“

预测性维护为专业人员提供了实时优化维护任务的潜力，以预测即将发生的故障并减少其设备的停机时间，最大限度地延长了设备的使用寿命，同时避免了运营中断。而不合理的维护策略会使工厂的产能降低5-20%，计划外停机使工业制造商每年的损失高达亿美元。

”

——德勤《预测性维护和智能工厂》

01

打破权衡：利用智能工厂的力量

通常情况下，企业可以通过最大程度地运行设备或机器组件直到它们失效来判断其寿命。但因为零件开始振动、过热和断裂，这可能会导致灾难性的机器损坏。虽然运行到出现故障可能是某些企业可接受的方法，但计划外停机几乎总是更昂贵且更耗时。相反，企业可能会考虑更频繁地更换零件和维修设备。但这不仅会随着时间的推移增加更换成本，还会增加计划停机时间和运营中断。

德勤认为预测性维护(PredictiveMaintenance，PdM)旨在打破这些权衡，使公司能够最大限度地延长其零件的使用寿命，同时避免计划外停机时间并最大限度地减少计划内停机时间。PdM（已经存在多年）利用来自各种来源的数据，例如关键设备传感器、企业资源规划(EnterpriseResourcePlanning，ERP)系统、计算机化维护管理系统(ComputerizedMaintenanceManagementSystems，CMMS)和生产数据。智能工厂管理系统将这些数据与先进的预测模型和分析工具相结合，以预测故障并主动解决它们。

简而言之，智能工厂配备了能够实现机器对机器(M2M)和机器对人(M2H)通信的技术，并结合分析和认知技术，以便正确及时地做出决策。

02

进行预测性维护：技术探索

现在，PdM的想法听起来很诱人。但它是如何工作的？德勤提出了一些构成智能工厂并使PdM成为可能的一些技术。

物联网

物联网(IoT)可能是PdM难题中最大的一块。众所周知，互联网已将您的笔记本电脑和移动设备连接到大型服务器场，其中包含以HTML编码的网站数据。物联网类似，但数据是在从您的资产到私有企业服务器的连续流中创建的。物联网使用温度、振动或电导率等传感器将机器的物理动作转换为数字信号。数据还可以从其他来源流式传输，例如机器的可编程逻辑控制器(PLC)、制造执行系统(MES)终端、CMMS，甚至是ERP系统。物联网完成了物理到数字到物理(PDP)循环的前半部分。

图.物理-数字-物理(PDP)闭环

分析和可视化

PDP循环的第二步是使用高级分析和预测算法分析和可视化数字信号。高级商业智能(BI)工具不再仅适用于数据科学家。许多分析平台开始整合用于非结构化数据、认知技术、机器学习和可视化的高级解决方案。运营分析师可以使用专为日常用户创建的现代API（应用程序接口）轻松创建仪表板。

另一个趋势是数据回到边缘。类似于在使用点存储工具的精益技术，数据计算将在“边缘”完成，在生成的同时就进行了处理。这种方式通过将一些处理工作分配给外部节点，减轻核心网络压力，提升系统性能。

关闭物理-数字-物理（PDP）的闭环

最后，在对信号进行处理、分析和可视化之后，最终要将分析结果转换为行为。在某些情况下，得出的数字结论可能会指示机器人或机器改变其功能。在其他情况下，维护警报会促使技术人员采取行动。考虑这样一种情况，预测算法将触发在公司的CMMS中创建维护工单系统，检查ERP系统的手头备件，并自动为所需的任何附加零件创建采购请求。然后，维护经理只需批准工作流程中的项目并派遣适当的技术人员，所有这些都是自动化的，并且在计划外停机之前。

＆潜在好处

◎节省材料成本（运营中的5-10%和MRO材料支出）

◎降低库存持有成本

◎增加设备正常运行时间和可用性（10?20%）

◎减少维护计划时间（20?50%）

◎降低总体维护成本（5?10%）

◎改善健康安全和环境三位一体的管理体系

◎减少用于无用信息的提取和验证的时间

◎更多时间花在数据驱动的问题解决上

◎明确计划、绩效和问责制的联系

◎对数据和信息更有信心，从而获得决策所有权

03

奠定基础：成功的七大维护支柱

成功的维护组织应该能够在需要的时间和地点部署所有适当的资源（人力、技术、备件和设备等）以支持运营。为实现这一目标，有许多关键领域需要解决。很多时候，公司倾向于将时间和金钱花在重大技术改进上，例如更强大的计算机管理维护系统(CMMS)或可靠性软件，而没有首先对组织的一些更基本的要素给予足够的

转载请注明:http://www.aideyishus.com/lktp/812.html