人工智能和機(jī)器學(xué)習(xí)幫助用戶從過(guò)程傳感器收集更復(fù)雜的數(shù)據(jù)，以獲得更深入的見解。

數(shù)據(jù)無(wú)處不在，但它們是從何而來(lái)？第一個(gè)現(xiàn)代傳感器始于1860年，當(dāng)時(shí)Wilhelm von Siemens使用了銅電阻器來(lái)測(cè)量溫度。根據(jù)這一想法，在1883年誕生了第一個(gè)恒溫器，這就是被普遍承認(rèn)的第一個(gè)人造傳感器。

從那時(shí)起，我們看到這種設(shè)備大量涌現(xiàn)，尤其是在制造過(guò)程的測(cè)量和控制領(lǐng)域。隨著傳感器被應(yīng)用于運(yùn)輸和消費(fèi)市場(chǎng)，傳感器的復(fù)雜程度及其定價(jià)發(fā)生了巨大變化。與此類似，它們?cè)跍y(cè)量和控制過(guò)程中的部署性質(zhì)也發(fā)生了變化，過(guò)去是在人為的計(jì)算或邏輯（如在比例、積分和導(dǎo)數(shù)（PID）控制）中對(duì)傳感器信號(hào)進(jìn)行相當(dāng)簡(jiǎn)單的組合。

在此之后，是支持仿真和過(guò)程優(yōu)化的計(jì)算機(jī)應(yīng)用程序。過(guò)去幾年里，在人工智能（AI）和機(jī)器學(xué)習(xí)（ML）的驅(qū)動(dòng)下，出現(xiàn)了具有高度技術(shù)能力的創(chuàng)新技術(shù)。其結(jié)果是在多個(gè)維度上對(duì)數(shù)據(jù)流進(jìn)行更為復(fù)雜的合并，以及用時(shí)間來(lái)學(xué)習(xí)行為模式，而不是用基于工程第一原理和統(tǒng)計(jì)的計(jì)算數(shù)字模型來(lái)估計(jì)行為。程序正在由機(jī)器編寫，而不是人類。

01

基于AI技術(shù)的過(guò)程傳感器

物聯(lián)網(wǎng)（IoT）的出現(xiàn)催生了互聯(lián)事物的巨大增長(zhǎng)。根據(jù)美國(guó)國(guó)家科學(xué)基金會(huì)（NSF）的數(shù)據(jù)，物聯(lián)網(wǎng)有望連接500億個(gè)智能設(shè)備和1萬(wàn)億個(gè)傳感器。其中，傳感器和AI/ML技術(shù)最廣為人知的應(yīng)用也許是在機(jī)動(dòng)車輛中，尤其是電動(dòng)汽車。例如，Tesla model 3 中的自動(dòng)駕駛系統(tǒng)配置了8個(gè)攝像頭，12個(gè)超聲波傳感器和前向雷達(dá)，以讀取車道線并檢測(cè)附近的汽車。

過(guò)程制造行業(yè)一直在開發(fā)這種基于AI和ML中的傳感器的新用途，以更好地測(cè)量資產(chǎn)和過(guò)程的狀況，包括從機(jī)器及其周邊設(shè)備傳感器上收集的數(shù)據(jù)流中學(xué)習(xí)它們的明確行為。它可以取代舊的技術(shù)，從而實(shí)現(xiàn)更簡(jiǎn)單、更快的部署，以及更高的準(zhǔn)確性和結(jié)果，而不需要高強(qiáng)度的工程技能。最好的應(yīng)用可以抽象數(shù)據(jù)科學(xué)，使工廠的普通工人在不需要大量學(xué)習(xí)的情況下就能實(shí)施復(fù)雜的策略。

從單點(diǎn)測(cè)量和簡(jiǎn)單的邏輯表達(dá)式，轉(zhuǎn)變?yōu)槊扛魩追昼娛占淮巫詣?dòng)組合的數(shù)據(jù)流。使用AI/ML以多維/時(shí)序的方式來(lái)處理數(shù)據(jù)，可以開發(fā)出更多維度的行為模式，要遠(yuǎn)遠(yuǎn)高于人類所能感知到的。該技術(shù)非常清楚地看到了這些模式，以識(shí)別明確的行為，知道什么是正常的，什么是異常的，以及設(shè)備和過(guò)程退化的實(shí)際模式是什么：如果不加以管理，將會(huì)導(dǎo)致糟糕的結(jié)果，并可能導(dǎo)致資產(chǎn)故障。

