【智能制造】离苦得乐－从被动到预测

【智能制造】离苦得乐－从被动到预测

如果讲，制造和管理如果依然采用当下固有的传统生产方式，将会导致失败，估计大多数人会认同。科技以人为本，改变生活，创造未来，应该也是可以被大多数人接受的。戈培尔的名言，“谎言重复一千遍就是真理”虽被鄙视，批判，但其影响一直延续到今天，给人类带来的危害不亚于当年。

科技将迅速改变企业行为和管理的想法，应该也算一个夸张的宣传。从被动反应的维护，到预防性维护，再到预测性维护，这一演化的过程就是相当的漫长，而不是一触即发的。

演化为何如此艰难？

利用可编程逻辑控制器（PLCs）、分散控制系统（DCSs），以及20世纪80年代末到90年代的数字通信系统与状态检修（CBM）的结合，打开了向预测性维护转变的通道。

过去15到20年开始应用统计分析工具，基本实现了以可靠性为中心的维修（RCM）模式。目前结合启用工业物联网（IIoT）设备的建设基础以及快速转向云数据存储和工业大数据分析将形成一种全新的制造模式，我们称之为智能连接资产。

所有这些发展进步的速度都相当缓慢。原因不仅在于成本收益比太低，更为主要的一个原因是投资正确与否很难得到证明。这与全球以及地区性的制造业文化和哲学有很大的关系。

大肆宣传往往会掩盖市场现实以及很多事实。从单纯的被动维护，转变为预测性维护，是一个悠长而又缓慢的变革。不过，数字化发展，物联网，以及自我感知的配置，让我们已经上路了。

融合跨界的人才，也就是我们传统意义讲的复合型人才是一直存在的长期问题。从制造行业来看，分析难以进行，主要原因之一就是，由于很少人能够深刻理解统计方法以及领域的专业知识。如今由供应商开发的分析引擎，用来解决与客户数据相关的工业大数据问题，以及大多数供应商数据科学家激增的问题，这种分析引擎使分析障碍成了颇具争议的问题点。

本质上，我们已经面临着一个转折点。智能便携设备的发展大大促进了工业物联网(IIoT)、云计算、软件定义、大数据以及智能分析的融合。移动性的实现已经创造了推动未来三年转变的完美风暴。所以，到2020年，不仅仅是无人驾驶汽车有可能成为司空见惯的现象，但是，由智能连接资产驱动的新型维护的制造业一定会出现。

预测性分析将促进预测性维护

正如分析科学从对历史数据进行的事后分析，发展成为事件的实时数据分析，继而成为预测性分析。这种分析上的进化步骤被称为规范性分析。分析工具不仅能够预测可能发生的事情，还可以提供“假设”分析，以提供可以改变结果的方案，这是一种源于技术堆栈本身的维护行为。

未来的规范性维护活动最准确的定义一定是通过智能连接资产与工业物联网数据分析后得出的。传统的统计方法或分析工具的使用和处理会转变成为业务定义最优，帮助管理者做好资源配置工作。

你将不再需要一系列专家来告诉你如何以及什么时候要进行资产维护，因为资产无法实现自我修复时，将会自己告诉你它们需要什么。这一转变不仅将彻底改变该行业，也代表着当今许多企业模式面临的威胁。