制造业作为现代社会的支柱产业，其景气程度一直都是宏观经济的重要指标之一，而生产的产能与效率又与工厂设备的运行状况息息相关。在智能制造与工业物联网的大时代背景下，也有越来越多的人工智能初创企业加入到工业设备维护的赛道中。作为高新技术一直以来的试验田，制造业在当今社会中也多了不少新鲜活力用以保证生产设备的高效运行。然而，大多数厂商依然采用着事后维修的传统维护方案，使得一场完整的工业转型显得尤为迫切与重要。近年来，通过引入人工智能先进技术，设备维护得以“智能化”与“提前化“，大量产品如运维管理系统、智能传感器、相关SaaS和云数据平台在该领域被开发并且运用。本文将针对人工智能技术在该行业的现状与前景，以及具体案例进行分析和介绍。
作者
林子旸
一、人工智能技术在工业设备维护领域的应用状况
从年到年，工业设备服务市场将以5.9%的复合年度增长率进行高速增长，并将在年达到亿美元的市场规模，而亚太地区将会在此区间内做出最大的增长贡献。而工业物联网作为工业设备维护中的关键技术，其将逐步深入到制造业与工业生产中，而设备运维效能的提升便是这其中的关键任务。据预测，全球工业物联市场将从年的亿美元增长到年的亿美元，年复合增长率达到了37%。
二、工业设备维护领域所涉及的主要人工智能技术
物联网技术：是指将任何物品与互联网相连接，并以此进行通讯的技术。在工业设备维护领域主要用于将设备与云端数据库和管理平台相连接并做到实时监控，是运行监测平台的核心技术。
计算机视觉：是指机器模拟人类视觉对目标和场景进行识别、跟踪和测量与图像分析的技术，主要被运用在故障识别与运行监测中，在工业设备维护领域作用至关重要。
大数据技术：是指包括数据采集、预处理、图像化与数据库搭建等基础技术的综合性技术体系，是本领域中应用范围最广的技术，能有效地让传统工业设备监测及维护做到智能化与数字化。
机器学习：是指通过分析所输入数据的规律来进行预测的算法。目前主要被运用在运行状况分析模型以及预测性维护解决方案之中，利用在云端数据库中利用智能传感器获取的设备运行数据进行设备故障的分析和预测设备故障。
深度学习：是指通过构建多层神经网络来进行更高效率的学习与训练的技术，通过结合大数据技术，主要运用于人工智能维修辅助系统以及故障诊断中。
云计算：为分布式计算的一种，可以在联网云端进行高效率、高容量的数据处理，并配合其他云端服务。云计算作为一种人工智能基础设施，与其他技术相结合在工业设备维护领域运用广泛。
机器人技术：是指编程、制造、维护及运用能自动执行特定任务的机器装置的技术。运用了该技术的自动化设备通常可以结合如机器学习、计算机视觉等技术完成精准操作及故障监测。
三、人工智能技术在工业设备维护领域的应用分布
其他周边场景：工业设备的类型丰富、种类繁多，本报告主要针对工厂内生产设备的维护案例，因此不会包括人工智能技术在其他工业设备如电梯、建筑及交通建设工程设备等的维护中的应用。
四、人工智能应用工业设备维护领域落地案例简述
耕云物联：开发了在云端构建的物联网软件平台“设备健康云”，可利用机器学习及大数据技术进行工业设备的智能维护，功能主要为实时运行监测以及故障预测和诊断。其主要产品有数据采集系统、云端数据平台以及App。
硕橙科技：主营产品为“机器听诊大师”平台与“橙盒”噪声收集器，可利用机器学习模型分析设备运行时产生的噪声来识别设备的运行状态以及各部分的健康状况，能够监控生产环节的设备运作，并作出故障预判。
精益卫士：提供一站式数字化的工业设备运维与管理解决方案，其中植入了“人工智能维修辅助系统（AIEMAS）”。该系统可通过分析历史故障及维修数据以及调用专家知识库来提取故障原因并进行分析，从而给予维修人员以专业指导。
联想联宝科技智慧工厂：利用机器学习对设备的运行数据进行分析，并为各个设备训练出不同的数据模型，再依靠该模型对设备的健康状态及寿命进行预测，以达到预测性维护的作用。
阿里云ET工业大脑解决方案：利用ET工业大脑，阿里云开发了设备故障诊断及数字运维两套解决方案，前者需依靠人力向系统发送检测状况，而后者则可通过智能传感器实时监测，并达到预测性维护的作用。
因联科技：提供包括智能传感器和相关硬件、云计算及软件平台在内的整套设备智能运维解决方案，具体功能包括提前发现设备早起故障并进行诊断，以及合理配置设备的维修窗口期。
UPTAKE：提供“AssetIO”工业设备智能运维软件平台，该平台集合了大量工业逻辑数据，可允许用户自主导入设备历史运行数据，并由系统生成最优化的维护方案，做到在故障发生以前先行维护。
五、人工智能技术在工业设备维护领域的局限性
设备更替成本：为了能够让硬件标准达到能够支持以上先进技术来完成数字化和智能化转型，一些传统行业的老旧工厂可能会面临大规模的设备更替以及生产线的重新设计，对企业在短时内带来较大的财政压力。
全面人才匮乏：同时拥有行业背景与智能技术背景的人才是稀缺资源。若工厂希望部署AI辅助系统以及数字化和智能化的运维等应用，其技术培训成本将不可避免。
适用性限制：尽管目前已有不少相关产品，但这些产品还尚未达到成熟期，缺少必要的优化与改进流程。同时，制造业产品类别繁杂，同一智能技术或许并不适用于落地场景以外的产线。因此对于中小型工厂来说，能否真正高效地运用这些产品、解决方案和服务还是一个未知数。
六、人工智能技术在工业设备维护领域的发展趋势
设备维护自动化：在该领域里，当下人工智能的运用还普遍停留在预测、监控方面，当设备出现故障后，仍需人力来进行维修工作。但可以窥见，若设备本身具备了自动修复程序性或机理性故障的功能，将进一步地节省运维过程中的人力与物力。
运维过程无人化：自然语言处理与机器人技术目前已在各大行业有了广泛应用，但在该领域中还存在较大的空白。通过现有的技术条件开发出具有沟通能力和精确维修能力的工业机器人，能够进一步达到设备运维的“无人化”。
监测管理高效化：随着5G技术落地进程不断加快，其在工业物联网的运用也将得到大幅增强，这其中可以包括基于5G+物联网的设备数字化管理、运行监测和故障诊断等，势必将进一步提高工业设备维护的效率。
*本文为「智周」系列报告「核心版」，相应「深度版」的推出计划将在后续公布，敬请大家
联系电话：