制造業作為現代社會的支柱產業，其景氣程度一直都是宏觀經濟的重要指標之一，而生產的產能與效率又與工廠設備的運行狀況息息相關。在智能制造與工業物聯網的大時代背景下，也有越來越多的人工智能初創企業加入到工業設備維護的賽道中。作為高新技術一直以來的試驗田，制造業在當今社會中也多了不少新鮮活力用以保證生產設備的高效運行。然而，大多數廠商依然采用著事后維修的傳統維護方案，使得一場完整的工業轉型顯得尤為迫切與重要。近年來，通過引入人工智能先進技術，設備維護得以“智能化”與“提前化“，大量產品如運維管理系統、智能傳感器、相關SaaS和云數據平臺在該領域被開發并且運用。本文將針對人工智能技術在該行業的現狀與前景，以及具體案例進行分析和介紹。

作者 | 林子旸

一、人工智能技術在工業設備維護領域的應用狀況

從2018年到2023年，工業設備服務市場將以5.9%的復合年度增長率進行高速增長，并將在2023年達到357億美元的市場規模，而亞太地區將會在此區間內做出最大的增長貢獻。而工業物聯網作為工業設備維護中的關鍵技術，其將逐步深入到制造業與工業生產中，而設備運維效能的提升便是這其中的關鍵任務。據預測，全球工業物聯市場將從2017年的470億美元增長到2023年的3100億美元，年復合增長率達到了37%。

二、工業設備維護領域所涉及的主要人工智能技術

物聯網技術：是指將任何物品與互聯網相連接，并以此進行通訊的技術。在工業設備維護領域主要用于將設備與云端數據庫和管理平臺相連接并做到實時監控，是運行監測平臺的核心技術。

計算機視覺：是指機器模擬人類視覺對目標和場景進行識別、跟蹤和測量與圖像分析的技術，主要被運用在故障識別與運行監測中，在工業設備維護領域作用至關重要。

大數據技術：是指包括數據采集、預處理、圖像化與數據庫搭建等基礎技術的綜合性技術體系，是本領域中應用范圍最廣的技術，能有效地讓傳統工業設備監測及維護做到智能化與數字化。

機器學習：是指通過分析所輸入數據的規律來進行預測的算法。目前主要被運用在運行狀況分析模型以及預測性維護解決方案之中，利用在云端數據庫中利用智能傳感器獲取的設備運行數據進行設備故障的分析和預測設備故障。

深度學習：是指通過構建多層神經網絡來進行更高效率的學習與訓練的技術，通過結合大數據技術，主要運用于人工智能維修輔助系統以及故障診斷中。

云計算：為分布式計算的一種，可以在聯網云端進行高效率、高容量的數據處理，并配合其他云端服務。云計算作為一種人工智能基礎設施，與其他技術相結合在工業設備維護領域運用廣泛。

機器人技術：是指編程、制造、維護及運用能自動執行特定任務的機器裝置的技術。運用了該技術的自動化設備通?？梢越Y合如機器學習、計算機視覺等技術完成精準操作及故障監測。

三、人工智能技術在工業設備維護領域的應用分布

其他周邊場景：工業設備的類型豐富、種類繁多，本報告主要針對工廠內生產設備的維護案例，因此不會包括人工智能技術在其他工業設備如電梯、建筑及交通建設工程設備等的維護中的應用。

四、人工智能應用工業設備維護領域落地案例簡述

耕云物聯：開發了在云端構建的物聯網軟件平臺“設備健康云”，可利用機器學習及大數據技術進行工業設備的智能維護，功能主要為實時運行監測以及故障預測和診斷。其主要產品有數據采集系統、云端數據平臺以及App。

碩橙科技：主營產品為“機器聽診大師”平臺與“橙盒”噪聲收集器，可利用機器學習模型分析設備運行時產生的噪聲來識別設備的運行狀態以及各部分的健康狀況，能夠監控生產環節的設備運作，并作出故障預判。

