生成式 AI 正在推動資產(chǎn)生命周期管理的快速改進(jìn)，在以往AI增強(qiáng)功能的基礎(chǔ)上，為提高運(yùn)營效率開辟了新的可能性。

在過去的幾年里，人工智能(AI)一直在推動預(yù)測性維護(hù)取得令人難以置信的進(jìn)步，實現(xiàn)更智能的實時監(jiān)控并提高資產(chǎn)的正常運(yùn)行時間和效率。隨著生成式 AI 的出現(xiàn)，資產(chǎn)生命周期管理(ALM)的更多領(lǐng)域正在取得飛躍，并解鎖了更多選項，以最大限度地降低維護(hù)成本、優(yōu)化物理資產(chǎn)，并有助于實現(xiàn)可持續(xù)性和能源成本目標(biāo)，即使對于直到最近還被認(rèn)為是優(yōu)化的系統(tǒng)也是如此。

AI在ALM流程中的發(fā)展

企業(yè)已經(jīng)進(jìn)入了AI的興奮期。許多企業(yè)幾乎收集了資產(chǎn)各個方面的數(shù)據(jù)：來自設(shè)施的運(yùn)行數(shù)據(jù);電力和其他公用事業(yè)的資源數(shù)據(jù);用于跟蹤年齡、狀況和維護(hù)歷史的資產(chǎn)數(shù)據(jù);以及工廠機(jī)器的更換部件。他們已將各種數(shù)據(jù)庫和指標(biāo)整合到一個儀表板下，清理異常值或錯誤的數(shù)據(jù)，標(biāo)記數(shù)據(jù)，甚至開始根據(jù)其特定需求調(diào)整或訓(xùn)練 AI 模型。

收集這些數(shù)據(jù)并利用 AI 驅(qū)動的洞察非常重要，并且已經(jīng)產(chǎn)生了真正的影響，為一些企業(yè)提供了優(yōu)勢，幫助他們在競爭中脫穎而出。

例如，計算機(jī)視覺(機(jī)器學(xué)習(xí)有助于識別和理解人和物體)幫助福特汽車公司將裝配線上的缺陷從每月40個減少到零。零缺陷系統(tǒng)甚至有助于推動設(shè)計改進(jìn)。

在另一個示例中，計算機(jī)視覺正在分析來自無人機(jī)和其他來源的照片，以幫助優(yōu)化丹麥大貝爾特大橋的維護(hù)工作，預(yù)計該橋的使用壽命將延長100年。

在某些方面，生成式 AI延續(xù)了技術(shù)優(yōu)化的趨勢，但在其他方面，它是又一次向前邁進(jìn)。除了分析、提取、預(yù)測等功能外，生成式AI本質(zhì)上還能進(jìn)行創(chuàng)造，這使企業(yè)能夠更進(jìn)一步，解決 ALM 的特定新用例。在上面的示例中，生成式AI將幫助客戶超越對象識別階段，并與整個企業(yè)中的人員進(jìn)行更復(fù)雜的溝通。

利用來自生成式AI的數(shù)據(jù)縮小技能差距

生成式 AI的一個基本優(yōu)勢是它可以幫助彌合許多企業(yè)在當(dāng)今競爭環(huán)境中面臨的技能差距。例如，對話式聊天模型不需要現(xiàn)場技術(shù)人員為他們在任何時候可能面臨的各種問題做好準(zhǔn)備，而是幫助在正確的時間快速顯示正確的信息。

遇到問題時，現(xiàn)場技術(shù)人員可以使用自然語言來了解有關(guān)特定類型的資產(chǎn)或最近的資產(chǎn)故障的更多信息。員工可以一次輸入一個數(shù)據(jù)，讓AI進(jìn)行繁重的分析，這可能包括要求技術(shù)人員提供更多數(shù)據(jù)，以幫助通過快速分析找到問題的根本原因。

當(dāng)正在運(yùn)行ALM時，生成式 AI可處于“幕后”狀態(tài)。生成式AI驅(qū)動的許多見解都依賴于時間序列預(yù)測模型，這些模型可以分析有關(guān)資產(chǎn)如何隨時間變化的歷史數(shù)據(jù)，識別異常情況并預(yù)測給定資產(chǎn)的預(yù)期結(jié)果。這些AI生成的預(yù)測還可以幫助企業(yè)避免代價高昂且不必要的停工。

以類似的方式，生成式 AI 可以幫助加快完成故障模式影響分析(FMEA)。當(dāng)資產(chǎn)故障發(fā)生時，尤其是在制造業(yè)等環(huán)境中，企業(yè)必須盡可能準(zhǔn)備好必要的零件和專業(yè)知識。否則，意外故障可能會導(dǎo)致停機(jī)和金錢等巨大成本。因此，不僅要快速查明資產(chǎn)故障的原因，還要進(jìn)行必要的更改以避免重復(fù)，這一點至關(guān)重要。完成分步FMEA可識別所有可能的失敗原因非常耗時。

生成式 AI 可以通過多種方式簡化流程。例如，虛擬助手可以比單個(或一組)員工更快地提供所有可能的故障原因，然后幫助縮小最可能的故障來源，并有助于更及時地找到解決方案。此用例已經(jīng)通過軟件產(chǎn)品實施，這些產(chǎn)品為企業(yè)提供了充滿特定于資產(chǎn)的故障詳細(xì)信息和緩解活動的庫，以便他們能夠主動規(guī)劃以預(yù)測故障，并避免或快速修復(fù)故障。

研究還表明，在資產(chǎn)可靠性策略庫上訓(xùn)練AI模型可以生成大量關(guān)鍵內(nèi)容來構(gòu)建 FMEA。未來，生成式AI將能夠編譯這些內(nèi)容，并為組織提供有關(guān)何時以及如何維護(hù)其資產(chǎn)以避免這些故障的自定義建議。

生成式 AI 還可以幫助緩解數(shù)據(jù)挑戰(zhàn)。對于許多組織來說，推進(jìn)AI的一個關(guān)鍵挑戰(zhàn)是他們擔(dān)心自己的數(shù)據(jù)質(zhì)量，他們不想創(chuàng)造一種“垃圾進(jìn)，垃圾出 ”的情況。

生成式 AI 可以通過多種方式提供幫助。例如，將生成式 AI 疊加在其他診斷AI工具之上，有助于提高ALM問題發(fā)生時分配的“故障代碼”的準(zhǔn)確性。這些代碼通常缺失或不正確，但現(xiàn)在的工具可以通過對相關(guān)工單的長短描述進(jìn)行模型訓(xùn)練，自動生成故障代碼建議。

生成式AI應(yīng)用的下一步是什么?

隨著技術(shù)的發(fā)展速度比以往任何時候都快，企業(yè)不能滿足于AI的已有進(jìn)展。生成式 AI 正在增強(qiáng)員工技能，顛覆人才格局，縮短復(fù)雜診斷所需的時間，并幫助從更少的數(shù)據(jù)中提取更多見解。企業(yè)仍有機(jī)會 “搶占先機(jī)”。

無論企業(yè)是希望改善決策制定、資產(chǎn)績效、勞動力生產(chǎn)力還是以上所有方面，都有辦法利用生成式 AI。首先，找出當(dāng)前流程中的差距。其次，確定需要哪些數(shù)據(jù)，聯(lián)系合適的同事和專家，并開始收集可用的數(shù)據(jù)。

想象一下生成式 AI 如何幫助填補(bǔ)剩余的空白。我們已經(jīng)在第一波 AI 應(yīng)用浪潮中看到了這種情況，現(xiàn)在是推進(jìn)第二波浪潮的時候了。