工業(yè)物聯(lián)網(wǎng)(IIoT)和機器學習早就不是新概念：讓機器與中央服務器(以前稱為M2M)進行通信的概念，推動了通用電氣、羅克韋爾自動化和西門子等工業(yè)巨頭的崛起。它們帶來的改變是增強相互之間連接性和降低功耗，并使計算成本呈指數(shù)下降；如果將其與易于部署的云平臺相結合，就可以實現(xiàn)即時預警，預警的效率取決于算法的準確性，未來的發(fā)展道路可能會更加坎坷。

來自多個連接傳感器的數(shù)據(jù)沖擊足以壓倒哪怕是最有經(jīng)驗的設備安全專家。IIoT的關鍵部分不是連接到互聯(lián)網(wǎng)，而是理解所有原始數(shù)據(jù)——自60年代以來，機器學習算法已被廣泛使用，但由于可伸縮云計算的可訪問性，直到最近，它們在特定任務中的表現(xiàn)才超過人類。我們現(xiàn)在能夠訓練算法，在語音識別、圖像識別或玩策略游戲等任務中擊敗最優(yōu)秀的人，前提是我們有大量的數(shù)據(jù)來訓練它們。

我們生活中必須依靠機械設備來過我們的日常生活。從發(fā)電廠到自來水公司、辦公室空調和存儲共享照片的數(shù)據(jù)中心，機械設備基本上運行著我們的生活。但事情并不總是按計劃進行，有句俗話叫計劃趕不上變化。

不久前，美國的新奧爾良遭遇了一場大風暴，在幾個小時內降雨量達到200—250毫米。由于城市大范圍的積水造成嚴重內澇，致使房屋受損，人們被迫從家園和社區(qū)撤離，造成這場災害的原因在于16臺關鍵泄洪泵，由于暴風雨原因計劃中的維護中斷，泄洪泵恰巧故障停機。這意味著16臺負責泄洪的水泵停機無法排除積水，導致100多萬人的城市遭受洪災。

我們承擔不起因為疏忽、意外對我們企業(yè)、城市和生活提供運轉的關鍵設備故障所造成的“非正常停機”。但是更換所有重要的老化設備需要大量的投資，而目前的維護模式是過時和低效的，需要采取一種更先進的維護方式，即利用技術的進步來幫助我們的機器更加可靠，這就是“預測性維護”的概念。

1999年《軟件營銷部隊》（Salesforce）的推出促使科技界陷入狂熱。用戶每個月需要支付類似租金的費用來使用網(wǎng)站上的各種服務，這些服務涉及客戶關系管理的各個方面，從普通的聯(lián)系人管理，產(chǎn)品目錄到訂單管理，機會管理，銷售管理等。他提供一個平臺，使得客戶無需擁有自己的軟件，也無需花費大量資金和人力用于記錄的維護，儲存和管理，所有的記錄和數(shù)據(jù)都儲存在云平臺上面。同時和普通的自己購買的軟件不一樣，用戶隨時可以根據(jù)需要去增加新的功能或者去除一些不必要的功能，真正地實現(xiàn)按需使用。在接下來的十年里，軟件即服務(SaaS)將席卷世界，不僅改變了組織購買軟件的方式，而且也改變了他們運營和計劃預算的方式。

IT經(jīng)理喜歡SaaS，因為對他們而言，則可以避免購買硬件、開發(fā)軟件等前期投資以及復雜的后臺管理問題。更新或更換供應商費用飆升的日子一去不復返了。

我們目前的工業(yè)市場也正在上演相同的情況。這一轉變使我們工礦行業(yè)對其老化的設備設施無需前期投資，因為前期投資一直阻礙我們從先進的機械診斷技術中獲益。

我們很高興地宣布推出我們的最新產(chǎn)品——安爾法PHM全生命周期解決方案。PHM是大規(guī)模部署連續(xù)診斷的可行解決方案。我們的傳感器悄無聲息的監(jiān)測著你的設備，時刻號著機械設備運行的脈搏，并不斷學習，保護者你的設備安全運行。有這樣的設備健康管家24小時保護著你的設備安全，你就可以在晚上睡得更好。

基于不斷增長的故障知識庫，監(jiān)測的數(shù)萬臺機器，以及與國際多家知名礦業(yè)公司合作，目前擁有數(shù)十億小時的機器學習時長，模型算法不斷的完善，我們的模型算法經(jīng)過訓練，應用中能最快5天預測出設備故障，并為用戶提供高度可操作的方法和建議。由于我們提供軟件即服務（SaaS）模式，不需要昂貴的前期投資，使每個工廠都可以真正獲得預測性維護。

通過將互聯(lián)網(wǎng)和人工智能以及軟件即服務的定價模式相結合，我們的解決方案可以幫助我們的合作伙伴以更高效、可靠的方式運行他們的機器，同時對環(huán)境的影響更小。通過這樣做，幫助我們這些每天依賴機器的人過上更健康、更安全的生活。