自工业革命以来，保护司理一直在与设备毛病作斗争。或许您便是其中之一。尽管曩昔几代人的问题在今日依然很遍及，但工业4.0技能为经济高效、可扩展的处理方案带来了新的期望，使保护司理能够猜测问题，并在问题导致方案外停机之前加以处理。
来自无线传感器、手持工具、监测和数据搜集(SCADA)系统等不断增加的情况监测数据流，再加上现代软件和剖析，正在为工厂车间变革奠定基础。今日，猜测性保护能让保护司理实时监测财物情况数据，以防毛病产生。
但是，即将到来的人工智能和机器学习技能有望带来更大的互联可靠性年代。曩昔，数据搜集和数据剖析是两个天壤之别的流程。尽管数据搜集具有可扩展性，但专家履行剖析的成本和有限的可用性，使得有用掩盖仅适用于一小部分要害财物。未来，传感器和软件不仅能够在机器毛病产生之前进行猜测，而且还能够帮助团队确诊问题并引荐处理方案。这种做法被称为规范性保护。
机器学习与商业智能
如今，许多保护司理已经在使用商业智能(BI)技能来支撑剖析和改善决议方案。商业智能包含可视化工具，能够更容易地使用现有数据，关于许多保护安排来说，这是一种很有吸引力的办法，由于他们的公司已经在使用BI工具，而且系统能够相对用户友爱。
尽管商业智能工具和技能关于搜集、可视化和剖析数据很有用，但依然需求人类专家来履行剖析，这约束了掩盖的广度和深度。结合机器学习(ML)技能，经过依靠算法而不是人类专家来履行剖析，处理了BI办法的可扩展性约束。这些算法能够经过多种办法开发，包含无监督学习技能，这些技能极大地扩展了能够剖析的场景以及猜测的准确性和精确度。
在当今的保护国际中，使用机器学习意味着首先要确认有助于猜测设备毛病的正确数据集。只要这样，才有可能创立一个可重复的机器学习流程，以捕获、剖析、确诊和处理事务问题。
处理大数据
有无数可用的数据源供给与剖析财物健康情况和实现猜测性保护相关的信息。与以往相比，更多的团队正在处理来自更多来源的更多数据。通常，团队的现有数据不合适机器学习工作，团队不应该简略地测验使其数据合适。
幸运的是，现在有许多公司正在开发先进的情况监测传感器，能够帮助安排开端这一旅程。凭借当今先进的情况监测传感器，团队能够进行全天候丈量，然后清楚地了解财物健康情况和性能，而无需花费额定的人力。振动传感器和其他情况监测装置使团队能够轻松快速地对财物进行毛病排除。来自无线情况监测传感器的丈量成果能够自动发送到云端，然后削减错误和手动操作的需求。
机器学习怎么改变财物可靠性
振动传感器是新情况监测项目的常见起点，但其他可能性包含超声波、油剖析、热成像和电机测验。了解财物怎么产生毛病（其主要毛病形式）能够告诉您需求调查哪些指标，然后知道哪种丈量办法最合适该财物。
经过机器学习，财物在人们需求参加之前就能够搜集、剖析和确诊数据。工程师在系统分配工单之前验证确诊。完结维修后，技能人员能够输入他们的发现，而该算法能够从其接纳的输入和验证中学习。
但是，该怎么做呢？
机器学习入门
与其推出一个全安排规划的机器学习方案，不如从小处着手，并逐渐扩展规划，这样更有可能取得成功。以下是一些通用过程，将使任何人获益，无论他们的起点怎么：
1、完结财物要害性剖析：按重要性层次对财物健康和保护进行优先级排序，为团队供给要点和方向。依据每项财物在特定安排中的用途对其进行评级，包含毛病时的事务影响。财物要害性剖析能够深入了解哪些财物是情况监测的主要重视方针。
2、规划试点项目：从上面确认的一小组财物开端。确认最常见的毛病形式和恰当的情况监测技能来检测它们。您将需求一个可持续的、可重复的数据搜集流程。确认合适您需求、规划和预算的情况监测传感器和策略。确认您的模型创立办法，选项包含参加数据科学资源、将开发外包给第三方或选用现成的处理方案。
3、树立结构和评价规范：创立一个工程剖析结构，使您能够测验财物确诊的准确性，并树立对处理方案的信心。评价可能需求哪些过程才能将此验证归入您安排的规范流程和工作流程中。
界说试点成功的规范。这能够包含试点的持续时间、掩盖的财物数量、正确辨认的毛病数量、错误确诊毛病的阈值、遗失毛病的阈值等。
4、发动试点阶段：成功试点的时间表会有很大差异。它取决于部署情况监测技能的交付周期、数据搜集的频率、仪表化财物的数量、方针毛病形式的频率以及许多其他因素。一个清晰的项目时间表和商定的里程碑关于坚持安排中的支撑以使试点工作顺利完结至关重要。确保在整个试点过程中进行开放式交流，以便您的团队了解最终方针和实现方针的进展。
5、与利益相关方一起检查成果：一旦您有了试点项目的数据，而且您的团队拥有了一些经历，那么您就能够为进一步的扩展方案供给理由。与您的团队一起，回忆成功案例和改善时机，并确认改善设置的办法。
6、推出更大的方案：回到您的财物要害性剖析，以确认怎么扩展您的情况监测方案。您能够在一个设备内或多个设备之间扩展您的方案，详细取决于您安排的需求和优先级。
财物办理的未来
关于安排来说，了解不断改变的保护和可靠性态势至关重要。认识到包含机器学习在内的新兴工具和技能的优点，是安排在快速改变的年代生存和发展的要害。
