预测性维护

什么是预测性维护？

预测性维护是一种维护策略，它结合使用传感器和数据分析来检测机械或其他设备中的问题，以防问题变得严重。

预测性维护的目标是减少计划外停机时间，并延长被监控设备的使用寿命。 这将为使用预测性维护的企业带来更高效的运营、更高的生产力以及改进的业务成果。

预测性维护是如何工作的？

预测性维护的第一步是部署传感器。 这些传感器收集数据，用于分析以识别可用于预测机械故障的模式，从而在故障发生之前预警。 分析技术可以包括机器学习模型或用于异常检测的传统统计方法。

一旦收集到足够的历史数据以进行可靠的预测，工人就可以开始在问题发生之前关闭设备或进行维修，而不是必须等待才能采取行动。

这方面的一个真实世界示例可能是监控电机的振动水平。 预测性维护算法可以分析此数据，并根据传感器的数据提醒维护团队轴承可能开始磨损。 然后，团队可以安排维护以在轴承失效之前更换轴承，与等待轴承失效相比，这可以最大限度地减少停机时间并延长机器的使用寿命。

预测性维护的优势

让我们看看使用预测性维护的更多优势

• 延长机械设备的使用寿命 - 预测性维护可以通过在潜在问题变得严重之前主动检测到它们，帮助组织延长其机械设备的使用寿命。

• 减少停机时间并提高效率 - 预测性维护可以通过允许主动进行机械维修来减少计划外停机时间。 这使工厂能够更频繁地满负荷运转，从而提高效率。

• 工人安全 - 在机器故障可能导致工人受伤的工作场所，能够更准确地预测故障有助于确保工人安全。

预测性维护的挑战

虽然预测性维护可以提供许多好处，如前面所述，但这并不意味着它是完美的。 在生产中成功实施和使用预测性维护存在许多挑战。 在本节中，您将了解一些最常见的问题。

数据质量

为了使预测性维护能够发挥作用，首先您需要准确的数据。 这意味着确保传感器已正确校准、数据不丢失，并且数据在所有被监控的硬件中都具有代表性。

收集和集成数据

一旦生成数据，另一个常见问题是将来自不同来源的所有数据集成到可用于构建模型或生成警报的内容中。

这通常涉及某种 ETL 管道，用于转换和移动数据以进行长期存储。 此类型数据的存储需要能够有效地压缩数据，同时快速响应查询以使其可用。 常用于存储的工具是时序数据库、数据仓库或列式数据库。

预测算法的开发和选择

数据存储后，您需要选择如何分析数据以获得洞察力。 模型可以从头开始使用数据科学技术（如特征工程）进行设计，或者您可以选择已被证明适用于类似类型问题的预先存在的算法。

算法选择很重要，因为它将决定预测的准确性、生成预测的速度以及进行这些预测所需的硬件成本。

企业文化

实施预测性维护可能需要对现有流程和工作流程进行重大更改。 为了使预测性维护有效，领导者需要确保他们的员工接受新系统。

实施和维护成本

由于需要安装传感器、创建软件来处理数据以及培训员工使用新系统，预测性维护的启动成本可能很高。

系统就位后，将会有持续的维护成本。 传感器将需要清洁、维修或更换，以确保它们继续收集准确的数据。

误报

来自不准确的预测性维护算法的误报不仅会导致维护成本浪费，还会导致工人对系统失去信心。

预测性维护的应用案例和行业

预测性维护可用于各种各样的事情，但这里有一些具体的应用案例，以帮助您了解目前在现实世界中是如何使用它的

• 汽车车队管理 - 预测性维护可用于跟踪车辆状态，并预测车辆何时需要对各种组件进行维护或维修。 这将降低车辆的终身成本，并为车主节省资金。

• 工业机械 - 预测性维护用于工业环境中，以监控泵、电机和发电机等设备的性能。 这有助于减少计划外停机时间，并保持运营平稳运行。

• 发电 - 涡轮机和发电机等各种设备可以从预测性维护中受益。 通过了解何时需要维修或存在失效风险，电力公司可以了解他们需要进行的基础设施投资类型，并为客户提供更可靠的服务。

