钢铁工业中预测性维护的人工智能方法：综述

预测性维护（PdM）已成为工业4.0的支柱之一，对于提升运营效率至关重要，它能够最小化停机时间、延长设备寿命并防止故障。使用人工智能（AI）方法可以执行广泛的PdM任务，这些方法通常使用工业传感器生成的数据。钢铁工业是全球经济的重要分支，鉴于其巨大的环境足迹、市场的全球化性质以及苛刻的工作条件，它是这一趋势的潜在受益者之一。本综述综合了钢铁工业中基于AI的PdM领域的当前知识状态，面向研究人员和从业者。我们确定了与此主题相关的219篇文章，并提出了五个研究问题，使我们能够对当前趋势和主要研究空白获得全局视角。我们检查了接受PdM的设备和设施，确定了常见的PdM方法，并识别了用于开发这些解决方案的AI方法的趋势。我们探讨了所调研文章中使用的数据特征，并评估了其中所呈现研究的实际意义。大多数研究集中在高炉或热轧上，使用来自工业传感器的数据。当前趋势表明该领域的兴趣日益增加，尤其是在深度学习的使用方面。主要挑战包括在生产环境中实施所提出的方法、将其纳入维护计划，以及增强研究的可访问性和可重复性。