02

制造業(yè)數(shù)據(jù)的關(guān)鍵性

現(xiàn)實(shí)情況是，這些部署都是數(shù)據(jù)驅(qū)動(dòng)的解決方案。沒有數(shù)據(jù)就意味著沒有解決方案。這讓用戶想知道需要多少數(shù)據(jù)以及需要哪些數(shù)據(jù)？

以一個(gè)礦山的大型泥漿泵為例，該泵配備了4個(gè)傳感器來(lái)測(cè)量：輸入壓力、輸出壓力、流體溫度和電機(jī)電流。在這種情況下，通過(guò)預(yù)測(cè)性維護(hù)解決方案可以提前兩周獲悉電機(jī)將出現(xiàn)故障。

另一個(gè)例子，煉油廠的一個(gè)大型充油泵有50個(gè)傳感器，包括上游和下游的過(guò)程測(cè)量，還有位于機(jī)器上的、包括諸多振動(dòng)傳感器在內(nèi)的機(jī)械傳感器。在這種情況下，預(yù)測(cè)性維護(hù)解決方案提供了降級(jí)的即時(shí)通知，以及16周內(nèi)即將發(fā)生故障的通知。

因此，基于ML的傳感器分析可以在只配置少數(shù)傳感器的情況下有效工作，如果使用更多和更高質(zhì)量的傳感器，其準(zhǔn)確性會(huì)有效得多，預(yù)警也會(huì)更早。由于最關(guān)鍵的資產(chǎn)通常已經(jīng)配置了很多傳感器，因此很少需要添加新的傳感器。

從檢測(cè)到的傳感器數(shù)據(jù)也可以預(yù)測(cè)即將發(fā)生故障的模式。它與故障的根本原因和精確的故障模式有一一對(duì)應(yīng)的關(guān)系，需要選擇合適的傳感器組，才能開發(fā)這些精確的模式。

在這種情況下，良好的傳感器選擇指南可以給出檢測(cè)特定故障（如泵或壓縮機(jī)上的軸承故障）所需的精確集合。持續(xù)監(jiān)測(cè)所選的傳感器可以通知是否出現(xiàn)明顯的退化模式，并發(fā)出高級(jí)警告。

03

過(guò)程傳感器的未來(lái)

多年來(lái)，過(guò)程傳感器類型和可用性不斷變化。它從簡(jiǎn)單的溫度、流量、壓力和液位傳感器開始。現(xiàn)在，有復(fù)雜的產(chǎn)品質(zhì)量分析儀傳感器，如粘度、含水量、固體、顏色和重量，甚至在線質(zhì)譜儀，可以提供完整的產(chǎn)品細(xì)分。所有這些，在過(guò)程和設(shè)備監(jiān)控的預(yù)測(cè)分析中都很有用。

此外，新興的傳感器測(cè)量領(lǐng)域也可以提供額外的幫助。想想有經(jīng)驗(yàn)的運(yùn)行人員，他們通過(guò)監(jiān)聽設(shè)備發(fā)出的聲音，就可以對(duì)設(shè)備行為有深刻的理解。在人類聽覺范圍內(nèi)、外的新型聲學(xué)傳感器也能有所幫助。麥克風(fēng)安裝起來(lái)很便宜，而且不需要安裝在機(jī)器上。使用視頻和高性能圖形計(jì)算，來(lái)解釋氣體含量甚至氣味的高光譜成像應(yīng)用也有所發(fā)展。

這種設(shè)備可以取代舊的分析儀，例如在熔爐和煙囪中，以查看和測(cè)量溫度和廢氣成分。另一種是解釋光纖電纜上的振動(dòng)，比如承載電話的電纜，以檢測(cè)溫度、接近度和入侵者。電纜安裝是非侵入性的（只需要靠近），是檢測(cè)泄漏和盜竊的一個(gè)非常有價(jià)值的應(yīng)用，在周界圍欄上，可以檢測(cè)到任何靠近的事物。

這些只是預(yù)測(cè)分析依賴復(fù)雜傳感器進(jìn)行過(guò)程和設(shè)備監(jiān)控的幾個(gè)例子。未來(lái)，這些傳感器的新用途將充滿潛力和令人興奮。

關(guān)鍵概念：?

■?過(guò)程傳感器正在不斷發(fā)展，為過(guò)程和設(shè)備監(jiān)控提供預(yù)測(cè)性分析。

■?人工智能和機(jī)器學(xué)習(xí)幫助用戶從過(guò)程傳感器收集更復(fù)雜的數(shù)據(jù)，以獲得更深入的見解。

審核編輯：劉清