什么是预测性维护？
预测性维护，也称为基于状态的维护，是指在正常运行期间进行性能监控和设备状态监控，以减少故障发生的几率。各制造商从九十年代开始使用预测性维护。
预测性维护的主要目标是根据某些参数和因素预测设备故障。一旦预测到，制造商就会采取必要的措施，通过纠正性或计划性维护来防止这种故障。
没有状态监测，就不可能存在预测性维护。机器在实际工作条件下进行持续监控，以确保资产优化。与任何维护策略一样，预测性维护的目标是：
- 通过提高资产可靠性，减少故障发生并最大限度延长资产正常运行时间
- 通过减少维护工作来优化运营成本
- 通过降低维护成本和最大限度延长生产时间来改善维护预算
预测性维护技术
没有任何单一的技术可以涵盖所有的预测性维护。但是，制造商可以使用许多状态监测设备和技术来有效地预测故障，并在需要维护时发出警报。
红外热成像
红外热成像是一种广泛用于预测性维护的非侵入式测试技术。使用红外摄像头，维护人员可以发现设备温度高于正常的情况。磨损或电路故障的组件往往会发热，这在热像上显示为热点。红外线检测可以及早发现这些热点并修复设备，从而减少出现更大问题的机会。红外线是一种通用技术，可用于各种机械和基础设施项目。
声学监控
通过声学监测，维护人员可以检测设备因气体排放、液体或真空泄漏发出的声波和超声波级别的声音。超声波技术的应用远远超过声波技术，而且可能更昂贵；但是，对于机械而言，它是一种更加可靠的技术。当然，这些技术对技术人员耳朵这一最佳工具起到了补充作用。声波和超声波技术可以辅助常规听觉，更好地检测变速箱声音不正常的原因或可能发生泄漏的地方。
振动分析
振动分析用于高速旋转设备。技术人员使用手持设备或设备中的实时传感器来监控设备的运行情况。当机器达到峰值时，会发出特定的振动节奏。当组件开始磨损时，振动会发生变化，出现新的模式。通过持续监测，训练有素的技术人员可以将振动模式读数与已知的故障可能性进行匹配，并尽早解决问题。
振动分析可以检测不对准、轴变形、元件不平衡、机械部件松动和电机问题。由于预测振动分析非常复杂，因此需要对技术人员进行良好的培训才能完成这项工作。振动分析的主要障碍是其高昂的成本。
油品分析
油品分析是预测性维护的有效工具。通过检查油液状况，技术人员可以确定是否存在污染物。油品分析可确定粘度、水分和颗粒数量，并确定酸碱值。油品分析的主要好处是，其初始测试结果可作为任何新机器和维护的基准。
其他预测性维护技术
预测性维护还采用了其他几种技术，例如电机状态分析、涡流分析等。电机状态分析概述了电机的运行状况。涡流分析发现管壁厚度的变化。其他有助于预测性维护的技术包括管道镜检查、计算机化维护管理系统、数据集成和状态监测。为您的组织选择合适的解决方案对于成功至关重要。
预测性维护的工作原理
以下是启动预测性维护计划的步骤：
- 分析设备的历史记录以及对预测性维护计划的需求
- 查看有关停机时间、设备故障、生产和能源损失、法规罚款和工作场所安全等级的所有记录
- 提高主要利益相关者对预测性维护需求的认知，并为运营和维护团队提供支持
- 评估设备库存并评估设备状况
- 选择要包含在计划初始实施中的设备
- 创建单个系统及其组件的详细记录
- 评估任何预先存在的预防性或预测性维护方案
- 确定预测性维护计划的频率和计划
- 确定所有阶段的人员角色并评估资源需求
- 组织程序并将其与调度系统集成
- 创建计算机化的维护管理系统 (CMMS)
预测性维护计划的主要要素是使用预测公式和物联网的基于状态的诊断：
状态监测传感器
监控机器并提供实时数据的传感器是预测性维护的重要组成部分。技术人员可以评估传感器数据，以实时确定机器的效率及其磨损情况。这些传感器可以完成人类无法做到的事情，即在不中断操作的情况下从设备内部跟踪维护需求。许多参数定义了传感器的功能，并且它们因机器而异。参数通常利用振动分析、噪声和温度分析、压力和油位分析，甚至电流和腐蚀来定义函数。
物联网 (IoT)
