動設備的監測、預維護是大數據技術在化工領域少許的幾個可行應用之一。其需要發展的技術：一是新型傳感技術：將振動、聲音、圖像、電流等信號融入監測模型中，一個關鍵特征信號可以代替幾十個關聯較弱的信號。而基于大數據的人工智能技術最大的成就就是聲音、圖像的處理識別，工業上基于這兩類信號的應用還比較少，是時候應用它們了。二是信號處理方法和算法：如何將信號現象同故障類型關聯起來，需要使用高級模式識別技術。

但即使如此，類似行業復制仍然存在很大的難度，不能簡單移植。

一是因為上各種智能制造系統的投入和產出比。智能制造的一項主要投入就是各個層次的軟件，軟件投資的一個特點就是它與裝置規模幾乎無關，一套軟件的價格不會隨著裝置規模大小發生變化，但產生的效益基本同裝置規模成正比，如此看來，軟件系統的投資收益也存在幾乎是線性的規模效應。中小企業必須用適合中小企業的低成本的軟件系統。二是因為三個層次的優化除了PCS直接純粹和設備通訊外，但是ERP和MES有更多的與人的接口，并涉及到企業的管理文化，系統的投用涉及到管理、文化的變化，或者系統根據企業的管理文化來定制化。涉及到人的東西，就不能簡單的復制了。

靠譜的路在腳下不在天上

雖然人工智能的概念現在非常熱，講了無數故事，吸引了無數投資，但是對化學工業（甚至可以擴大到流程工業）的影響基本可以認為忽略不計。化學工業談智能制造，絕不是依靠基于大數據的人工智能，而是依靠知識、經驗的數字化、自動化。石油化工行業的“智能制造”的框架早已確定，就是在過程控制、生產管理、經營管理這三個層次分別通過PCS、MES和ERP來實現知識自動化和智能化，這是一條靠譜的路。