如今，工程師們越來越意識到，預(yù)測性維護(hù)現(xiàn)在幾乎是人工智能 （AI） 技術(shù)的專有領(lǐng)域，他們首先需要學(xué)習(xí)機(jī)器學(xué)習(xí) （ML） 和神經(jīng)網(wǎng)絡(luò)技能來實(shí)現(xiàn)此類應(yīng)用程序。MathWorks 高級產(chǎn)品營銷經(jīng)理 Aditya Baru 表示，工程師仍然可以部署預(yù)測性維護(hù)，而無需學(xué)習(xí)新的 AI 和 ML 技能。

在最近與EDN的一次談話中，Baru 概述了實(shí)施預(yù)測性維護(hù)的四個(gè)基本步驟，并補(bǔ)充說每個(gè)步驟都有專門的工具可用。

圖 1. 基本的預(yù)測性維護(hù)工作流程包括四個(gè)基本步驟。

1.數(shù)據(jù)處理

對于不是數(shù)據(jù)科學(xué)家或沒有機(jī)器學(xué)習(xí)背景的工程師來說，查看由傳感器和工業(yè)設(shè)備（如風(fēng)力渦輪機(jī)、發(fā)電機(jī)、泵和電機(jī)）生成的大量數(shù)據(jù)并不容易。工程師處理的數(shù)據(jù)主要是原始數(shù)據(jù)；它又臟又臟。

勘探作業(yè)中的噴氣發(fā)動機(jī)或油泵每天可以輕松創(chuàng)建 1TB 的數(shù)據(jù)；現(xiàn)在想象一下在 TB 的數(shù)據(jù)中尋找故障條件。那么，工程師能做什么呢？“工程師可以查看大量傳入的數(shù)據(jù)，找出原始數(shù)據(jù)中是否有任何變化，識別任何系統(tǒng)退化，并確定系統(tǒng)出現(xiàn)異常行為的原因，”Baru 說。

例如，在石油勘探泵中，工程師可以查看原始數(shù)據(jù)的一件事是對持續(xù)旋轉(zhuǎn)的泵進(jìn)行光譜分析。因此，他們可以識別故障出現(xiàn)的頻率。“雖然工程師已經(jīng)了解這臺機(jī)器，但他們現(xiàn)在要做的是確定最有效的方法?！?/p>

圖 2. 工程師可以通過跟蹤電機(jī)摩擦的變化來檢測泵中的泄漏和堵塞。

這將我們帶到第二個(gè)基本步驟，條件指標(biāo)，一種數(shù)據(jù)縮減方法。

2.狀態(tài)指標(biāo)

如果工程師有 100 個(gè)時(shí)間序列數(shù)據(jù)樣本，他應(yīng)該設(shè)法將其減少到一個(gè)數(shù)字，而這個(gè)數(shù)字必須捕獲這 100 個(gè)樣本中的所有相關(guān)信息。“我們的想法是你獲取一個(gè)巨大的數(shù)據(jù)集并將其減少為更少的特征?！?/p>

Baru 提到了最近的一個(gè)項(xiàng)目，在該項(xiàng)目中，MathWorks 與戴姆勒梅賽德斯合作開發(fā)了一個(gè)異常檢測應(yīng)用程序，該應(yīng)用程序分析大量時(shí)間序列數(shù)據(jù)并確定生產(chǎn)線是否存在異常情況。在這里，MathWorks 工具將大量數(shù)據(jù)減少為一組較小的特征（例如模式和時(shí)間延遲），從而將數(shù)據(jù)處理減少了 250 倍。

圖 3. 工程師可以從原始傳感器數(shù)據(jù)中提取特征，并使用基于時(shí)間和頻率的技術(shù)創(chuàng)建條件指標(biāo)。資料來源：數(shù)學(xué)工作

現(xiàn)在工程師正在研究較少數(shù)量的條件指標(biāo)，他們可以根據(jù)這些條件指標(biāo)構(gòu)建預(yù)測模型。

3.預(yù)測模型

使用代表整個(gè)大型數(shù)據(jù)集并捕獲獨(dú)特信息的小得多的數(shù)據(jù)集，工程師可以使用合適的工具來創(chuàng)建預(yù)測學(xué)習(xí)模型，而無需學(xué)習(xí) AI 和 ML 技能集。

各種模型（例如時(shí)間序列模型、統(tǒng)計(jì)模型和基于概率的模型）同樣適用于構(gòu)建預(yù)測模型?！坝泻芏嘤糜跇?gòu)建預(yù)測模型的傳統(tǒng)工程技術(shù)，”Baru 說。

圖 4. Predictive Maintenance Toolbox使工程師能夠估計(jì)剩余使用壽命 （RUL） 并提供與預(yù)測相關(guān)的置信區(qū)間。資料來源：MathWorks

工程師還可以將工具重新用于稍微不同的應(yīng)用程序。Baru 提到了 Safran，這是一家航空航天公司，它使用信號調(diào)理技術(shù)來預(yù)測系統(tǒng)何時(shí)可能出現(xiàn)故障。這項(xiàng)工作是在MATLAB中完成的，這是一個(gè)用于算法開發(fā)、數(shù)據(jù)分析、可視化和數(shù)值計(jì)算的編程環(huán)境。

4.算法部署

第四步可能是最重要的：在生產(chǎn)環(huán)境中為預(yù)測模型部署算法。工程師可以通過多種方式部署算法。這包括本地嵌入機(jī)器的預(yù)測模型、作為本地服務(wù)器在本地運(yùn)行的小型計(jì)算機(jī)，或者在連接可行時(shí)將數(shù)據(jù)流式傳輸?shù)皆品?wù)。

在這個(gè)四步工作流程中實(shí)施的預(yù)測性維護(hù)允許工程師部署維護(hù)服務(wù)，以保證機(jī)器在 90% 的時(shí)間內(nèi)保持運(yùn)行。并且可以使用工具來有效地管理所有這四個(gè)基本步驟。

審核編輯：郭婷