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？

时间与效果期望值之间的落差。“预测性”的本质是在有足够数据样本训练的基础上，对已知现象通过行业资深人员的理解与计算机专家间的碰撞，抽象出的数学计算模型。足够多的基础数据，过程中的人为干预，对模型的验证优化，都需建立在时间的基础上。若能理性对待期望值与实际效果间的差距，理性认知AI目前AI只是提升效率的工具，相信“杀手级”应用终极出现

(21) Anyway：

预测性维修的着眼点应该是人机交互过程中的互相影响，如飞行员，驾驶员，对人工操作的效能提供评价。其存在的依据除了原材料失效的可靠性理论外，尤其能根据预测对象的工作环境，识别出设备潜在的外部应力，如热应力，结构应力，润滑磨损等要素。同时，也为操作规程的优化提供量化数据支持。

应该站在预测对象的立场，谈预测方法方案的定制设计。通用的预测模型落地，需要考虑引入中间件或者插件技术做二次开发的可扩展接口…

预测维修一定是一个涵盖人机料法环测六要素，立足可靠性工程经验基础和常识的一个业务(谈不上专业或者具体技术)…

（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!