麥肯錫(McKinsey)的“人工智能：下一個數(shù)字前線”報告指出，人工智能(AI)將實現(xiàn)預(yù)測性維護(Predictive Maintenance)，而事實上目前這已經(jīng)不再只是空談。

工業(yè)4.0持續(xù)推動數(shù)據(jù)科學(xué)的發(fā)展，人工智能已經(jīng)可以偵測機器何時需要維修

據(jù)Venture Beat報導(dǎo)，工業(yè)4.0持續(xù)推動數(shù)據(jù)科學(xué)的發(fā)展，人工智能已經(jīng)可以偵測機器何時需要維修;連網(wǎng)的機器產(chǎn)生的數(shù)據(jù)，可以實時追蹤其變化，當(dāng)數(shù)據(jù)顯示機器的績效出現(xiàn)下滑，維修人員會在機器真正故障前進行維修，先一步關(guān)閉生產(chǎn)線。

GE(General Electric)開發(fā)出“數(shù)字仿真”(Digital Twins)技術(shù)來監(jiān)控真正機器的狀態(tài)。當(dāng)出現(xiàn)問題時，可以模擬出現(xiàn)場的狀態(tài)，這是過去作不到的。這些運作中的“復(fù)制替身”，目前已經(jīng)達到65萬個。

電梯公司Schindler也利用預(yù)測性維護，在電梯中安裝了許多傳感器，能夠了解何時必須進行維修，并強化電梯的整體安全。

在許多領(lǐng)域中，預(yù)防性維護是很重要的。舉例來說，紐約州宣布其交通局正面臨緊急狀態(tài)，只要原因在于預(yù)防性維護不足。許多基礎(chǔ)設(shè)施，包括高速公路、橋梁和下水道等基礎(chǔ)設(shè)施已經(jīng)老化，因此必須了解哪里需要維修、何時需要維修，才能控制成本、避免災(zāi)難發(fā)生。

另外，汽車制造商如果在設(shè)計時間與量產(chǎn)過程中能透過機器學(xué)習(xí)來發(fā)現(xiàn)問題，可以大量減少汽車因設(shè)計瑕疵必須召回而產(chǎn)生的成本。聯(lián)邦航空管理局(FAA)每天處理4.3萬個航班，航空業(yè)面臨的維修需求非常龐大，預(yù)防性維護提供更簡單、更安全、更經(jīng)濟的維護方法。

在操作上，第一步就是必須讓機器配備傳感器，以實時追蹤數(shù)據(jù)。這些數(shù)據(jù)透過網(wǎng)絡(luò)，進行大量儲存與處理。最后，透過自動化來找出固定模式，并發(fā)覺異常狀況。如果需要時，技術(shù)人員就會出動解決問題，藉此達到最高的投資報酬率。