本博客文章是物聯(lián)網(wǎng)(IoT)對(duì)社會(huì)影響系列的第四部分，該系列共分為五部分。

經(jīng)常有人問(wèn)我物聯(lián)網(wǎng)的價(jià)值，有時(shí)候直接問(wèn)，但經(jīng)常是間接地問(wèn)，例如：“海量數(shù)據(jù)如何創(chuàng)造價(jià)值？”

下面這個(gè)例子介紹了工業(yè)環(huán)境中的電機(jī)以及物聯(lián)網(wǎng)創(chuàng)造一些實(shí)際價(jià)值的方法，可能有些是大家之前未考慮過(guò)的方法。

電機(jī)：工業(yè)生活的主力

此外，工廠也配備了許多電機(jī)，用于各種作業(yè)：起重、沖壓、泵送、抽吸或干燥，基本上是所有能夠通過(guò)運(yùn)動(dòng)完成的作業(yè)。電機(jī)是當(dāng)今工業(yè)的主力。它們還用于一些塵土彌漫、危險(xiǎn)或人力難以抵達(dá)的區(qū)域。簡(jiǎn)而言之，沒(méi)有電機(jī)就不存在什么現(xiàn)代工業(yè)生活。

維修、維修、維修

電機(jī)屬于機(jī)械裝置，所以偶爾發(fā)生故障也不足為奇。統(tǒng)計(jì)資料表明每年電機(jī)的故障率為 7%；通常情況下，每 14 年電機(jī)就會(huì)停止工作一次。大家可能會(huì)想，還不錯(cuò)。但是對(duì)于一家擁有上百臺(tái)電機(jī)的工廠來(lái)說(shuō)，這意味著差不多每個(gè)月都會(huì)有一臺(tái)電機(jī)發(fā)生故障。請(qǐng)記住，一臺(tái)電機(jī)發(fā)生故障有時(shí)候意味著整條生產(chǎn)線的故障，這種情況很快就會(huì)產(chǎn)生非常高的成本。考慮到現(xiàn)實(shí)因素，電機(jī)故障會(huì)的時(shí)機(jī)可能會(huì)非常不好，如剛好在必須交付重要訂單之前發(fā)生故障。

為減少意外停機(jī)時(shí)間，工廠通常都會(huì)雇傭維修人員。電機(jī)維修是其工作的重要部分，但也很昂貴。電機(jī)維修的方法有幾種：

預(yù)防性維修。根據(jù)預(yù)估的電機(jī)平均運(yùn)行時(shí)長(zhǎng)制定維修計(jì)劃。為了安全起見，以及避免電機(jī)徹底故障，通常會(huì)過(guò)早（偶爾會(huì)過(guò)晚）進(jìn)行維修，且可能替換運(yùn)行正常且仍處于良好狀態(tài)的零件。需要注意的是，這無(wú)法保證在維修后短時(shí)間內(nèi)不會(huì)出現(xiàn)新問(wèn)題。

“運(yùn)行直至故障”維修。該方法在機(jī)器停止運(yùn)行時(shí)才進(jìn)行維修。這通常會(huì)導(dǎo)致需要更換整個(gè)電機(jī)，因?yàn)樵诂F(xiàn)場(chǎng)修理故障電機(jī)并不容易。

根據(jù)狀態(tài)進(jìn)行維修。通常情況下，電機(jī)在出現(xiàn)故障前都會(huì)開始出現(xiàn)一些異常（如噪音、不平衡、運(yùn)行緩慢等）。在根據(jù)狀態(tài)進(jìn)行維修方法中，維修專家檢查每個(gè)電機(jī)，并使用適當(dāng)工具“聽”電機(jī)發(fā)出的聲音，就像醫(yī)生使用聽診器那樣。根據(jù)不同的環(huán)境，這可能是一個(gè)輕松的任務(wù)，也可能是一個(gè)困難甚至危險(xiǎn)的任務(wù)。當(dāng)然，維修專家不可能同時(shí)出現(xiàn)在所有地方。

