人工智能正在为下一个水平进行预测维护 - 在微妙的线索上拾取以优化维护计划，识别故障并预测故障，在造成昂贵的停机或损坏之前。
预测维护通过监控机械的声音，振动和其他特征来收集洞察它的表现方式。现代机械经常有这些传感器内置，而外部传感器可以改装到旧设备，以提供连续的情况监控和按需诊断。
虽然“预测”维护有助于预测事件，充分利用这种洞察力需要将其与“规范”维护相结合。这一建议在ADIO OTOSENSE BU的ADI OTOSENSE BU在ADI公司的ADI OTOSENSE BU主任说，建议解决或避免预测的事件。
ADI OTOSENSE是一个AI驱动的传感解释平台，是一种可靠的解决方案，旨在使用各种机械和传感器。这延伸到监视环境噪声，以检测由板载传感器忽略的问题。例如，它可以分析声音，因为部件在装配线上配合在一起以检查故障，或者收听指示机器人手臂刷涂的微弱刮擦声音。
adi otosense不只是分析所有这些感官数据，它还利用人类专业知识来理解这一切。
“您可以在确切的操作环境中为任何特定设备培训我们的解决方案，但该培训不需要由数据科学家或其他专家执行。您可能有一个人在一台机器上工作的人，他们听到它，他们觉得它，他们确切地知道它在任何特定时刻做了什么 - 他们可以是一个培训系统的人，以确保他们的域名专业知识随着时间的推移不会丢失。“
随着监控设备已经在服务中，该技术还可以通过提高机械离开工厂之前提高质量保证测试来提高可靠性并减少停机时间。这可以在提高整体准确性的同时显着降低测试时间。
一旦机器处于现场，制造商可以为客户提供远程性能监控，以提高性能并减少停机时间。互利的安排也可以看到制造商利用该现实世界的性能数据，以改善产品设计。
展望未来，这种AI驱动的连续监测将授权更多制造商提供完整的“AS-Service”模型，在软件空间中已经与Microsoft Office 365等服务提供了共同点。
正如微软从销售单词和Excel向销售年度订阅的销售，那样，电机制造商可以超越简单地销售硬件，以提供扭矩 - AS-Service型号。
“这种类似的服务转型正在许多制造业，但如果你想可靠地提供这种服务，那么您需要确切地知道您的资产发生在现场的电机等资产。一旦制造商掌握了这种洞察力，他们就有能力完全恢复他们的商业模式，为未来做好准备。“
