企业是否正在走向认知优先的未来？

随着世界产生越来越多的数据——每天2.5万亿字节的片段——它同时也在努力管理它。由于人类无法手动处理如此大量的数据并分析其影响，商业世界不得不求助于机器来承担一些负载。

智能机器可以将数据点转化为模式和洞察力；将人类知识灌输给这些机器，让它们从收集的额外信息中“学习”，可以加快企业所需的计算速度。然而，认知机器不仅仅是反应性的。有了足够的数据，他们就可以预测问题，提出解决方案，并在没有人为干预的情况下执行这些问题。

工业物联网的认知预测性维护是一个机器检测其他机器故障的领域，有望影响整个行业。授权机器执行无监督（或部分监督）技术以快速准确地识别设备故障将为企业节省资金。从防止停机到为更高级别的问题腾出员工时间，认知预测性维护将彻底改变企业处理资产管理的方式。

你的机器将完成

认知预测性维护使用传感器和人工智能来监控复杂系统的运行，以异常检测的形式提供预警。这种早期检测可以帮助在小问题变成更严重的问题之前解决它们。

深度强化学习是许多认知预测性维护系统的一个组成部分，它使用算法来确定哪些信息（从手册和操作员笔记等资源或通过实时事件收集）是相关的。将这些与从公司技术人员那里收到的反馈相结合，这些自主解决方案将创建一个无需人工输入的知识库——当然，超越了人工反馈。

“工业物联网(IIoT)正在为资产密集型行业开启新的可能性。......遗憾的是，这些行业中近85%的这些行业让来自数万亿数据点的数据未被使用，”Progress公司DataRPM的专家解释说，该公司被认为是IIoT维护领域的认知破坏者。“只有剩下的15%有能力从来自少数几个传感器的有限数据中获得洞察力。这导致构建仅包含少数资产的通用模型，然后将其外推到整个资产群体。”

这很重要：DataRPM计算得出，整个制造业的生产力每提高1%，每年可节省5亿美元。该公司表示，预测异常可以消除70%的故障。麦肯锡预测，到2025年，物联网行业将产生约11万亿美元的经济影响，如果没有认知优先流程，这将是一大笔潜在资金。

哪些行业将受益？

“数据是新的石油”这句话近年来愈演愈烈，就连石油行业也应该有这种感觉。它是少数能够从认知预测性维护中快速受益的行业之一。

油和气。拥有数十年历史的管道、古老的技术和危险的地形，石油和天然气行业已经成熟，可以进行机器干预。它对环境的巨大影响强调了在故障发生之前预测故障的重要性。更新的传感器和数据分析不仅可以避免悲剧，还可以通过提高性能节省10%的成本。

制造业。工厂一直在寻找提高分析和设备效率的方法。认知预测性维护可以帮助这两个领域，以及进行认知视觉检查。德勤的研究结果表明，认知预测性维护有助于制造设备实现90%以上的效率。

汽车。就像其他制造领域一样，汽车公司正在寻找增加装配线正常运行时间并减少故障和后续召回的方法。尽管目前只有8%的汽车制造商使用认知预测性维护，但这些公司可以通过尽早发布召回来每天节省超过100万美元。

航空。毫不奇怪，几乎每个运输和物流行业都可以从认知优先的解决方案中受益，而航空业严格的法规、安全问题和更换时间表使得认知预测性维护非常适合。像A350-900这样的飞机耗资近3.05亿美元，很明显，航空公司机队任何部分的停机时间都可能是毁灭性的。认知预测性维护可以帮助航空公司在需要停飞航班之前解决问题。

能源和公用事业。随着环境和气候的迅速变化，2003年至2012年间极端天气停电次数翻了一番；极端天气被认为是造成80%停电的罪魁祸首。在一个每天都与互联网和机器进一步联系在一起的社会中，能源和公用事业公司最好采用认知预测性维护，这可以帮助他们在停电和停电发生之前进行预测和管理。

产生大量数据意味着我们还需要构建能够吸收和使用这些数据的系统。需要在重大问题发生之前处理此类数据的行业可能会有一个认知优先的未来，由足够智能的机器领导，以修复尚未破坏的问题。