預測性維護使用傳感器、網關和管理系統來預測制造、石油和天然氣以及食品加工行業何時會發生設備故障。

預測性維護徹底改變了傳統的基于條件的設備維護，但物聯網和機器學習可以進一步提高工人的生產率和安全性。

物聯網通過預測性維護的監控和維護工業設備，減少硬件故障的可能性。

在傳感器可用且價格降低之前，維護團隊通常完成基于條件的維護。團隊將對關鍵設備進行物理檢查，或依靠壓力計等基本技術來確定情況。預測性維護早期依賴于優秀實踐、行業平均值或等待設備中斷以確定何時執行維護。

許多組織已經 預測性維護系統是不可或缺的一部分 他們的業務戰略。預測性維護技術（如機器學習模型）的進步可能會刺激進一步的投資。

盡管COVID-19大流行導致變化，使各組織不得不減少業務和人員編制預算，但預測性維護方面的總體支出預計將隨著數年的增長而增加。到 2022 年，Gartner 預測基于 IoT 的預測維護支出將從 2018 年的 34 億美元增加至 129 億美元。

組織需要哪些基于 IoT 的預測性維護？

IT 管理員可以部署 IoT 傳感器進行預測性維護，以監控機械指標（如振動、泄漏和燃油水平），以檢測設備是否充分發揮其潛力。使用沖擊脈沖監測和紅外的傳感器有助于及早發現火災和有毒空氣污染。

IoT 傳感器連接到支持多種連接方法的網關，包括有線、Wi-Fi、蜂窩和低功耗廣域網。這些網關從設備收集數據并將其發送到云管理系統，如 Microsoft Azure、IBM 云和 RackWare 混合云平臺。

在云中，組織可以使用高級分析功能來檢查信息的財富。這一流程提供的情報可以減少設備故障，為員工創建更安全的工作環境。 計算機化維護管理系統 軟件（有時稱為企業資產管理軟件）也可以使用此數據為企業提供集中式工作請求、自動資產跟蹤和報告。

工程師仍必須探索預測性維護公式，尤其是在機器學習領域。AI 技術更進一步地推進預測性維護，并基于分析見解，規定在問題發生之前解決問題的潛在操作。

例如，計算機軟件初創公司 Augury 籌集了資金，以擴大其用于無線傳感器的預測性維護產品，這些傳感器可記錄電機、壓縮機和泵的振動、溫度和磁力指標。組織可以使用這些傳感器將數據上傳到云軟件，這 報告機器的健康狀況。

基于物聯網的預測性維護適用于各種行業

許多組織已經使用或考慮跨大型和小型工作現場實施預測性維護硬件和軟件。受益于預測性維護興起的行業包括石油和天然氣行業、食品和飲料行業、制造公司、IT 服務和能源行業。

IoT 是隨著預測性維護的出現而成長起來的，這是一種監控和維護工業設備的方法，用于降低硬件故障的可能性。

石油和天然氣公司一直走在使用預測性維護的組織的前沿。例如，殼牌石油使用來自C3.ai和 Microsoft Azure 云軟件的技術來預測壓縮機和閥門何時需要維護。硬件和軟件都可以監控引導鉆頭穿過頁巖礦床的設備。

化工廠在一些地方，如 如諾克斯維爾， 田納西州， 或埃森， 德國，安裝傳感器以縮短維修時間。在這些工廠中，用于維護的工具通常創建隔離和未連接的數據孤島。借助基于 IoT 的預測性維護，持續向云傳輸數據可使工作人員更準確地識別工作條件和錯誤。

食品加工業是預測性維護的又一主要采用者。組織使用傳感器，例如檢測機械內部高溫的紅外攝像機;聲學監測，以根化設備內的液體、氣體或真空泄漏;和振動或油分析，以確保設備的可靠性，這是食品制造的必要條件。
責編AJX