多年来，制作商一直在运用依据时刻的设备保护办法。他们曾经将设备的运用时刻作为方案保护程序的因素，设备越旧，需求执行的保护程序就越频频。但是，ARC参谋集团的研讨标明，在全球范围内，只要18%的设备因老化而呈现毛病，而82%的设备毛病是随机发作的。它证明了依据时刻的办法不具有本钱效益——不管实际需求与否，都要对设备进行保护。
为了避免无效的保护程序和随之而来的本钱，制作商能够利用工业物联网和数据科学。在本文中，我们将介绍依据物联网的猜测性保护怎么协助优化出产流程。
为什么是物联网？
你或许会想：如果有很好的数据采集与监视操控体系（SCADA）来支撑保护活动，为什么还要挑选物联网解决方案？让我们来看看。
猜测性保护需求具有处理很多数据和运转杂乱算法的才能，这在SCADA中是无法实现的。另一方面，依据物联网的解决方案答应在多台计算机上并行存储TB级数据并运转机器学习算法，以猜测潜在危险，并确认工业设备何时或许呈现毛病。
依据物联网的猜测性保护解决方案，有必要考虑周全的架构
让我们看看哪些组件能够支撑猜测性保护工作，以及它们是怎么相互协作的。以一个能够猜测工业电池运用寿命的示例为例。
依据物联网的猜测性保护体系架构
在进入技术细节之前，重要的是要确认决议电池寿命的要害变量。它们是温度、电压和放电。确认出变量后，电池将装备传感器，以搜集这些参数的数据并将其发送云中进行处理。
传感器数据不能直接发送到云端，而是经过网关。现场网关是过滤和预处理数据的物理设备。云网关保证安全的数据传输，并经过各种协议供给衔接，这答应衔接各种现场网关。
一旦传感器数据进入云，它就“着陆”在流数据处理器上。其意图是答应数据的接连流动，并快速有效地将数据流传输到数据存储器（数据湖）。
数据湖存储传感器搜集的数据。它仍然是原始的，所以它或许不精确、错误或包含不相关的内容。它表明为在相应时刻丈量的多组传感器读数。当需求数据来洞察电池的健康状况时，会将其加载到一个大数据仓库中。
大数据仓库存储清理后的结构化数据。它包含在特定时刻丈量的温度、电压和放电参数，以及关于电池类型、位置、充电日期等上下文信息。
一旦准备好数据，就用机器学习（ML）算法进行剖析。机器学习算法用于提示数据会集躲藏的相关性和检测反常数据形式。
树立猜测模型，并对其进行练习，然后用于确认电池是否发作自放电，并精确检测容量低于正常值的电池或估计电池的剩下运用寿命。用于猜测性保护工业电池的猜测模型依据以下两种办法树立：
▲分类办法：依据该办法树立的模型可辨认电池是否或许自放电，并显现电池容量是否低于正常值。
▲回归办法：该办法可供给电池运用寿命完毕前剩下天数/周期的信息。
猜测模型需求定期更新，例如每月更新一次，并测验其精确性。如果输出与预期不同，则对其进行修正、重新练习和再次测验，直到其按预期运转为止。
在进行机器学习之前，应该进行很多的探索性剖析。进行数据剖析以查找依赖联系并发现机器学习数据会集的形式和见地。此外，在探索性剖析阶段，评价各种技术假设，以协助挑选最适合的机器学习算法。
用户运用程序答应依据物联网的猜测性保护解决方案向用户提示潜在的电池毛病。
尽管与电池组无关，但猜测性保护体系架构仍是能够包含其他组件，例如执行器和操控运用程序。依据猜测结果，操控运用程序能够被设置为向设备的致动器发送指令，例如，如果发动机温度上升到临界点，操控运用程序能够发送指令将机器设置为冷却形式。此外，操控运用程序能够与保护体系集成在一起。
不同职业的猜测性保护
