预测性维护是边缘计算与人工智能，在工业落地的最短路径？

有能力做预防性维护还不如更深一层做自我修复。设备故障哪有那么容易预防，比如电子厂的设备，成千上万个零件，上千上万条线，如何监控，有些芯片都是有程序的，很多布线是隐藏的，如何判断磨损，老化的位置。设备预防的核心是定期保养，很多企业都不太重视。预测性维护可能的方向是只在少数标准化行业，标准化设备上应用，而不是大范围的应用

(11) Lester：

预测性维护背后也需要物理模型的支持，而不是只寄希望于大数据分析。同时数据也是传感器数据和流程数据的结合才行，不然得到的结论也只是盲人摸象。

(12) 小石匠·老常@配电网：

设备安全问题一定是一个综合方案，不可能把维护方案中哪一个单独方案人为拔到脱离客观需求的高度。

互联网的一些奇才，对颠覆、横切或者弯道超车上瘾了，我们从1998年就开始搞设备安全和检修解决方案，深知状态检修或者预测检修的问题在哪里，哪有那么容易，要能解决问题，我们这些老鸟早就干了，还会有你们这些家伙横切的机会吗?

早在2010年，，我就跑到南方电网找专家去聊变压器的故障预测，我们还是懂一些故障模式的，结果人家专家告诉我，做几个大指标还是可以的，但是变压器的故障类型太多了，机理很复杂，故障模型无法提炼。

如今，工艺和工艺链条上设备电气复杂度越来越高、运转速度越来越高，故障模型太难搞了，没有故障模型，怎么做故障预测，难道还用过去的阈值判断吗?

当然，前年我就给原华能阳逻电厂出来的美女专家建议，通过统计的方式掌握设备的故障模型，表面看很像今天非常时髦的人工智能迭代学习。

问题是，同样的设备用在不同的工况环境，环境很复杂，有效性有多高，鬼知道?而且人工智能迭代学习属于实验科学，没有强约束的理论，很可能会出现这个月靠谱，下个月完全不靠谱的情况。企业安全是大事，到时候谁为安全承担责任呢?

尽管是实验科学，我最近一直在建议老板下决心要试试，拿我们的高压柜子做个实验。

(13) 彭国华-工业服务联盟：

对于少数装备如航空发动机、轨道交通第非计划停机必须控制在0%的范围的设备，预测性维修是必须的选择，但厂家老早就做了。对于非计划停机允许在5-10%的范围的设备，预测性维护只是一个选项，而且大多是一个非常不经济的选项，相比其它管理措施性价比很低，所以终端用户不积极。

(14) 柚子爷 Roger：

具备行业属性的服务商将有明显机会与优势，通用型服务商，按项目来服务的不但前期准备周期长，定制开发风险高，同时的确实会受到用户与设备商的两头挤压。

(15) 罗大魔王：

设备运行状态检测是需要在传感器领域深耕的，而国内物联网企业大多潜心于通信技术，再说如何建立设备状态的评估模型也是一个技术难点。

将这三块技术充分融合，孵化出成熟解决方案的成本不是一般中小企业可以承受的。再说传感器和评估模型的可复制性不高，做出来一个方案也只能在一个行业里面拓展。所以想要出现泛行业适用的预测性维护方案还需要多点耐心。

(16) SHOUT：

分析得很到位!采用传统的方法(传感器、专家模型)去做，难以解决成本高、难复制的问题而纯用IT的方法(物接入、机器学习)又出现预测不准、难以评估的问题，必须有一种突破的技术实现低成本、易复制、预测相对准确且可评估的系统，才有可能实现大量应用。目前有一些创新的模式在低调运行，期待爆发的一天!

(17) Andrew工业互联网的布道者：

08年，我把APM带回中国。那时候，中石化，中石油还在做RBI验证。一晃10年就这么过去了。

其实，设备预测性维修不是“万能的”。这几年被一群搞it的外行给炒烂了。

以石化企业为例，只有振动模型，才是机理级别的，其它如腐蚀，润滑等与理论结果相差甚远。

那么，是否可以透过大数据来确定失效原因呢?

呵呵，这就有意思了。

好的装置，进口设备可以。

为啥?

因为人家的设计中，就考虑了可靠性问题(design review)，有完整的可靠性实验数据(不是编出来的)，比如，对关键部位的应力分布，管线不同位置腐蚀速率的统计等等。

通过“数字化移交”，完整的把工艺，设备数据与工艺包统一，可视的交给业主。业主对工艺数据是可以信赖的。用这些数据可以拟合理论分布，再进行预测回归…

即便是这样，在很多场合，大多数情况下，由于施工偏差，进度要求，交付系统与原设计已经“不可同日而语”，业主又懒得做CA，找出bad actor，更不愿意做RCM。幻想着上个PI，IP21，让工程师的人脑代替昂贵的系统。

这些中国式的小聪明，害了中国企业的智能化进程。

(18) 慕明：

预测性维护，市场还是有的，不要想投机取巧，踏踏实实的做。

(19) 郭策：

大数据从成本到技术都不具可执行性，用传统的小数据检测建模，成本低，有几十年的运行和理论基础，更加实用。主要设备和主要辅助设备能预测到周或月的情况就有管理意义了。

做季度设备维修策划和月度备品备件采购计划，可以参考模型数据。

(20) 吴翼飞-上海誉正：

（编辑：PHP编程网 - 黄冈站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!