“智能”也成为了一个类似于‘i’的前缀：如智能房屋、智能汽车、智能工厂、甚至智能油气田。尽管“智能”的标签被非常频繁地使用，但它还没有一个普遍认同的定义。空气压缩机的节能改造项目在压缩机行业已不再新鲜，而是向一个智能化方向发展。

 

        事实上，“智能”到现在还没有一个完美的定义，因为每个企业都会趋向于强调或者削弱其某些特定的方面以满足自身特定的需求。但是，一旦一个公司解决了某个难题或者超过了其他的公司、企业，他就可以按照他的方式去定义它。总的来说，一台设备要被称得上智能，它必须达到以下标准：拥有自主意识、可以迅速改变自身状态。

 

自主意识

 

        拥有自主意识意味着设备能够知道自己每一时刻的状态和它的工作环境状态。以智能压缩机为例，它能监测自身的关键运行数据至少有几十项（甚至上百项），包括入口压力、入口容积和排气压力，此外还有环境气体温度和湿度。拥有自主意识表明压缩机可以从与自身连接的传感器收集自身数据。数据的收集非常重要——如果没有数据的话，压缩机将无法知道自己是否在可承受的载荷下运行。

 

采取措施

 

        然而，数据收集只是第一步。更重要的是数据的分析和以数据分析为依据而采取的措施，它是重要的商业价值的导向。智能压缩机就是通过这些措施实现对状态的改变的。当然，有些措施比其他的措施更加容易制定。一些专家能制定设备工作条件的基本规则。有些规则甚至可能被用于压缩机本身，如果管道中的气压小于800psig（55.2 bar），设备便将压力值反馈给操作人员并发出警报。

 

        尽管有些条件预设很容易建立，但是有些基于大量复杂条件的行为是人类无法识别的，这就是大数据和机器学习投入使用的原因。云计算技术可以分析海量数据并辨识出其中的复杂关系，这是人力所做不到的。比如说工厂推荐的润滑油更换时间对于同一类型的压缩机应该是一样的。然而，由于在某些特定的工作条件下，润滑油的消耗速度会大大加快，导致同类型的压缩机润滑油耗尽的时间也不尽相同。所以，那些消耗润滑油更快的压缩机应该更加频繁到更换润滑油，以使它们的使用寿命最大化。

 

        但是，基于工作条件的维护是极为复杂的。对于工程师来说，润滑油更迅速分解的确切条件及集合这些条件持续的时间是不可能确定的。而另一方面，机器学习分析压缩机的大量工作数据以精准地确定在压缩机在哪些工作模式下会出现过早损坏的情况。这些模式一经确定，就可以对压缩机反馈的实时数据进行持续的分析。当分析结果为压缩机需要维护时，压缩机将会采取措施：通知操作人员某一台设备需要提前维护。

 

不断升级

 

        最后一个智能设备的标准就是学习新的技能。任何系统都不是静止不变的，商业上的竞争会促使公司本身能力的不断提升以维持它的竞争力，它的产品同样如此。例如iPhone手机，它能造成一时轰动的原因就是它的功能有无限的扩展性。当消费者想让他们的手机多一种功能时，他们只需下载并安装某个APP就可以了，而不需要去升级才能获得。

 

        智能设备可以拥有类似的功能。其应用软件是可更新的，这意味着当设备有新的功能需要时，可以把新的功能给它加上去。如你希望设备探测并通知操作人员即将发生的故障，以便在实际故障发生之前可以获取相应的更换部件并将其交付给压缩站，请根据该部件的预测故障模型下装规则集来减少停机时间。

 

        智能设备的出现并不具有革命性，它所使用的大部分技术之前就已出现。实际上，许多油田和管道在很多年前就开始收集设备的工作数据。这里面具有创新性的是包括机器学习在内的技术被用于基本数据的收集，实现了对设备的不定期维护和对预知故障发生的功能。

 

        当压缩机从一台普通的设备进化成为一台智能设备时，压缩机工业就能在现有的资产中创造出更大的商业价值，更加方便的服务客户，操作更加简单，更加的节能，更加....