傳感器數(shù)據(jù)在確保工業(yè)操作的操作安全性和效率方面起著至關(guān)重要的作用。傳感器廣泛應(yīng)用于工業(yè)環(huán)境中，以測量溫度，壓力，流量，振動(dòng)等參數(shù)。來自這些傳感器的數(shù)據(jù)為操作員提供了一個(gè)重要的窗口，可以了解設(shè)施資產(chǎn)的物理狀態(tài)。

物聯(lián)網(wǎng)和自動(dòng)化的發(fā)展正在推動(dòng)傳感器的更廣泛采用。Global Market Insights的最新報(bào)告預(yù)測，到2026年，工業(yè)傳感器市場將增長7%，出貨量將達(dá)到30億個(gè)：

“在包括石油和天然氣，制造，能源和電力以及醫(yī)療保健在內(nèi)的各個(gè)工業(yè)垂直領(lǐng)域?qū)鞲衅鞯男枨蟛粩嘣鲩L，將推動(dòng)工業(yè)傳感器行業(yè)的需求。例如，為提高智能電網(wǎng)的效率而在電力部門中越來越多地采用傳感器將為市場增長增加優(yōu)勢?！?/p>

但是，這種更廣泛的采用帶來了自己的挑戰(zhàn)。隨著傳感器數(shù)量的增加，實(shí)時(shí)監(jiān)視傳入數(shù)據(jù)的任務(wù)變得更加復(fù)雜，更容易出現(xiàn)人為錯(cuò)誤。此外，由于傳感器故障（例如校準(zhǔn)錯(cuò)誤，測量漂移，堵塞/結(jié)垢等）而引起的細(xì)微數(shù)據(jù)異常，在發(fā)生事故之前通常不會(huì)被人眼注意到。即使在這些事件不會(huì)帶來直接風(fēng)險(xiǎn)的情況下，它們也會(huì)顯著降低輸入數(shù)據(jù)的質(zhì)量，這可能會(huì)使資產(chǎn)狀態(tài)的長期狀況發(fā)生變化。反過來，這種不良的數(shù)據(jù)質(zhì)量會(huì)嚴(yán)重破壞數(shù)據(jù)分析和預(yù)測性維護(hù)工作。

有公司開始了解利用機(jī)器學(xué)習(xí)以可擴(kuò)展的方式解決此問題。ML已被用于其他環(huán)境中，例如醫(yī)療診斷和欺詐預(yù)防，以比人類能夠更高的準(zhǔn)確性來檢測大型數(shù)據(jù)集中的異常模式。因此，也可以使用類似的方法來減輕手動(dòng)分析的負(fù)擔(dān)，并減少工業(yè)應(yīng)用中人為錯(cuò)誤的范圍。

在過去的幾年中，已經(jīng)有通過這種方法的應(yīng)用取得了巨大的增長，特別是在歐洲和中東，通過在油氣，發(fā)電和化工領(lǐng)域的試點(diǎn)和全面安裝，該方法得到了廣泛的應(yīng)用。

機(jī)器學(xué)習(xí)將在解決工業(yè)傳感器的實(shí)時(shí)監(jiān)控和長期降低數(shù)據(jù)質(zhì)量方面發(fā)揮越來越重要的作用。種種跡象表明，未來這種方法將被廣泛采用，我們期待著成為這一增長的重要部分。
責(zé)編AJX