首页 理论教育预测性维护:提升设备安全,利用工业大数据和人工智能

预测性维护:提升设备安全,利用工业大数据和人工智能

【摘要】:预测性维护是工业大数据和人工智能方面的一个重要的应用场景,它针对设备、设施的故障和失效,由被动故障维护到定期检修再到主动预防最终到事先预测和综合规划管理的演进中,不断提升、发展。其安全意义是降低由设备的故障或突发故障所带来的难以估算的安全隐患。

当前,新一轮科技革命和产业变革孕育兴起,大数据的积聚、理论算法的革新、计算能力的提升及网络设施的演进,驱动人工智能发展进入新阶段——AI2.0。各国纷纷制定了发展人工智能国家战略,美国白宫于2016年推动成立了机器学习与人工智能分委会,并发布了以人工智能为主题的3份报告;日本在其“日本振兴战略”的修订中提出要推动“机器人驱动的新工业革命”,要成为机器人超级大国;英国发布的《机器人技术和人工智能》报告中,重点阐述了如何规范机器人技术与人工智能系统的发展;中国2017年在《新一代人工智能发展规划》中对2030年我国人工智能发展的总体思路、战略目标和主要任务、保障措施进行系统的规划和部署。人工智能正加快与经济社会各领域渗透融合,带动技术进步、推动产业升级、助力经济转型、促进社会进步

随着工业大数据技术的发展,人工智能在工业领域的应用渗透到产品全生命周期的各个阶段。预测性维护是工业大数据和人工智能方面的一个重要的应用场景,它针对设备、设施的故障和失效,由被动故障维护到定期检修(人工巡检)再到主动预防最终到事先预测和综合规划管理的演进中,不断提升、发展。其经济意义是降低设备的故障率及停机时间、提高设备利用率,保证设备持续使用,避免意外停工,提高企业生产效率;同时减少维修费用及设备整个生命周期成本,消除在不必要的维护上所花费的时间和资源,对设备进行适时小修,减少大修、突发故障所带来的巨大维修费用。其安全意义是降低由设备的故障或突发故障所带来的难以估算的安全隐患。从市场角度看则是为客户提供了增值服务。

本章以国家及上海制定的人工智能产业发展相关规划为导向,立足于人工智能在工业领域的应用实践,梳理了维护理论的发展历程,重点对预测性维护的概念、架构、流程以及技术体系进行了阐释,介绍了几种典型的预测模型,最后给出了预测性维护的几个经典应用案例。