18、边缘人工智能在预测性维护中的应用

边缘人工智能在预测性维护中的应用

1. 边缘人工智能与预测性维护概述

边缘人工智能（Edge AI）可用于任何粒度和可扩展性水平的应用程序。边缘计算与人工智能这两种技术的融合，在智能制造的各个维度都展现出了巨大的应用前景。本文聚焦于将边缘人工智能应用于动态预测性维护，这是一种主动的故障预测策略，通过分析关键参数来预警设备故障，确保设备平稳运行。

1.1 预测性维护的定义与优势

预测性维护（PdM）是一种主动的维护技术，它能在系统或设备进入故障模式之前，预测安排维护活动的时间。这种策略不仅适用于所有行业领域，还可应用于医疗保健、加工、食品、石油和天然气等行业。全球预测性维护市场预计到2025年复合年增长率（CAGR）将增长37.9%。企业部署预测性维护解决方案可获得以下好处：
- 减少设备停机时间
- 分析故障原因
- 降低维修成本
- 减少维护成本
- 规划维护计划
- 避免意外停机
- 临时修复
- 保持稳定性能
- 平衡维护活动中熟练劳动力的有限可用性
- 促进非侵入式测试
- 降低运营成本
- 增加有效生产时间

1.2 预测性维护的起源与发展

预测性维护被视为智能制造的变革者。尽管初始部署和培训成本较高，但其带来的好处远超这些障碍。预测性维护基于状态监测，即持续监测系统或设备的关键参数以评估其效能。常见的监测参数包括噪音、振动、流体流量、液位、温度、油位、腐蚀、电力等。传感技术成本的下降极大地拓展了状态监测的范围。

工业或工厂维护旨在提高系统的可靠性，增加生产时间。它通过定期功能检查、设备