精益衛士：提供一站式數字化的工業設備運維與管理解決方案，其中植入了“人工智能維修輔助系統（AIEMAS）”。該系統可通過分析歷史故障及維修數據以及調用專家知識庫來提取故障原因并進行分析，從而給予維修人員以專業指導。

聯想聯寶科技智慧工廠：利用機器學習對設備的運行數據進行分析，并為各個設備訓練出不同的數據模型，再依靠該模型對設備的健康狀態及壽命進行預測，以達到預測性維護的作用。

阿里云ET工業大腦解決方案：利用ET工業大腦，阿里云開發了設備故障診斷及數字運維兩套解決方案，前者需依靠人力向系統發送檢測狀況，而后者則可通過智能傳感器實時監測，并達到預測性維護的作用。

因聯科技：提供包括智能傳感器和相關硬件、云計算及軟件平臺在內的整套設備智能運維解決方案，具體功能包括提前發現設備早起故障并進行診斷，以及合理配置設備的維修窗口期。

UPTAKE：提供“Asset IO”工業設備智能運維軟件平臺，該平臺集合了大量工業邏輯數據，可允許用戶自主導入設備歷史運行數據，并由系統生成最優化的維護方案，做到在故障發生以前先行維護。

五、人工智能技術在工業設備維護領域的局限性

設備更替成本：為了能夠讓硬件標準達到能夠支持以上先進技術來完成數字化和智能化轉型，一些傳統行業的老舊工廠可能會面臨大規模的設備更替以及生產線的重新設計，對企業在短時內帶來較大的財政壓力。

全面人才匱乏：同時擁有行業背景與智能技術背景的人才是稀缺資源。若工廠希望部署AI輔助系統以及數字化和智能化的運維等應用，其技術培訓成本將不可避免。

適用性限制：盡管目前已有不少相關產品，但這些產品還尚未達到成熟期，缺少必要的優化與改進流程。同時，制造業產品類別繁雜，同一智能技術或許并不適用于落地場景以外的產線。因此對于中小型工廠來說，能否真正高效地運用這些產品、解決方案和服務還是一個未知數。

六、人工智能技術在工業設備維護領域的發展趨勢

設備維護自動化：在該領域里，當下人工智能的運用還普遍停留在預測、監控方面，當設備出現故障后，仍需人力來進行維修工作。但可以窺見，若設備本身具備了自動修復程序性或機理性故障的功能，將進一步地節省運維過程中的人力與物力。

運維過程無人化：自然語言處理與機器人技術目前已在各大行業有了廣泛應用，但在該領域中還存在較大的空白。通過現有的技術條件開發出具有溝通能力和精確維修能力的工業機器人，能夠進一步達到設備運維的“無人化”。

監測管理高效化：隨著5G技術落地進程不斷加快，其在工業物聯網的運用也將得到大幅增強，這其中可以包括基于5G+物聯網的設備數字化管理、運行監測和故障診斷等，勢必將進一步提高工業設備維護的效率。

* 本文為「智周」系列報告「核心版」，相應「深度版」的推出計劃將在后續公布，敬請大家關注。針對「工業生產設備維護領域中人工智能的應用分析」這一主題，有哪些方向或主題，你希望在報告深度版中讀到詳細的闡述與分析，歡迎留言，這將成為我們制作報告深度版的重要參考。

關于「智周」系列報告

機器之心「智周」人工智能技術應用報告系列重點關注現有人工智能技術應用較成熟且應用潛力較大的正在進行智慧升級的傳統行業及場景，逐行業、逐場景為產業用戶高效而不失深度地呈現不同人工智能技術的產業落地現狀、企業案例、技術應用趨勢等?！钢侵堋谷斯ぶ悄芗夹g應用報告系列包含核心版及深度版兩個版本：

核心版濃縮精華分析內容至2頁內，覆蓋重要數據、分析結論及案例簡述，以供使用者高效系統地了解人工智能技術在自身所關注產業內的潛在機會。

深度版在核心版的基礎上，包含詳盡的行業或場景痛點分析、技術解讀、落地案例詳解及資料附錄等，以供有深度研究需求的使用者進行深入探究。