使用人工智能进行预测维护、员工发展

　　【机床商务网栏目 科技动态】为什么一些实施工业4.0解决方案的尝试失败了?IBM Watson的产品管理副总裁Stephan Biller博士是通用电气(General Electric)和通用汽车(General Motors)的资深骨干，他说，当人们失去目标时，数字解决方案就会失败。这一理念推动了资产管理和设备监控工具的发展，使企业能够通过关注设备和操作设备的人，来减少设备的停机时间。
 

　　Biller博士认为，Maximo通过使用他所谓的“真正的AI”来区别于其他物联网(IoT)产品。Biller说:“真正的人工智能不会简单地去遵循一种算法。”“真正的人工智能学习。这意味着Maximo不会在其代码中简单地对if/then命令做出反应。相反，它会分析设备输入的数据，并预测可能发生故障的时间。
 

图片来源：IBM
 

　　首先，使用Maximo监控其设备的企业将在设备没有达到必要规格时收到警报。一旦一台设备修理好了，并且修理的信息被记录到系统中了，Maximo将跟踪设备在出现问题之前提供的数据。此外，它还将跟踪设备进行了哪些维修，以及之后设备如何工作，测量这些维修是否有效。
 

　　下一次设备接近它在故障前展示的状态时，系统会标记它进行预防性维护，并建议需要注意哪些设备的组件。随着时间的推移，Maximo可以识别不同的故障状态及其根源。然后，会安排维修请求，在需要时订购零件，并计算它们的交货时间，以配合要求。当维护人员进行维修并将其登录到系统中时，系统将接受他们的输入，以确定给定的流程是否能够处理给定的维护问题或设备故障。
 

　　此外，系统可以理解设备手册，并根据这些信息向维修人员提出建议。如果建议没有起到作用，可以让系统知道他的建议不起作用，系统会接受这个信息并提供不同的建议。根据Biller博士的说法，“团队与Maximo互动和使用的越多，就越能更好地保持设备正常工作。”这就是设备监控系统中人工智能和学习人工智能的价值。
 

　　虽然Maximo可以用作设备的监视系统，但它的作用不仅限于此。它可以提供直接协助，分配人员和执行任务。具体到安排什么维护需要执行，什么时候执行，安排谁来执行这些维修等等。
 

　　据了解，该系统还可以监控企业员工的工作进度。它通过经验和专业知识来识别技术人员，并为正确的工作推荐正确的技术人员。除此之外，该系统还能识别出哪些员工需要经验，并给他们分配任务，为他们提供有有价值的学习机会。“未来的技术人员将使用自动化来提高自己的能力。”
 

　　更高级的Maximo模块可以使用增强的AR，连接到本地技术人员和设备OEM的协助，实现了双向的视频通信。远程OEM技术可以突出设备的功能，并指导现场人员进行维修，消除了OEM维护请求时，带来的长时间等待。此外，人工智能系统也可以从中学习，从而进一步提高辅助设备维护的能力。按照Biller博士的说法，Maximo通常能够与大多数CNC机床中使用的传感器一起使用。如果一台机床有传感器跟踪电流、振动、正常运行时间和停机时间，系统就应该监测和分析出这台机床的性能。因为人工智能可以自己决定什么状态会导致机器故障，所以它通常可以使用任何可用的数据来完成这项任务。Biller博士还建议在首次实现系统时，从基本的Maximo软件开始。这就给了企业在实现更多功能之前，调整适应新程序的机会。
 

　　Biller博士说，当在工业环境中实施时，“失败的首要原因是未能改变文化。”他建议，在研究数字制造策略之前，企业家应该研究如何更好地改变做法。他认为，当企业家只对如何使用数据有模糊的想法的时候，就很难让车间员工参与到这一过程中去。如果员工不愿意配合，人工智能系统将很难更好地为设施服务，而人员将无法从其能力中获益。
 

　　“这就需要从工厂内部进行文化改造。”
 

　　(原标题：Using AI for Predictive Maintenance, Employee Development)