• 建筑和基础设施 - 对建筑物、桥梁和道路等事物正确实施预测性维护可以帮助防止灾难性故障，并帮助在小问题变成昂贵的维修之前进行廉价的修复。

预测性维护使用的技术

有许多不同的方法可以收集预测性维护的数据。 在本节中，我们将介绍一些用于测试设备以进行预测性维护的更常用方法。

红外分析

红外热像仪通常用于预测性维护。 这些摄像机可用于查找可能表明设备存在问题的异常温度读数。 此过程可以由员工手动完成，也可以使用新型人工智能驱动的图像识别系统自动完成。

电信号监控

这涉及监控设备的电信号以检测可能表明问题的变化。 例如，电压或电流信号的变化可能表明电机或发电机存在问题。

声学分析

声学监控涉及使用设备记录设备在音频和超声波水平发出的声音。 示例包括监听气体泄漏和检测发动机问题。 超声波监控特别有用，因为它可以检测人类听力范围之外的事物，以确定指示设备异常的事物。

振动分析

振动分析用于监控高速旋转设备。 可以在设备处于理想状态时记录基线读数，以确定正常的振动节律。 如果机械设备开始偏离此节律，则表明需要进行维修或调整。

在许多情况下，设备发出的振动变化可用于根据历史数据准确了解问题所在，例如零件松动与电机问题导致的读数差异。 这使维修速度更快，因为技术人员确切地知道他们需要修复什么，而不必对所有设备组件进行探索性分析。

流体分析

成功的预测性维护计划的另一个常见部分是流体分析。 这涉及跟踪机械设备（如冷却剂或润滑剂）中使用的流体的物理和化学方面。 这可以优化这些流体的更换并防止浪费。 它还允许协调预防性维护与设备已停机进行流体更换同时进行。

基于状态的监控

基于状态的监控是收集提供被监控设备当前状态或性能的数据。 这包括温度或压力等内容。

可视化检查

可视化检查包括查看设备是否有损坏迹象，如裂缝或腐蚀。 借助现代人工智能图像识别技术，此过程可以在一定程度上实现自动化并更频繁地进行。

预测性维护与缺陷检查

预测性维护与缺陷检查之间的主要区别在于，预测性维护使用数据来预测何时可能出现问题，而缺陷检查用于识别现有问题。 预测性维护在减少计划外停机时间和在潜在问题变得严重之前识别它们方面可能更有效。

预测性维护常见问题解答

预测性维护、预防性维护和被动性维护之间有什么区别？

不同类型的维护之间有很多重叠之处。 以下是每种类型的摘要以及一些差异

• 预测性维护 - 这种类型的维护使用传感器、数据分析和其他技术来监控设备性能，以便在潜在问题变得严重之前预测和识别它们。

• 预防性维护 - 预防性维护涉及定期安排的检查、维修和更换，旨在保持设备以最佳水平运行。 缺点是由于围绕设定的时间表进行标准化而不是基于每台机器的精确数据进行优化，因此效率不高。

• 被动性维护 - 当出现问题或故障并且需要立即注意时，使用被动性维护。 被动性维护通常比其他类型的维护更昂贵，因为它通常是在紧急情况下完成的。

何时使用预测性维护才有意义？

当满足以下某些条件时，使用预测性维护才有意义

• 设备在直接成本方面很有价值，或者如果停机时间会影响您企业的整体生产力。

• 设备维护成本高昂或需要专家进行维修。

• 设备对于工人和公民的安全至关重要。

另一方面，如果设备更换成本低廉、故障率低，或者对于安全或运营并不重要，那么设置预测性维护所需的监控和相关事物可能不值得付出努力和费用。

预测性维护与物联网 (IoT) 有何关系？

物联网 (IoT) 是设备与互联网的连接，允许它们之间进行通信和数据交换。 预测性维护可以利用物联网技术来实时监控和分析连接的设备。

什么是状态监控？

状态监控是持续监控设备运行状况以检测可能表明潜在问题的变化的过程。 它涉及使用传感器和其他监控设备来收集有关关键绩效指标 (KPI) 的数据，例如温度、振动、压力和流速。 通过分析这些数据，可以识别可能表明磨损、损坏或其他问题的变化。

状态监控与预测性维护密切相关，因为它是许多预测性维护计划的关键组成部分。 为了实施有效的预测性维护计划，重要的是拥有关于设备状态的准确可靠的数据。 这些数据可用于识别趋势、预测故障并在发生故障之前安排维护活动。