盡管存在缺點(diǎn)，但預(yù)防性維修可能比“運(yùn)行直至故障”方法更好且更具成本效益——但根據(jù)狀態(tài)進(jìn)行維修可能是更好的選擇…尤其是用于物聯(lián)網(wǎng)時(shí)。

根據(jù)狀態(tài)進(jìn)行維修：人工智能和物聯(lián)網(wǎng)使其變得更具優(yōu)勢(shì)

利用物聯(lián)網(wǎng)，工廠車間的每一臺(tái)電機(jī)都配備一個(gè)或多個(gè)連接至（最好采用無(wú)線連接方式）控制數(shù)據(jù)庫(kù)的傳感器，而控制數(shù)據(jù)庫(kù)則連續(xù)不斷地收集電機(jī)相關(guān)數(shù)據(jù)。控制數(shù)據(jù)庫(kù)可利用人工智能 (AI) 學(xué)習(xí)每臺(tái)電機(jī)的正常運(yùn)行情況，且通常在經(jīng)過(guò)短期學(xué)習(xí)后，可在出現(xiàn)與正常運(yùn)行情況有偏差的情況下發(fā)出即時(shí)警報(bào)。換句話說(shuō)，整合了 AI 的物聯(lián)網(wǎng)不僅能夠發(fā)現(xiàn)即將出現(xiàn)的問(wèn)題，而且還能持續(xù)掃描問(wèn)題。

請(qǐng)記住，這種控制數(shù)據(jù)庫(kù)并不需要進(jìn)行編程。只需向其提供數(shù)據(jù)，該控制數(shù)據(jù)庫(kù)就能夠“自動(dòng)”學(xué)習(xí)區(qū)分正常運(yùn)行情況和例外情況。當(dāng)出現(xiàn)例外情況（即問(wèn)題）時(shí)，該控制數(shù)據(jù)庫(kù)就會(huì)發(fā)出即時(shí)警報(bào)，這在許多情況下可避免電機(jī)整體故障和更換。這種智能警報(bào)還可在開始出現(xiàn)問(wèn)題之時(shí)解決問(wèn)題，而不是進(jìn)行可能過(guò)早、過(guò)晚或完全錯(cuò)過(guò)即將出現(xiàn)的故障的日常維護(hù)。根據(jù)問(wèn)題和警報(bào)的嚴(yán)重性，我們甚至可以計(jì)劃好電機(jī)的停機(jī)時(shí)間，以最大限度地減少運(yùn)營(yíng)中斷的影響。

最后，這種基于傳感器的數(shù)據(jù)收集方法比任何人類可實(shí)現(xiàn)的方法更加精確和徹底。人的眼睛和耳朵無(wú)法發(fā)現(xiàn)任何特定電機(jī)的質(zhì)量緩慢下降，直至出現(xiàn)嚴(yán)重問(wèn)題或故障，但是物聯(lián)網(wǎng)甚至能夠注意到正常性能的長(zhǎng)期最小變化。

物聯(lián)網(wǎng)的真正價(jià)值：更快更好地制定決策

我們認(rèn)為我們生活在一個(gè)現(xiàn)代化世界，但實(shí)際上由于制定錯(cuò)誤決策和/或制定決策過(guò)于緩慢，我們浪費(fèi)了大量資源和金錢。物聯(lián)網(wǎng)可確保收集足夠數(shù)據(jù)，包括已經(jīng)存在但從未捕獲到的高性價(jià)比數(shù)據(jù)。而且我們能夠不斷輕松地捕獲大量此類數(shù)據(jù)。利用 AI，我們能夠從數(shù)據(jù)中獲得信息，以便更快更好地制定決策。

回到最初的問(wèn)題，物聯(lián)網(wǎng)能夠帶來(lái)什么價(jià)值？它使人們能夠更快更好地制定決策。

有沒(méi)有看過(guò)物聯(lián)網(wǎng)系列的其他博文？閱讀所有博文：

第1部分：勞動(dòng)與就業(yè)

第2部分：隱私與安全

第3部分：能效

第4部分：電機(jī)（本博文）

第5部分：體育與健康

審核編輯黃昊宇