工业 4.0 最有趣的用途是预测
工业 4.0 和物联网（或工业物联网，如果您愿意）是如此密切相关，我们不妨互换使用这些术语。似乎每天都有一些关于物联网的新闻，以及它将如何改变一切——联网汽车、联网人，甚至联网洗衣机。然而，如果没有真正的用例，这些连接并不意味着很多——是的，你的冰箱现在可以与你的手机通话，但这回答了一个没人问的问题，解决了一个没人关心的问题（尽管我准备在 5 年后吃掉我的话，那时我们都在最热门的基于冰箱的社交网络上分享我们的冰箱统计数据）。
作为一个行业，制造业有一些非常明确的问题——客户需要快速、低成本和高质量的商品。如果由于计划外停机而无法满足这些要求，后果将是昂贵的。使用物联网技术解决这些问题更容易；例如，使用 RFID 标签更好地跟踪供应有助于减少供应链延迟并提高质量。但这不是 真正的 有趣 .
随着数据存储变得便宜，带宽不断增加，传感设备的成本稳步下降，而它们的能力也在提高（能够直接推送到云端，一次能够感知不止一件事等），做除了基本分析之外，具有机器数据的智能事物越来越可行。
如果一家制造企业没有在需要的时候生产，那么它就没有实现其目的——它没有赚钱。通过将诊断和预测技术应用于机器数据，您可以揭示机器当前的性能（诊断）以及它们未来的性能——它们是否能够在需要时进行生产（预测）？正如我们之前提到的，规范的、基于日历的维护是一种不必要地花钱的好方法——预测性维护是省钱的明智方法。
预测——预测机器何时停止执行其预期功能的科学是预测性维护的直接推动因素。由正确的应用程序处理的机器数据可以告诉您机器何时会出现故障，这样您就可以提前维护它们并避免停机、让您的客户失望和花费超出您应有的费用来保持机器运行.这种关于机器何时发生故障的知识被计算为剩余使用寿命 (RUL)。
通过准确预测 RUL，维护人员能够更好地确定哪些机器需要维护以及在什么时间范围内进行维护；显着降低机器故障的风险并避免昂贵的过度维护。将其视为有助于提高维护者效率的另一种工具。
传统上，提供 RUL 的预测模型很难计算，需要有才华的数据科学家在定制的基础上有效实施。这种方法的高成本损害了广泛采用。值得庆幸的是，随着先进机器学习和廉价云计算的出现，预测变得更容易获得，而预测性维护反过来也实现了可扩展性。
安全性、合规性、集成性、流程意识和改进都是工业 4.0 支持的重要内容。然而，如果没有有效的机器、提供可靠的吞吐量和最短的停机时间——所有这些都通过预测实现。
告诉我更多！
想了解更多关于预测和 Sesnseye（我们易于使用的预测性维护产品）的信息吗？在此处预订演示和讨论：
设备保养维修