这些传感器会收集大量数据，与物联网相结合后，此类数据就可以进行收集和共享。预测性维护在很大程度上取决于将资产连接到集中式信息存储系统的各种传感器。这些连接枢纽可通过无线局域网进行连接，或者利用云技术。
在这个集中的空间中，资产可以通信、协同工作、分析数据并推荐任何行动方案。有了这种交换信息的能力，预测性维护才得以高效。
预测性公式
借助预测性公式，预测性维护得到进一步发展，不再仅仅局限于基于条件的护理。预测算法会分析收集到的数据，并确定趋势以报告资产何时需要修理、维修或更换。这些算法基于预先确定的规则，这些规则不断将资产的当前行为与其预期行为进行比较。任何偏差都表明情况可能恶化。此时，技术人员可以进行干预，防止大规模故障。
预测性维护的好处
预测性维护有几个好处：
降低维护成本
预测性维护可以降低维护操作的成本。当组织必须投资于发生重大故障时所需的劳动力、维护、更换部件、工具和设备成本时，这一点尤其重要。
减少机器故障
关于减少机器故障的研究很多。定期监控机器和系统可以降低意外大规模故障的几率。在实施预测性维护计划两年后，机器故障的频率和性质通常会降低。
减少停机时间
有了预测性维护，维修设备所需的时间就减少了。定期监控和分析机器状况，有助于维护人员找到所有机器上的故障部件，并快速解决问题。这可以减少停机时间，在许多情况下可以完全防止停机时间。
减少库存
通常，公司必须对各种零部件进行大量库存投资，这可能会锁定资本。如果不及快使用零部件，它们的质量就会下降，可能会浪费。与其预先保持大量零部件库存，不如在需要时订购零件，这样可以降低库存成本。
延长机械的使用寿命
检测机械问题（在变成灾难性故障之前）可以延长机器的使用寿命。制定基于状态的预测性维护计划可确保设备永远不会达到严重损坏的阶段。设备的使用寿命越长，可确保组织得到更好的投资回报。
平均故障预测间隔时间
预测性维护的另一个好处是能够预测平均故障间隔时间 (MTBF)。这是指在此时间范围内更换机器最具成本效益。一些公司倾向于使用一台设备，对其出现的故障进行多次维修，他们错误地认为新设备是一项昂贵的投资。能够在机器寿命结束时更换机器，可以避免使用破旧机器产生高昂的维护成本。
提高产量
基于状态的预测性维护计划需要有强大的过程系统作为后盾，这可以提高计划的效率。包括参数监控在内的全面预测程序可以提高运营效率，进而提高产量。
提高操作员的安全性
通过预测性维护，可以发出预警信号，以防止机器故障造成伤害。许多保险提供商认可使用基于状态的预测性维护计划的制造商并为其提供优惠。实施该计划可以在不影响承保的情况下降低保险成本。
维修验证
在修复一个问题时，维修可能会损坏机器的其他零部件。使用振动分析，维护团队可以在维修后检测出任何异常行为。借助预测性维护，公司可以分析数据以计划和组织定期维护停机，从而最大限度地利用机器停机时间。
利润增加
预测性维护管理可改善制造运营和加工工厂。基于条件的管理系统带来的价值远超过该计划的成本。借助预测性维护技术，公司可以降低每年的运营成本并降低风险。
预测性维护的挑战
预测性维护计划可延长设备的使用寿命，并减少（或完全防止）可能导致业务网络出现错误或延迟的停机时间。一旦正确实施，预测性维护系统可帮助机器预测各种可能的故障。
在实施的早期阶段，可能难以将程序自动化与现有机制和企业资源规划系统联系起来。但是，随着技术的飞速发展，这些挑战中的大多数已不再是问题。机器、传感器、连接的设备和员工之间的无缝通信成为可能，从而使系统更加高效。视觉界面缩小了人与机器之间的距离。这些界面采用数据可视化仪表板或工作流警报的形式，可以是操作项、触发警报或各种报告。
借助新技术，维护经理可以确保物联网传感器实时收集可靠的数据。高质量数据对预测性维护计划的有效性起着重要作用。
预测性维护的未来
实施预测性维护计划可能存在一些障碍；但是，它仍然是维护不可或缺的一部分。所有成功解决集成问题并实现流程自动化的制造商都可以获得丰厚收益和竞争优势。所有希望在未来保持相关性和功能性的制造商都必须采用预测性维护实践。