油液分析对于维持设备的可靠性和寿命至关重要。在此过程中，数据分析师评估样本是否表明异常的工作表面磨损，可能会阻碍性能或缩短特定设备的寿命。问题是，传统的分析是事后进行的。到那时，最终检测到的磨损迹象会威胁到最佳运行，并增加停机的可能性。

但是，如果能够利用预测分析的算法，在发动机、涡轮机、液压系统和其他设备出现异常之前，从看似正常的油样中检测出潜在的异常，会怎样呢?事实上，这样的算法已经成功地投入使用，并以人工智能(AI)平台的形式被越来越多的人接受。结合数据分析师的专业知识和机器学习的概念，人工智能对于维护设备和确保其使用寿命至关重要。

油品分析过程

油液分析，也称为油液状态监测(OCM)，始于公司提供给实验室的小样本，用于分析磨损、流体状态和污染。如果样本中存在上述任何一种情况，人工分析人员就会建议采取纠正措施。分析每个样品可能需要5分钟，这听起来可能不是很多时间，但当您考虑到每天提交的样品数量时，感觉就像永恒一样。一家美国公司报告了2018年用于石油分析的120万份样品。

传统的分析在范围和规模上是有限的，这就产生了一个重大问题。分析师有时间考虑的数据点是有限的。一个典型的数字是100，考虑到似乎无穷无尽的数据点可能是不够的，同样重要的是，这些点在确定四种样本严重程度分类之一(正常、监测、异常和临界)时的相互关系。样品中的一些异常，如铁和铅的不必要存在，可以明显地显示磨损，但其他异常可能不明显。

在分析之后，大多数样本被归类为正常样本，但这不会改变必须投入到每个样本上的时间。即使是正常的发现也很耗时，这就是为什么OCM行业的一些人已经转向两种高科技资源来进行更快、更准确和更有效的数据分析:人工智能和机器学习。

油品分析过程的改造

要了解这一切如何应用于设备维护，首先要了解通常所说的大数据。获取隐藏在大量大数据中的潜在重要信息，对维护和经济及投资同样重要。对于发动机、齿轮和液压等设备来说，人工智能已经成为识别样本中令人不安的趋势的平台。它访问成千上万的数据点，其中许多是通过传统分析无法访问的，并生成一个报告供分析师审查。

机器学习是人工智能的一个子集。这里的重点是数据之间的模式和关系。机器从数据分析师提供的历史资料中学习。这种类型的信息被开发成一个模型，使计算机能够学习。与传统的油样分析不同，该模型不是基于规则的，可以很容易地考虑到不同的解释。

传统油品分析的质量与机器学习模型有直接关系。在许多方面，分析师的经验所展示的质量对于机器学习和人工智能平台一样重要。两者都从经验中学习，就像一个学徒向一个长期从业者学习一门手艺一样。

现实情况是，在人工智能在分析师审查之前完成数据点的繁重工作后，机器继续学习。这个过程对维护的影响是显而易见的。与传统分析和事后异常趋势检测不同，AI平台驱动的油液分析可以识别设备磨损或流体条件变化的前兆。部门可以在停机时间或设备使用寿命缩短之前采取行动。一家国际认证机构已经在使用的一个例子是一个包含数百万个样本和十多年分析结果的聚合平台。

“这是一个非常丰富的数据集，我们能够挖掘，”国际认证机构OCM项目负责人乔纳森•鲁德尼基(Jonathan Rudnicki)表示。“我们能够寻找不同结果之间的相关性，以帮助确定最能预测样本状况的不同排列，以及是否需要采取任何行动。”

图1:机器学习可以识别历史数据中的模式和相关性

这个AI/机器学习环境中的历史数据分为两部分:一部分用于训练，另一部分用于测试模型。在后者过程中，可以识别并解决存在潜在数据质量问题的领域。该模型深入研究数据关系，因为它从数百万个样本中探索特征和/或特征组合。每个样本的详细信息被记录到实验室信息管理系统中，并发送到人工智能平台，以便对严重程度进行解释。如果发现样品异常或严重，系统将与分析人员一起评估可能的纠正措施，然后进行质量控制检查，以确保结果的准确性，然后将样品退还给提交样品的公司。

用户的体验

Jami Melani是一家长期提供机油和特种润滑油的公司的重型/技术服务现场经理，她亲身体验了准确及时的油分析的重要性。他说，人工智能/机器学习平台是不可避免的，因为他的公司所服务的行业正在迅速变化。

梅拉尼说:“设备和润滑油正在以更快的速度发展，你必须自动化以跟上步伐。”“(传统)平台没有考虑到负载循环的严重程度。”他提供的一些例子包括具有独特负载和磨损等级的拖运卡车和装载机。它们的差异可能会在传统的分析中被忽略，但会在自动化程序中进行调整。

他说:“每当有人输入另一个样本，系统就会剔除异常，并自我学习。”

人工智能与润滑油维护的未来

人工智能和机器学习不会威胁到对OCM分析师的持续需求。由于该平台可以即时确定正常样本，分析师可以更好地将时间花在对异常样本进行更详细的分析上。然而，作为正在进行的质量检查的一部分，他们仍然会审查一些正常的产品。

此外，数据分析的发现和关系对于持续的机器学习和预测分析的增长是不可或缺的。两者都被证明是必不可少的维护发动机或其他设备，减少计划外停机时间和机器故障的可能性，同时增加投资回报。

正如梅拉尼恰当地总结的那样，“这是数据，以及你可以用它做什么。”