过程传感器的未来：基于AI和预测维护

  人工智能机器学习帮助用户从过程传感器收集更复杂的数据，以获得更深入的见解。，当时Wilhelm von Siemens使用了铜电阻器来测量温度。根据这一想法，在1883年诞生了第一个恒温器，这就是被普遍承认的第一个人造传感器。从那时起，我们正真看到这种设备大量涌现，尤其是在制作的完整过程的测量和控制领域。随着传感器被应用于运输和消费市场，传感器的复杂程度及其定价发生了巨大变化。与此类似，它们在测量和控制过程中的部署性质也发生了变化，过去是在人为的计算或逻辑（如在比例、积分和导数（PID）控制）中对传感器信号进行相当简单的组合。在此之后，是支持仿真和过程优化的计算机应用程序。过去几年里，在人工智能（AI）和机器学习（ML）的驱动下，出现了具有高度技术能力的创新技术。其结果是在多重维度上对数据流进行更复杂的合并，以及用时间来学习行为模式，而不是用基于工程第一原理和统计的计算数字模型来估计行为。程序正在由机器编写，而不是人类。

  01 基于AI技术的过程传感器物联网（IoT）的出现催生了互联事物的巨大增长。根据美国国家科学基金会（NSF）的数据，物联网有望连接500亿个智能设备和1万亿个传感器。其中，传感器和AI/ML技术最广为人知的应用也许是在机动车辆中，尤其是电动汽车。例如，Tesla model 3 中的自动驾驶系统配置了8个摄像头，12个超声波传感器和前向雷达，以读取车道线并检测附近的汽车。过程制造业一直在开发这种基于AI和ML中的传感器的新用途，以更好地测量资产和过程的状况，包括从机器及其周边设备传感器上收集的数据流中学习它们的明确行为。它可以取代旧的技术，以此来实现更简单、更快的部署，以及更高的准确性和结果，而不需要高强度的工程技能。最好的应用可以抽象数据科学，使工厂的普通工人在不需要大量学习的情况下就能实施复杂的策略。从单点测量和简单的逻辑表达式，转变为每隔几分钟收集一次自动组合的数据流。使用AI/ML以多维/时序的方式来处理数据，可以开发出更多维度的行为模式，要远高于人类所能感知到的。该技术很清楚地看到了这些模式，以识别明确的行为，了解什么是正常的，什么是异常的，以及设备和过程退化的实际模式是什么：如果不加以管理，将会导致糟糕的结果，并可能会引起资产故障。