几年来，案例研究表明，预测性维护为各种规模的制造商带来了最大的效益。这并不令人惊讶，因为添加一些额外的传感器和访问预测性维护软件(其中大部分是基于云的，可以每月或每年购买)可以非常快速地洞察设备健康状况，以帮助避免意外停机并改善定期维护活动。
节省下来的钱直接体现在公司的底线上，为这些新的传感器和软件技术的购买提供了快速的投资回报。
该图显示了新兴的预测维护技术(如智能传感器、专用软件和专用网关)在多大程度上推动了预测维护技术市场的收入。根据交互分析，术语“专用”用于描述旨在帮助电机驱动应用的预测性维护的产品;这里不包括更多通用分析软件。
了解智能传感器
考虑到智能传感器在这个不断增长的预测性维护市场中发挥的关键作用，这有助于理解它们与传统工业传感器的区别。根据互动分析公司的高级分析师布莱克·格里芬的说法，”大多数智能传感器利用电容式MEMS(微电子机械系统)技术来读取数据。这些传感器被放置在设备上，以收集各种数据点，最常见的是振动和温度测量。然后，智能传感器将这些信息无线传输到数据采集器或网关。分析后，这些数据对于评估设备的健康状况特别有用，因为当设备出现故障时，振动和温度水平通常会增加。”
格里芬补充说，这些智能传感器最初主要用于消费电子产品。它们在消费技术中的广泛应用帮助供应商实现了“这些应用中的规模经济，使智能传感器概念(被适应)适用于工业应用。其结果是一种价格低廉的产品，允许用户经济有效地扩大其设施中监测的设备数量。”
 |
找出你的同行是如何使用的传感器技术和人工智能改善他们的运作。 |
由于智能传感器的无线通信能力，其低成本和易于实现，这使得工业公司可以轻松部署比传统有线传感器技术更多的传感器。这简化了从状态监测到预测性维护的过渡。
智能传感器如何实现预测性维护
预测性维护需要分析历史数据，以评估设备是否趋于故障。Griffin指出，分析软件提供商越来越多地使用机器学习(ML)算法，根据智能传感器产生的历史数据“增强对被测量应用程序的理解”。
Blake Griffin, Interact Analysis的高级分析师
虽然这些ML算法主要用于预测维护分析软件，但Griffin表示，Interact Analysis看到一些情况下，这些算法被嵌入到智能传感器中，以“在将数据传输到软件进行更深层次的分析之前确定哪些数据是相关的”。
Griffin预计这种在传感器上嵌入ML算法的趋势是传感器技术市场未来的重要趋势。
Griffin说:“自从智能传感器出现以来，ABB、西门子、WEG和Nidec等主要自动化供应商都发布了自己的版本。“我们预计这一趋势将继续下去，因为制造商迫切需要该产品，以便开始从工业物联网技术中产生切实的利益。”
|
来自Petasense的智能传感器示例。 |
