA)已经存在了几十年。智能手机之所以成为一种范式转变，是因为它将计算能力交到人们手中。

随着移动技术的进一步发展，人工智能等其他更先进的技术也变得更容易获得。通过将人工智能应用到员工手中，组织可以实现预测性维护，从而使组织整体上更健康、更有利可图。

乔·迪是IBM云和认知软件公司的产品管理、人工智能应用副总裁。IBM是CFE Media的内容合作伙伴。

原始内容可以在设备工程．

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。