预测性维护利用数据来彻底改变操作

技术更新:关键是要根据洞察采取行动，以产生数据支持的预测性维护的全部好处。工厂数据是一个很大程度上尚未开发但功能强大的工具，设施管理人员可以利用它在整个工厂实施高效的维护制度，从单个机器到整个设施。

通过安迪·罗克斯堡 10月17日

工业设施管理人员不断面临压力，以改善工厂和操作环境的维护过程。麦肯锡(McKinsey)最近一份关于大数据的报告显示，制造过程产生的数据比其他任何来源都要多。这些数据是一个很大程度上尚未开发但功能强大的工具，设施管理人员可以利用它在整个工厂实施高效的维护制度，从单个机器到整个设施。

当数据被战略性地用作维护计划的基本支柱时，设施管理人员可以实现所谓的预测性维护(一种实时关联来自不同设备和机器的信息的维护技术，以便根据需要进行维护)，最大限度地减少停机时间，提高生产力，并消除进行不必要的维修所花费的时间和资源。

大多数制造设施都有机会通过实施预测性(而不是反应性)维护来大幅提高其底线，以降低整个设备生命周期的总拥有成本。这有助于促进资本支出(CapEx) vs.运营支出(OpEx)财务模型，优化能源使用，减少设备停机时间等等。

预测性维护的竞争优势

具有遗留甚至过时维护实践的设施通常会以运行停机、浪费能源和人力资本的形式产生不必要的成本。在传统的维护实践中，例行维护是有计划地进行的，这意味着操作人员很可能会浪费时间和资源来维护一台可能不需要任何关注的设备，或者换掉可能仍有使用寿命的设备。在传统的维护实践中，如果一台机器没有按计划进行维护，那么设备即将故障的迹象往往会被忽视。

另一方面，实施了预测性维护解决方案的设施根据需要进行机器和设备维护，其频率可能比常规定期维护计划规定的频率多或少。通过利用网络连接设备的基础设施，产生详细的运行参数数据，如能源使用、温度、输出速度和数量，操作员和工厂经理可以识别运行最佳或即将故障的设备。然后，操作员和设施管理人员可以就何时进行维护、使机器脱机或允许设备在当前状态下继续运行做出明智和有针对性的决定。

通过预测性维护，设施管理人员可以避免“虚拟停机”，即设备没有充分发挥其潜力，但其输出仍在正常的操作可变性范围内。例如，考虑一台电池制造设备，它以惊人的速度生产单元，吐出电池的速度比人们看到的还要快。三台机器可能有10%-15%的可变性，这可以落在正常的操作输出范围内。然而，当额外的数据点，如能源使用、运行时间和温度被监测时，操作员可以将机器的输出提高10%，并实现显著的成本节约。

数据:预测性维护的基础

网络、连接的设备以及数据的收集、监控和分析(也称为大数据)是预测性维护计划的基础。这种数据和数据驱动智能的基础设施被称为物联网(IoT)。由Gartner定义作为包含嵌入式技术的物理对象网络，物联网基础设施监控整个工厂的设备，以通信、感知或与内部状态或外部环境进行交互。然后，数据和信息可以提供给工厂经理和操作员，以便在他们的工厂中转向预测性维护范式。

预测性维护系统可以利用多种类型的数据，包括设备运行时间、温度、能源使用、输出等，以改善决策和操作。例如，消费品包装设施中的一台设备可能会继续保持稳定的纸巾产量，但就在它的能源消耗达到峰值之前。通过监控机器产生的能源使用数据，操作员可以在看到能源使用开始激增时，在机器故障之前进行干预。在日常维护中，机器会脱机，导致生产周期的意外中断。通过利用机器运行的当前数据，以及导致过去故障的运行条件的历史数据，操作员可以减少对设施更广泛运行的干扰。

从数据到预测性维护

实现预测性维护的路径是迭代的和多方面的。以下是开始在设施中实施预测性维护的三个关键步骤。

转移采购优先事项:利用数据、大数据和物联网进行预测性维护，需要具备生成运营数据能力的设备。联网设备正日益成为常态，但采购流程必须转变，优先考虑联网、联网机器的采购，而不是传统设备。这种转变可能会给组织带来挑战，因为与联网智能机器相比，没有网络功能的遗留设备可能意味着更低的前期成本。但是，通过利用其产生的数据来避免单个故障事件和随之而来的生产停机时间，可以潜在地抵消网络机器的额外成本。采购决策必须基于总拥有成本，而不是简单地考虑初始资本支出。
利用数据专家:一旦设施的设备联网来测量和监控数据，设施管理人员就可以与数据专家合作，以确保他们以最佳方式收集和使用数据。数据专家可以通过现场评估和虚拟评估来改进数据操作。网络设备收集的数据可以存储在云中，并通过基于服务的模型进行虚拟监控。当数据以虚拟方式存储时，通过数据专家的帮助和指导，可以访问、分析数据，并用于指导和实施预测性维护。这种与数据专家的虚拟即服务合作关系可以加速设施预测性维护计划的实施。
将正确的数据推送给正确的人:利用数据驱动智能实现预测性维护的一个关键方面涉及在工厂的组织结构中推送数据，以便对决策过程产生最大的影响。数据不应停留在特定的组织级别，而必须被推到工厂车间，供各个机器操作员使用。为了确保数据跨越一个组织并一直到达工厂车间，设施经理应该考虑让数据无处不在，就像他们通过智能手机上的推送通知接收数据一样。例如，在采矿、矿物和金属工业中，天气是实现预测性维护的关键因素。如果有适当的数据收集基础设施，以及优化分配数据的系统，设施经理可以提醒整个矿区的工作人员和操作人员，恶劣天气即将到来，而不需要个人监控天气预报。智能数据基础设施可以指示哪些设备可能受恶劣天气影响最严重，该设备的当前状况，以及在天气事件发生之前应该执行的特定维护流程。在任何行业，设施经理都应该确保数据到达底层或工厂车间，以便人们对其采取行动。这并不总是关于呼叫维护专家，而是关于赋予单个设备操作员所需的数据，以进行预测性维护，以优化性能。

预见性维护

全面的预测性维护计划可以带来显著的运营效益。有效实施预测性维护的工厂和设施管理人员可以获得显著的运营优势，并在其领域中成为具有竞争优势的领导者。一旦设施的设备联网，整个设施的利益相关者必须信任数据产生的见解。意想不到的见解可能会挑战关于最佳生产参数的假设，例如一天的时间、轮班操作员的性能等等。然而，关键是要根据这些见解采取行动，以产生数据支持的预测性维护的全部好处。

- Andy Roxburgh是施耐德电气系统和服务、工业业务副总裁。由CFE Media内容经理马克·t·霍斯克编辑，控制工程，mhoske@cfemedia.com．

关键概念