“智能”也成為了一個類似于‘i’的前綴：如智能房屋、智能汽車、智能工廠、甚至智能油氣田。盡管“智能”的標簽被非常頻繁地使用，但它還沒有一個普遍認同的定義。空氣壓縮機的節能改造項目在壓縮機行業已不再新鮮，而是向一個智能化方向發展。

 

        事實上，“智能”到現在還沒有一個完美的定義，因為每個企業都會趨向于強調或者削弱其某些特定的方面以滿足自身特定的需求。但是，一旦一個公司解決了某個難題或者超過了其他的公司、企業，他就可以按照他的方式去定義它。總的來說，一臺設備要被稱得上智能，它必須達到以下標準：擁有自主意識、可以迅速改變自身狀態。

 

自主意識

 

        擁有自主意識意味著設備能夠知道自己每一時刻的狀態和它的工作環境狀態。以智能壓縮機為例，它能監測自身的關鍵運行數據至少有幾十項（甚至上百項），包括入口壓力、入口容積和排氣壓力，此外還有環境氣體溫度和濕度。擁有自主意識表明壓縮機可以從與自身連接的傳感器收集自身數據。數據的收集非常重要——如果沒有數據的話，壓縮機將無法知道自己是否在可承受的載荷下運行。

 

采取措施

 

        然而，數據收集只是第一步。更重要的是數據的分析和以數據分析為依據而采取的措施，它是重要的商業價值的導向。智能壓縮機就是通過這些措施實現對狀態的改變的。當然，有些措施比其他的措施更加容易制定。一些專家能制定設備工作條件的基本規則。有些規則甚至可能被用于壓縮機本身，如果管道中的氣壓小于800psig（55.2 bar），設備便將壓力值反饋給操作人員并發出警報。

 

        盡管有些條件預設很容易建立，但是有些基于大量復雜條件的行為是人類無法識別的，這就是大數據和機器學習投入使用的原因。云計算技術可以分析海量數據并辨識出其中的復雜關系，這是人力所做不到的。比如說工廠推薦的潤滑油更換時間對于同一類型的壓縮機應該是一樣的。然而，由于在某些特定的工作條件下，潤滑油的消耗速度會大大加快，導致同類型的壓縮機潤滑油耗盡的時間也不盡相同。所以，那些消耗潤滑油更快的壓縮機應該更加頻繁到更換潤滑油，以使它們的使用壽命最大化。

 

        但是，基于工作條件的維護是極為復雜的。對于工程師來說，潤滑油更迅速分解的確切條件及集合這些條件持續的時間是不可能確定的。而另一方面，機器學習分析壓縮機的大量工作數據以精準地確定在壓縮機在哪些工作模式下會出現過早損壞的情況。這些模式一經確定，就可以對壓縮機反饋的實時數據進行持續的分析。當分析結果為壓縮機需要維護時，壓縮機將會采取措施：通知操作人員某一臺設備需要提前維護。

 

不斷升級

 

        最后一個智能設備的標準就是學習新的技能。任何系統都不是靜止不變的，商業上的競爭會促使公司本身能力的不斷提升以維持它的競爭力，它的產品同樣如此。例如iPhone手機，它能造成一時轟動的原因就是它的功能有無限的擴展性。當消費者想讓他們的手機多一種功能時，他們只需下載并安裝某個APP就可以了，而不需要去升級才能獲得。

 

        智能設備可以擁有類似的功能。其應用軟件是可更新的，這意味著當設備有新的功能需要時，可以把新的功能給它加上去。如你希望設備探測并通知操作人員即將發生的故障，以便在實際故障發生之前可以獲取相應的更換部件并將其交付給壓縮站，請根據該部件的預測故障模型下裝規則集來減少停機時間。

 

        智能設備的出現并不具有革命性，它所使用的大部分技術之前就已出現。實際上，許多油田和管道在很多年前就開始收集設備的工作數據。這里面具有創新性的是包括機器學習在內的技術被用于基本數據的收集，實現了對設備的不定期維護和對預知故障發生的功能。

 

        當壓縮機從一臺普通的設備進化成為一臺智能設備時，壓縮機工業就能在現有的資產中創造出更大的商業價值，更加方便的服務客戶，操作更加簡單，更加的節能，更加....