麥肯錫咨詢公司(McKinsey & Company)在今年 6 月份發布了一份報告——《人工智能：下一個數字前沿》(“Artificial Intelligence: The Next Digital Frontier”)，該報告呈現了人工智能“在未來”將如何促成從預防性維護到預測性維護這一轉變。這一觀點是絕對正確的，但是，這種預測性維護能力已經存在也是一個事實。我們不必等著它在未來到來，相反，我們需要現在就找到理想的實施方式。
數十年來，有關人工智能的潛力問題一直屬于熱議話題，但是現在，我們是時候放棄這種未來學家的思維模式，承認人工智能現在已經成為現實。
現在，我們正處于由工業 4.0 和數據科學引發的革命邊緣，這場革命將改變制造業的每一個領域，同時為管理者提供比以往更多的控制權。因此，問題不在于各位玩家能否搭上這股席卷各個行業的新浪潮，而在于他們是會占據領導地位還是僅僅排在隊伍之中。
工業 4.0 時代的需求
隨著工業 4.0 繼續推動數據科學的發展，在需要維護時能夠精確檢測并且發出信號的人工智能技術將進一步發展。與麥肯錫報告相反的地方在于，企業已經在利用數據驅動的洞察力來超越預防性維護層面。現在的企業不再是實行主觀的維護服務時間安排，也避免了隨之而來的不可避免的浪費、冗余和中斷現象，現在的維護是以一種更加動態的策略來進行。
企業經常會使用聯機數據來實時追蹤性能變量。當這些變量表明機器性能正在下降時，技術人員就能夠在機器資產出現故障并且早在需要關停一條生產線之前介入。只有在必要時，同時又趕在不可挽回之前進行維護。這是從制造業到石油和天然氣，再到制藥，到零售這各個領域的維護、維修和操作人員多年以來一直夢寐以求的一種能力。而現在，這種等待可以結束了。
通用電氣研發了一項技術，能夠讓企業對機器進行“數字雙胞胎”建模。“雙胞胎”的表現會被密切追蹤，以便檢測者能夠在該機器的整個生命周期深入了解它的狀態。如果出現問題，就能夠以前所未有的方式顯示出來。
對于麥肯錫發布的人工智能的未來仍需等待這一報告的追隨者來說，如果他們知道已經有 65 萬對這樣的“雙胞胎”在運作之中，那肯定會感到十分驚訝。電梯生產商迅達集團(Schindler)就是一家利用預測性維護技術的公司。通過在電梯中安裝傳感器，迅達能夠實現所有服務預約的必要性，同時提高電梯的整體安全性。
預測性維護的重要性
預測性維護的到來可能并不能代表一個令人興奮的新功能的產生，但它確實為整個行業和垂直行業的發展提供了可能性。下面，讓我們來看一下不同行業中一些需要利用預測性維護亟待解決的問題：
交通和公用事業：紐約州州長 Andrew Cuomo 宣布紐約城市交通管理局(Metropolitan Transportation Authority)已經處于緊急狀態，原因是由于預防性維護措施不到位，從而嚴重依賴緊急事件解決方案。不幸的是，這種公共財產失修狀態并非僅僅集中在某個季節、地域或者行業。整個美國的基礎設施，包括高速公路、橋梁和下水道都急需維修。并且，隨著基礎設施不斷老化，這種維護負擔也會不斷加劇。因此，提前了解應該何時對何地的基礎設施進行維護是非常必要的一件事，對于控制成本、避免災難來說都至關重要。
汽車制造商：車輛召回對于制造商而言非常耗費成本，對于消費者來說又相當危險，并且也相當令人厭煩。就在今年，通用汽車公司在美國召回了 69 萬輛卡車，在加拿大和其他國家召回了大約10 萬輛卡車。但是，如果汽車制造商在整個設計階段以及后續的產品推出階段都能利用數據和機器學習，那他們就可以早日發現那些需要注意的問題。
石油和天然氣生產商：美國的石油和天然氣運輸管道長達 250 萬英里，其中超過一半的管道是在 20 世紀 50 年代和 60 年代建造而成。隨著這些管道資源老化，故障規模和頻率只會不斷增加。因此，能夠提前預測，并做好相應的準備工作具有非常寶貴的價值。
航空公司：美國聯邦航空管理局每天要處理 43864 個航班。考慮到航空業的覆蓋范圍，維護機制過于龐大，同時也過于復雜，任何人或者是任何團隊都無法做到了然于心。因此，采用預測性維護策略就提供了一種更簡單、更安全并且更經濟的維護方法，能夠更好地為每個人的利益服務。
讓預測性維護成為現實
預測性維護在技術上是可行的，但更重要的是它在技術上也是可以采用的。企業不需要為了積極進行維護而對未經證實的技術進行大規模投資，他們只需要開始抓取、存儲和利用已經存在的數據即可。
他們要做的第一步就是將機器連接到可以實時跟蹤數據的傳感器，然后將這些數據輸入到具有存儲和處理大容量數據能力的網絡中。最后，應該采用直觀自動化方式來追蹤模式，鑒定異常。如果有需要注意的情況，那就安排技術人員執行糾正措施，來實現最大的投資回報率。
預測性維護能夠實現維護成本最小化，優化現場資源，減少保修索賠并且消除風險，對于企業來說是一項顯著的競爭優勢。而最好的消息是什么呢?現在就是之前所說的預測性維護的未來，你還在等什么呢?