从反应性维护转向预测性维护

物联网(IoT)通过重塑商业模式、提高整体产量和自动化流程，改变了制造业。在内部，物联网浪潮简化了工厂设备的维护，在外部，它使制造商能够增强客户支持服务。

在反应性维护曾经是常态的情况下，制造公司可以使用预测性维护来主动处理问题，甚至在客户意识到问题存在之前。最终的结果是，由于减少了停机时间和维护成本，从而获得了无忧的客户体验。随着物联网使制造商能够提高以客户为中心的商数，全球物联网解决方案的支出预计将从2015年的290亿美元增加到2020年的700亿美元，这也就不足为奇了。下一波制造业浪潮——智能制造——正在快速逼近。

响应式系统实现主动性能

基于日历和反应性维护实践已经逐渐让位于预测性维护制度——超过四分之一的制造商已经通过预测性维护应用程序跟踪产品性能。随着制造商对物联网逐渐表现出兴趣，预计运营预测性维护市场规模将从2015年的5.823亿美元增长到2020年的18.8亿美元。

制造商正在整理来自价值链上资产的大量数据，并对其进行分析，以获得关于资产利用、故障预测和资产寿命的见解。例如，只要资产的特定组件或部分功能不佳，资产就会通过机器到数据技术和远程监控应用程序将必要的信息发送到中央系统。

建立以客户为导向的服务生态系统还要求制造商专注于维护其安装基础上的单个产品。实时收集安装基础信息可以极大地提高他们为客户创造的价值，并提高售后运营的盈利能力。对已安装基础的远程监控也创造了远程提供服务的可能性。

最重要的是，它在提高客户满意度的同时产生了新的收入来源——这种服务的更高市场渗透率使制造商能够在经济低迷时期，当产品卖不出去时，抵消收入下降的影响。这些信息使资产管理团队能够在导致突然停机或故障之前检测到可能的故障点或弱点——将物理资产、人员和流程无缝地连接在一起。

在这些功能的鼓励下，许多制造公司正在采用物联网生产和监控流程，以降低成本，提高安全性，制造坚固的产品，并提高整体设备效率。

然而，从长远来看，物联网生产和监控流程可以带来其他好处。制造工厂可以实现对制造车间的更大可见性，提高生产率，提高盈利能力。预测性维护可以简化优化正常运行时间可靠性和计划停机时间，以便及时满足客户订单。此外，由于预测性维护计划涉及使用一个中央数据库，该数据库记录备件、资产健康状况和客户订单，跟踪成本并确保适当的财务管理也将减少负担。

向高效模式迈进

随着物联网成为强大的变革力量，制造企业为工厂设备维护和增强客户体验选择正确的预测性维护模型变得必不可少。虽然物联网风暴特别促进了复合分析模型的使用，但制造商也可以选择传统的分析模型来实现这两个目标:

• 常规分析模型区分可修部件和不可修部件，根据使用时间预测故障。这些模型利用历史故障时间数据来确定部件未来的故障。在制造商没有从传感器数据中获取详细信息的特权的情况下，这些模型被证明特别有用。
• 与复合模型不同之处在于导致零件失效的因素也被识别出来。这个特征是在常规分析模型的通常特征之上可用的。

对于制造商来说，接下来的问题是哪种模式更适合他们的特定需求。为此，有几个问题值得考虑。首先，数据的可用性是哪种模型合适的关键决定因素。当关于导致部件失效的事件的数据和关于部件失效本身的信息可用时，复合模型更适合。另一方面，当索赔数据是可检索的，传统模型往往更适合。

影响分析选择的其他因素是部件的性质——可修复或不可修复的故障预测得到完全不同的处理——以及部件生命周期的阶段(引入、成长和成熟或衰退)。

有了正确的模型，制造商可以将他们的预测性维护工作提升到一个新的水平。随着越来越多的参与者意识到这一点，我们将看到更智能、更有利可图、更高效的制造企业出现在该领域。

Ravishankar Kandallu塔塔咨询服务(TCS)。本文最初发表于工业互联网联盟(IIC)的博客．IIC是CFE媒体的内容合作伙伴。由制作编辑克里斯·瓦夫拉编辑，控制工程， CFE传媒，cvavra@cfemedia.com．

原始内容可以在blog.iiconsortium.org．

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。