GE V7668A-1310B0 350-9310007668-131020 D
人工智能技术的早期采用者已经在内部、云中、边缘以及通过许多类型的混合架构进行了部署。AI本身不是一个东西，而是由几种技术类型组成，包括神经网络、深度学习、自然语言处理、计算机视觉、无监督机器学习、有监督机器学习、强化学习、迁移学习等。这些不同类型的人工智能在整个工业世界中以不同的方式应用，以创建作为描述性、预测性和规范性分析提供的目标解决方案。
如今，在各行各业中使用的一种相对常见的解决方案是机器学习形式的预测分析，以识别设备和流程的异常。这些异常可以在任何控制系统或警告/警报之前很早就表明性能问题或资产健康恶化。预测分析的交付周期可能是几天、几周甚至几个月，让操作员和维护人员有足够的时间做出反应并安排维修和纠正。
软件工具正变得越来越复杂，以提供对这些异常的额外洞察。这包括确定哪些传感器是问题的主要原因以及可能的根本原因。有了这种复杂程度，问题可以在对运营产生重大影响之前很快得到识别和纠正。这减少了停机时间，提高了产品质量，降低了风险，提高了整体效率和盈利能力。
成功预测分析的例子包括复杂的涡轮机“捕捉器”,其中存在振动减少的阶跃变化。每一次，制造商都告诉客户这是可以的，因为这是振动的减少，而不是增加。在这种情况下，结果是由于涡轮级内的叶片开始分离。该系统离控制系统警报或警告很远。然而，如果继续下去，将会导致故障，可能会损坏涡轮机，造成长时间停机(电力生产损失)，并有可能对人员造成重大伤害。客户的保守估计显示，由于对该问题的早期预警检测，避免了超过3400万美元的损失。
另一个例子发生在强风的大风暴期间，一家输电网公司利用人工智能和高级分析来防止灾难性的变压器爆炸。由于溶解气体分析(DGA)的异常模式，包括甲烷和二氧化碳，系统发出警报。
