Spotlight on the Industrial Internet of Things (IIoT)
 |
| 瀚錸科技代理「ForceShield」，採用革命性的「動態應用安全架構」 |
來源：
作為物聯網的一個子集，工業物聯網為營運技術（包括遠端管理和營運分析）增加了新的功能。
到目前為止，工業物聯網最大的價值，在於預測性維護，新型物聯網設備，收集了大量的生產數據，再透過機器學習和人工智慧分析，從而讓管理者更好地理解生產系統，是如何工作和維護的。
預測性維護是提前維護的最佳辦法，當分析到工業設備的組件可能出現故障時，設備管理者就可以預先維護，以便在進行維修之前可以對其進行更換或修理，從而避免更高成本的損壞和停機時間。預測性維護融合大數據、機器學習等多項技術，為人與機器互動交流提供了機會。
預測性維護的關鍵是什麼？
要預測出一套設備的可能性故障，除了從設備數據中整理出關鍵的指標，還要結合更多的歷史事件進行分析，最終形成一個與設備對應預測性維護模型。預測性維護的複雜性，在於這套基於機器學習的生產系統模型，必需隨著時間而改變。
以火車的維護為例，隨著火車零件的老化，它們對壓力的反應與新的時候不同。因此，維護計劃應該隨著時間的推移，進行調整，以考慮不斷變化的故障率，這些時間表可以使用機器學習輸出新的模型。
設備在全生命週期的不同階段，有著不同的表現，設備故障有一個「浴缸曲線」的說法，把設備壽命劃分為三個主要階段：早期故障率階段、穩定狀態階段和損耗階段。
通常機器在使用壽命開始時，會經常出現故障。但隨著時間的推移，會進入穩定期，維護過程會逐漸消失，故障更為罕見。而到了後期機器故障會率會飆升，最終報廢。
 |
| 浴缸曲線 |
汽車預測性維護的應用場景
汽車一般都會有一個OBD-II的系統，它是一個車載自動診斷系統。該系統主要用於監控發動機的運行，和排氣系統的工作狀態，一旦發現排放超標就會發出警示。
OBD-II系統會把故障訊息寫入儲存器，透過標準的診斷儀器可以讀取故障代碼，然後根據故障訊息逐一排除疑點，幫助維護人員，快速準確地找出故障源頭。
OBD-II系統會把故障訊息寫入儲存器，透過標準的診斷儀器可以讀取故障代碼，然後根據故障訊息逐一排除疑點，幫助維護人員，快速準確地找出故障源頭。
一家新創公司The Car Force希望利用這些數據，來幫助司機和製造商，實現預測性維護，他的做法是利用SIM卡，將汽車的診斷數據，發送回中央伺服器，現在的汽車可能收集，比航空飛機更多的自我診斷數據，這些數據一旦收集到伺服器，就可以用於分析。
 |
| 圖片來源：TheCarForce |
這種方案潛在的受益者眾多，能為4S店以及汽車製造商，帶來新的機會。在4S店使用案例中，維修師傅可以從他們服務的車輛，獲取即時維護數據，這樣既可以警告客戶，即將發生的問題，也可以將大型數據關聯在一起，以幫助預測未來的可靠性問題。
這是一個增值服務，因為4S店可以在機器問題之前，先一步做出動作，在意識到某客戶，可能會在特定的日子更換零組件，維修者可以進行計劃和安排採購，然後聯繫客戶預約維修。這樣不就會出現在機器問題時，要花大量時間在購買零組件上。
採集數據是預測性維護的基礎，只有收集充分的設備參數，才能讓人工智慧發揮出效果，TheCarForce的採集方案，為汽車預測性維護提供了更多的可能，隨著數據的不斷收集，和案例對比分析，維護者可以更準確、快速完成工作。
物聯網幫助農場獲得更高產出
在大面積的農場，不乏有各種拖拉機、收割機等農業機械設備，在密西西比河三角洲的一個20,000英畝的大型農場裡，種植著棉花、粒米、大豆、玉米和小麥，這個農場擁有20多台拖拉機和多台收割機、採棉機和噴霧機，這些設備都透過物聯網進行了連接。
農場負責人表示，他們需要採用物聯網技術，來跟蹤並查看機器狀態的發展，如果設備發生了什麼問題，他們就會馬上修復它，不允許出現停機時間。因為，他每天都靠天氣、土壤和時間，來獲得更好的產出，時間對於他們來說是十分寶貴的。
3月到10月都是農業的繁忙季節，這些時間內必需保證機器設備是可用的。這就需要從連接的機器，獲得的數據，進行高級分析，他們甚至會分析一些次要的警報，可能被視為對實際操作員「滋擾」警報，並用它們繪製關於可靠性和服務數據的模式和結論。
 |
| 圖片來源：John Deere |
例如，在發動機的前部安裝風扇，這會導致一個小的振動。系統會檢測到這個變化，併發送錯誤代碼。獲取更多的外部和內部數據，將可以分析出機器的所有可能事件。發現機器設備的初期故障跡象，及早做好防護和避免事情的發生，這比在故障發生後再處理，要節省掉很大的費用。
小結：
機器學習模式管理設備，將對一些重型工業領域產生重大影響，例如物流運輸、裝備製造、汽車等，這對於一些低利潤高資本的領域十分有價值。
因為設備的故障維修，不僅讓用戶支付昂貴的費用，停機可能使得企業失去更多創造產能的機會。預測性維護方案很好解決了裝備密集型產業的痛點，同時也開啓了一個巨大的增值服務市場。
因為設備的故障維修，不僅讓用戶支付昂貴的費用，停機可能使得企業失去更多創造產能的機會。預測性維護方案很好解決了裝備密集型產業的痛點，同時也開啓了一個巨大的增值服務市場。
人工智慧和機器學習算法的不斷進步，對於大數據的分析，將有很大的幫助。物聯網保證了設備數據的穩定獲取，這些數據將儲存到雲端，然後透過機器學習進行分析，給設備管理者提供最好的營運策略。隨著自動化設備的普及應用，預測性維護帶來的經濟價值將是巨大的。
沒有留言:
張貼留言