以上这些通用架构组件用于为各种职业构建猜测性保护解决方案。下面，我们列出了或许的猜测性保护运用，并供给现已施行猜测性保护解决方案的制作商示例。
▲离散制作
主要的离散制作商正在运用依据物联网的猜测性保护来监测比如铣床主轴的健康状况。这些主轴简单开裂，而且维修费用高昂。猜测性保护解决方案能够经过从衔接到主轴上的超声波和振荡传感器搜集数据来协助猜测潜在的损坏。剖析搜集到的数据有助于在主轴开裂之前辨认它们。
例如，沃尔沃集团布置了依据物联网的猜测保护解决方案，该解决方案可猜测主轴损坏、辨认旋转类设备的开裂和脱落，以及齿轮和电机的缺点。结果，他们经过削减多达70％的确诊时刻和20％以上的维修时刻来改进整体设备功率（OEE）。
▲流程制作
在流程制作中，纸浆加工和造纸公司利用物联网来监测造纸机的状态。例如，马斯特里赫特轧机（Maastricht Mill）为其压榨辊装备了温度和振荡传感器，并推出了依据云的猜测保护解决方案来猜测轴承和齿轮的磨损。
另一个例子是钢铁业。钢铁厂有多个炉子运用水冷板来操控温度。水冷板泄漏或许导致安全问题和出产损失。依据物联网的猜测性保护解决方案可协助检测反常并进行根本原因剖析，从而避免出产延误和设备毛病。
▲石油和天然气
石油和天然气公司尤其受益于猜测性保护解决方案。油气出产设备的物理检查要求工作人员进入危险环境以检查设备，而这在某些情况下是不可行的。依据物联网的猜测性保护答应石油和天然气公司辨认潜在毛病，并提高要害财物的油气产值。
例如，雪佛龙（Chevron）已转向物联网开发，推出了猜测性保护解决方案，可协助辨认管道腐蚀和损坏。该解决方案运用跨管道安装的传感器来丈量酸碱度、气态和CO2/H2S含量，以及管道的内径和厚度。该解决方案获取实时传感器数据，并将其传递给云进行评价、剖析和猜测。
美国能源部表明，对于石油和天然气公司而言，施行猜测性保护可将保护本钱削减30％，将毛病消除70％，并将停机时刻削减40％。
▲电力工业
发电厂有必要保证牢靠的电力供应，尤其是在需求高峰期。依据物联网的保护解决方案能够协助保证不间断的发电，并监测燃气/风力/蒸汽涡轮机旋转部件中不断演化的缺点。为此，涡轮机装备了振荡传感器。该传感器搜集的数据被传送到云中，并经过机器学习算法来确认每个涡轮机的性能。例如，佛罗里达电力与照明公司（Florida Power＆Light）已转向物联网开发，以布置猜测性保护解决方案，该解决方案可预算涡轮何时无效运转或行将发作毛病。
▲铁路
铁路公司选用依据物联网的猜测性保护，以保证铁路和机车车辆处于正常状态。例如，BNSF铁路公司布置了测力仪、视觉摄像头、红外和声音传感器，以辨认机车制动才能的缺点、车轮和轴承的过度磨损、铁轨弯道和直道行驶的损坏。传感器搜集的数据被传送到云中进行剖析，并经过机器学习算法来提示导致损坏的不健康数据形式。该解决方案有助于提高机车的安全性、牢靠性和速度，并削减由设备毛病引起的列车延误。
▲建筑业
在施工中，猜测性保护运用于监测重型机械的状态，例如挖掘机、推土机、装载机、升降机等。传感器能够衔接到机器上，以监测变速器和制动器温度、发动机转速、轮胎压力、燃油消耗量和其他值。例如，小松为他们的车队装备了压力、振荡和超声波传感器，这些传感器搜集影响性能的要害参数数据，并将其传输到云中。云辨认尾气后处理体系的潜在问题，以及旋转和静态组件的损坏。
总结
依据麦肯锡的报告，依据物联网的猜测性保护延长了设备的寿命，有助于消除多达30%的依据时刻的例行保护程序，并使设备停机时刻削减50%。但是，对于老练且牢靠的猜测性保护解决方案来说，以机器学习为重点的体系架构至关重要。
