韩非子《扁鹊见蔡桓公》的故事，几乎家喻户晓——“君有疾在腠理，不治将恐深。”；“君之病在肌肤，不治将益深。”；“君之病在肠胃，不治将益深。”；……“居五日，桓侯体痛，使人索扁鹊，已逃秦矣。桓侯遂死”。神医扁鹊对病症的早期神预测让蔡桓公本可逃过“死劫”，这样的神医成为现实生活中可遇不可求的稀缺资源。

随着科技的发展，这样的“神医”可以成为可能——越来越精确的体征信号监测可穿戴设备正在将理想带入现实。而在更多的领域，类似的科技预测性系统也在积极发挥作用，例如地震监测已经能实现提前地震预警。与地震预警监测原理颇为类似的系统也在工业领域走入实用，例如预测性维护CbM（状态监测）系统正在走入工业设备领域，特别是ADI基于其MEMS加速度计传感器、温度传感器等硬件平台，结合其OtoSense软件云端的一体化系统已经开始商用化。

预测性维护传感器让工业设备状态可测

许多工业电机被设计为可以在连续生产应用中运行10~20年甚至更久，例如化学/食品加工厂和发电设施，但有些电机无法达到预期的使用寿命。这可能是由于电机运行量不足、维护程序的数量不足、缺乏对预测性维护系统的投资，或者根本没有预测性维护系统。预测性维护使维护团队能够安排维修时间，避免造成意外停机。

预测性维护涉及使用CbM、机器学习和分析等的技术组合来预测即将发生的机器或资产故障。在监测机器的健康状况时，需选择最合适的传感器，以确保能够检测、诊断甚至预测故障，这点至关重要。目前有许多传感器被用于检测旋转机器及其负载中的故障，从而避免意外停机。由于许多旋转机器（电机、齿轮、泵和涡轮机）以及非旋转机器（阀门、断路器和电缆）监控都用到了预测性维护技术。

通过预测性维护提早预测机器故障也可以帮助维护工程师确认和修复运行效率低下的电机，从而提高性能、生产力、资产可用性和使用寿命。最佳的预测性维护策略是：有效利用尽可能多的技术和传感器来提早检测故障，且检测结果高度可信，如此则无需使用一刀切式的传感器解决方案。

工业和商业应用中超过90%的旋转机器都使用滚动轴承，在选择预测性维护传感器时，需要特别关注轴承监测。为了检测、诊断和预测潜在故障，振动传感器必须具有低噪声和宽带宽。ADI公司的ADcmXL3021就是这样一个完整的振动检测传感器系统，将高性能振动检测（使用微型机电系统加速度计和各种信号处理功能相结合，可简化状态监控系统中的智能传感器节点开发。MEMS加速度计中的典型超低噪声密度(26 μg/√Hz)支持出色的分辨率。借助宽带宽（3 dB平坦度内为DC至10 kHz），可以跟踪许多机器平台上的振动信号。

事实上，针对不同的目标监测功能，预测性维护传感器有不同的要求。如下表所示，大多数预测性维护系统只使用其中一些传感器，因此必须确保除了使用合适的传感器来检测这些潜在的关键故障之外，还要深入了解这些故障。

传感器监测数据如何解读？预测性维护走入人工智能时代

工厂中电机数量众多，并且种类各种各样，机器维护非常困难，这意味着您需要花高价聘请专家或采用多种解决方案来满足您想要监测的资产的需求，基于路线的维护方法具有挑战性而且仍然可能遗漏关键的警告标志从而导致计划外的停机。ADI推出的OtoSense人工智能平台就是这样的预测性维护云平台和终端系统，基于OtoSenseADI开始扩大数据转换专业知识的应用范围，从采集的检测数据中提取和提供见解。

ADI OtoSense智能电机传感器将环境数据转化为可执行的信息方案，同时结合出色的用户体验，ADI OtoSense智能电机传感器是一款，基于AI的高性能预测性维护平台。这款智能电机传感器由真实测量结果解译行业的数据。能够对中低压电机实施全天候监测。ADI OtoSense SMS使用ADI公司先进的传感器测量技术和算法来提供有意义、可执行的信息方案，ADI OtoSense SMS测量多轴振动、磁场、温度

OtoSense AI将人工智能和专业知识与来自资产和复杂设备的数据结合在一起诊断，以提供诊断解决方案。OtoSense AI平台采用模块化设计，非常灵活，可以通过便携式设备对现场重要资产执行实时诊断和离线诊断。它不止可以快速、可靠地按需采集数据，轻松在整个公司内共享，而且数据处理是在终端中完成的，可以通过声音和/或振动，即时评估资产的健康状况。

因为之后无需手动整理搜索和解译这些数据，所以可以提升您的维护或质量团队的响应时间。AI会实施这些操作，它还允许您确定保存哪些数据和元数据，从而降低与数据传输和存储有关的成本。此外，边缘计算还可以减少与数据和分析相关的安全风险。

OtoSense现场诊断解决方案以平板电脑或便携式设备上安装的终端应用和网页平台之间的交互为基础，终端应用被用于从资产采集数据、实施诊断，并执行现场诊断、配置和自定义，查看数据创建AI模型，审查在平板电脑上进行的对话和诊断。网页平台被用于配置系统，查看数据、为资产创建AI模型，以及审查平板电脑上记录的所有数据和执行的诊断。

终端应用无需连接至服务器来实施现场诊断，网页平台可以托管在服务器上，也可以在云端，或者在本地，可以根据需求来轻松自定义解决方案。在OtoSense AI网页平台上指出将监测哪些资产，将使用哪个传感器来测量声音或振动。这些配置参数会在下一次连接时自动下载到平板电脑上，然后，在正常工作条件下可以开始从资产采集数据。无论这些资产在什么位置，如果没有覆盖Wi-Fi或蜂窝连接，不要着急，录像、呼叫通话，会在平板电脑连接至服务器时自动上传到网页平台，测量结果会用于创建基准。

OtoSense会根据该基准来判断资产是否处于正常状态。在网页平台上可以将此数据标记为正常，并构建一个异常检测模式，该模式会在下次连接时发送至平板电脑。所以，在下次检查资产时OtoSense会在记录结束时输出结果，告知您机器是正常运行还是检测出异常，而且无需Wi-Fi或蜂窝网络。

它会在确认问题之后，触发标记并标记问题，这样，下次OtoSense识别出这种异常时它会直接告诉您是什么问题，您可以使用这台平板电脑来监测多种设备。只需要添加更多资产

然后重复同样的步骤来构建它们各自的模型。

ADI开发了IEPE传感器数据采集模块，它可以和大部分行业级声学和振动传感器兼容，该模块插入平板电脑背面，构成一体化的数据采集和AI分析便携式系统。基于部署的传感器数据采集模块，以及OtoSense智能平台系统，完全可以帮助企业充分发挥运营效率，例如基于信息的维护计划、备件库存管理、延长正常运行时间，最终，在优化制造环境的同时降低成本。