Honor Powrie 看到了我们如何监测机器健康与我们自身身体健康之间的有趣相似之处。
透视内部 现代传感器可以提供关于机器（左图）和人体（右图）健康的实时数字数据。（图片来自：Shutterstock/scharfsinn；Shutterstock/ra2 studio）
我在1990年代开始职业生涯时，曾在一家从大学分拆出来的公司工作，该公司开发振动传感器来监测直升机动力系统和旋转机械的状态。这份工作让我开始了开发用于检查飞机、火车和卡车等机器“健康”状况的技术和方法的职业生涯。
三十年间发生了巨大的变化。当我刚开始工作时，我们会部署生成有限数据的定制系统。如今，一切都数字化了，信息量几乎超过了我们的处理能力。我们还看到越来越多地使用机器学习和人工智能（AI）来跟踪机器的运行情况。
事实上，随着AI在医学科学中的日益应用——例如预测患者心脏病发作的风险——我注意到了我们在监测机器健康和人体健康方面的有趣相似之处。喷气发动机和心脏是非常不同的物体，但在两种情况下，监测设备都提供了物理测量的数字化数据。
健康视角
安装在机器上的传感器提供各种基本物理参数，如温度、压力、流速或速度。更复杂的设备可以提供有关其振动、声学行为或（对于发动机）油屑或质量的信息。如果需要监控机器性能的重要或未被检查的方面，可以添加定制传感器——前提是这样做的好处大于成本。
一般来说，特定情况下使用的传感器取决于以前的经验以及是否可以利用其他测量数据，例如控制机器的数据。但无论使用哪种传感器，原始数据都需要经过处理和操作以提取特定特征和特性。
如果机器似乎出现故障，你能尝试诊断问题可能是什么吗？
完成这些步骤后，你可以确定机器的健康状况，就像在医学中一样。它是否正常运行？它是否似乎出现了故障？如果机器似乎出现问题，你能尝试诊断问题可能是什么吗？
通常，我们通过跟踪一系列参数来查看一致的行为，例如稳步增加，或者看某个参数是否超过预定义的阈值来进行判断。通过进一步分析，我们还可以尝试预测机器的未来状态，计算其剩余使用寿命，或决定是否需要安排维护。
诊断通常涉及将各种异常物理参数（或症状）与可能的原因联系起来。由于机器遵循物理定律，诊断可以基于工程知识或数据驱动——有时两者结合。如果无法做出具体诊断，你仍然可以大致了解问题可能在哪里，然后再进行进一步调查或详细检查。
一种方法是使用“内窥镜”——基本上是一根带有摄像头的长柔性电缆。类似于医学中的内窥镜，它可以让你查看狭窄或难以到达的腔体。但与通常在实验室或诊所这种受控环境中进行的医学成像不同，机器数据通常是“在现场”获取的。结果图像可能难以解释，因为光线不足、测量不一致或设备使用不当。
尽管很难弄清楚你所看到的内容，但现场视觉检查至关重要，因为它们提供了已知条件的证据，可以直接与物理传感器测量相关联。这是一种健康状态校准。但如果你想获得更稳健的结果，值得转向先进的建模技术，如深度神经网络。
预测机器组成部分的磨损的一种方法是使用所谓的“数字孪生”。本质上，数字孪生是物理对象的虚拟复制品，通过构建详细的模型并输入来自传感器和检查的实时信息来创建。孪生基本上反映了真实对象的行为、特性和性能。
实时监测
实时健康数据非常有用，因为它们允许根据需要而不是按照严格的维护计划来服务机器。例如，如果一台机器在恶劣环境中被大量使用，可以提前进行维护，从而防止意外故障。相反，如果它使用较少且未显示任何问题，则可以推迟或减少维护范围。这节省了时间和金钱，因为设备停机时间比预期的要少。
我们可以确定哪些部件需要修理或更换，何时需要维护以及由谁来执行
拥有机器在任何时间点的状况信息不仅允许这种“智能维护”，还可以让我们明智地使用相关资源。例如，我们可以确定哪些部件需要修理或更换，何时需要维护以及由谁来执行。因此，只有在需要时才订购备件，节省了资金并优化了供应链。
实时健康监测数据特别适用于拥有许多同类机器的公司，例如拥有飞机队的航空公司或拥有许多卡车的运输公司。这不仅让他们更好地了解单个机器的行为，还提供了“全车队”的视图。从数据中识别和诊断故障成为了一个迭代过程，帮助制造商创造新的或改进的机器设计。
这一切听起来都很棒，但在某些方面，理解机器比理解人更难。人们可以去医院或诊所进行医学扫描，但风力涡轮机或喷气发动机却不能轻易访问、关闭或送去维修。机器也不能告诉我们它们的确切感受。
然而，即使人类也不总是知道自己出了什么问题。这就是为什么我们应该借鉴工业界的策略，考虑定期进行健康监测和检查。有很多出色的应用程序可以监测和追踪你的心率、血压、身体活动和血糖水平。
就像机器一样，你可以避免意外故障，降低维护成本，使自己更高效和可靠。甚至有可能延长寿命。
(全文结束)
