预测性维护使用传感器，网关和管理系统来预测何时在制造，石油和天然气以及食品加工行业发生设备故障。预测性维护已完全改变了传统的基于状态的设备维护，但是物联网和机器学习可以进一步提高工人的生产率和安全性。物联网通过预测性维护来监视和维护工业设备，从而降低了硬件故障的可能性。维护团队通常在传感器可用和价格下降之前完成基于状态的维护。该小组将对关键设备进行物理检查，或依靠压力计等基本技术来确定情况。早期的预测性维护取决于最佳实践，行业平均水平或等待设备中断才能确定何时进行维护。许多组织将预测性维护系统作为其业务策略的组成部分。预测性维护技术（例如机器学习模型）的进步可能会刺激进一步的投资。尽管COVID-19大流行引起了许多变化，迫使组织减少了业务和人员预算，但预计这些年来的总体维护支出将会增加。 Gartner预测，到2022年，基于物联网的预测性维护支出将从2018年的34亿美元增加到129亿美元。组织需要进行哪些基于IoT的预测性维护？ IT管理员可以部署IoT传感器进行预测性维护，以监视机械指标（例如振动，泄漏和燃料水平），以检测设备是否已充分发挥其潜力。冲击脉冲监测和红外传感器的使用有助于及早发现火灾和有毒空气污染。物联网传感器连接到支持多种连接方法的网关，包括有线，Wi-Fi，蜂窝和低功耗广域网。这些网关从设备收集数据，并将其发送到云管理系统，例如Microsoft Azure，IBM Cloud和RackWare混合云平台。在云中，组织可以使用高级分析来检查大量信息。此过程提供的情报可以减少设备故障并为员工创造更安全的工作环境。计算机化的维护管理系统软件（有时称为企业资产管理软件）也可以使用此数据为企业提供集中的工作请求，自动资产跟踪和报告。工程师仍然必须探索预测性维护公式，尤其是在机器学习领域。人工智能技术进一步推进了预测性维护，并基于分析见解，规定了在问题发生之前解决问题的潜在措施。例如，计算机软件初创公司Augury筹集了资金，用于无线传感器的预测维护产品，该产品可以记录电动机，压缩机和泵的振动，温度和磁指示。组织可以使用这些传感器将数据上传到云软件，该软件报告机器的运行状况。基于物联网的预测性维护适用于各个行业。许多组织已经使用或考虑在大型和小型工作场所实施预测性维护硬件和软件。受益于预测性维护的兴起的行业包括石油和天然气行业，食品和饮料行业，制造公司，IT服务以及能源行业。物联网是随着预测性维护的出现而发展起来的，预测性维护是一种监视和维护工业设备以减少硬件故障可能性的方法。石油和天然气公司一直处于使用预测性维护的组织的最前沿。例如，壳牌石油公司使用C3.ai和Microsoft Azure云软件中的技术来预测压缩机和阀门何时需要维护。硬件和软件都可以监视引导钻头穿过页岩沉积物的设备。在某些地方的化工厂，例如田纳西州的诺克斯维尔或德国的埃森，安装了传感器以缩短维护时间。在这些工厂中，用于维护的工具通常会创建隔离的和断开连接的数据岛。借助基于物联网的预测性维护，将数据连续传输到云中，使工作人员可以更准确地识别工作条件和错误。食品加工业是预测性维护的另一个主要采用者。组织使用诸如红外热像仪之类的传感器来检测机械内部的高温。声学监测设备中的根部液体，气体或真空泄漏；振动或油液分析以确保设备可靠性，这是食品制造的必要条件。负责编辑AJX