預(yù)測(cè)性維護(hù)是一種預(yù)防代價(jià)高昂的制造設(shè)備故障的方法，它可以通過(guò)分析整個(gè)生產(chǎn)過(guò)程中的數(shù)據(jù)來(lái)提前查明異常行為，以確保可以采取適當(dāng)?shù)拇胧﹣?lái)避免長(zhǎng)時(shí)間的生產(chǎn)停機(jī)。

在制造環(huán)境中廣泛采用IoT之前，專(zhuān)業(yè)人員和機(jī)器操作員必須經(jīng)常定期安排維護(hù)時(shí)間，以便確定可能需要維修的內(nèi)容。

[[329654]]

是什么讓預(yù)測(cè)性維護(hù)如此重要?

人們認(rèn)為，所有手動(dòng)安排的機(jī)器維護(hù)中有一半實(shí)際上是徒勞的?？紤]到這種形式的維護(hù)還占用了大量資源，時(shí)間和生產(chǎn)力，因此，許多生產(chǎn)專(zhuān)業(yè)人士已從這種方法轉(zhuǎn)向工業(yè)4.0方法就不足為奇了。

利用物聯(lián)網(wǎng)技術(shù)來(lái)監(jiān)視生產(chǎn)線上的機(jī)器狀況、簡(jiǎn)化維護(hù)計(jì)劃并收集實(shí)時(shí)數(shù)據(jù)，這意味著制造商可以降低成本，最大化產(chǎn)量并提高產(chǎn)品質(zhì)量。

預(yù)防性維護(hù)與預(yù)測(cè)性維護(hù)

早在互聯(lián)網(wǎng)出現(xiàn)之前，制造企業(yè)就一直在進(jìn)行預(yù)防性和預(yù)測(cè)性維護(hù)。但是，了解這兩種維護(hù)之間的區(qū)別仍然很重要。

預(yù)防性維護(hù)依賴于目視檢查和常規(guī)的機(jī)械健康檢查。然而，這只能在設(shè)備的工作狀態(tài)中提供有限的范圍，因?yàn)楣こ處熤荒苄迯?fù)已經(jīng)發(fā)生的故障，而不是將要發(fā)生的故障。

預(yù)測(cè)性維護(hù)使用分析方法，利用實(shí)時(shí)和歷史數(shù)據(jù)突出顯示機(jī)器沒(méi)有正常運(yùn)行的地方，以便提前修復(fù)。

預(yù)測(cè)性維護(hù)的工作原理

為了使用預(yù)測(cè)性維護(hù)解決方案來(lái)監(jiān)控設(shè)備，需要以下工具包：

• 用于收集機(jī)器或產(chǎn)品數(shù)據(jù)的傳感器。
• 需要數(shù)據(jù)傳輸，以使通信系統(tǒng)將安全數(shù)據(jù)從機(jī)器移至數(shù)據(jù)存儲(chǔ)系統(tǒng)。
• 數(shù)據(jù)存儲(chǔ)系統(tǒng)是在現(xiàn)場(chǎng)或通過(guò)云收集和存儲(chǔ)信息的中央樞紐。
• 預(yù)測(cè)性數(shù)據(jù)是一種分析性數(shù)據(jù)，它將算法應(yīng)用于存儲(chǔ)的數(shù)據(jù)，以便更好地理解機(jī)器應(yīng)該如何工作，以及在故障發(fā)生前它可能在做什么。然后，這些數(shù)據(jù)以警報(bào)和報(bào)告的形式提供給操作員。
• 工程師和專(zhuān)家使用根本原因分析來(lái)調(diào)查和決定哪種行為是最合適的。

機(jī)械上的數(shù)據(jù)通過(guò)通信路徑從傳感器傳輸?shù)街醒氪鎯?chǔ)區(qū)域。 然后，將來(lái)自MES系統(tǒng)的數(shù)據(jù)集成到中央數(shù)據(jù)存儲(chǔ)系統(tǒng)中，以提供更高級(jí)別的生產(chǎn)機(jī)械數(shù)據(jù)。

一旦將預(yù)測(cè)數(shù)據(jù)應(yīng)用于此，就可以提供有關(guān)如何減少機(jī)器停機(jī)時(shí)間的分析。

為了有效地部署預(yù)測(cè)性維護(hù)系統(tǒng)，用戶必須首先評(píng)估每臺(tái)機(jī)器的故障可能意味著什么。這應(yīng)該將制造資產(chǎn)、傳感器數(shù)據(jù)、通信程序、預(yù)測(cè)分析和儀表板警報(bào)匯總在一起。

使用可視化系統(tǒng)，工程團(tuán)隊(duì)將能夠以圖形形式查看生產(chǎn)線。這應(yīng)該包括數(shù)據(jù)流、儀表板和系統(tǒng)邏輯(其中一組規(guī)則將在發(fā)現(xiàn)異常時(shí)進(jìn)行監(jiān)視和警報(bào))，以產(chǎn)生有關(guān)系統(tǒng)應(yīng)如何有效運(yùn)行的藍(lán)圖。

從這里開(kāi)始，任何歷史機(jī)器數(shù)據(jù)或預(yù)測(cè)分析都可以應(yīng)用到藍(lán)圖中，以在發(fā)生故障之前預(yù)測(cè)機(jī)器的行為。

預(yù)測(cè)性維護(hù)的優(yōu)勢(shì)

當(dāng)企業(yè)使用預(yù)測(cè)性維護(hù)時(shí)，該組織有兩個(gè)巨大的優(yōu)勢(shì)，包括：

• 減少機(jī)器停機(jī)時(shí)間。自動(dòng)執(zhí)行戰(zhàn)略性維護(hù)計(jì)劃已被證明可以減少20-50%的維護(hù)時(shí)間，同時(shí)將相關(guān)的維護(hù)成本降低約5-10%。
• 保持效率。依靠分析數(shù)據(jù)來(lái)提高機(jī)械效率，這意味著不再需要不必要的維護(hù)。 這意味著可以延長(zhǎng)機(jī)器的使用壽命，并且可以在不使用機(jī)器時(shí)安排對(duì)發(fā)現(xiàn)的任何問(wèn)題進(jìn)行維修。

制造業(yè)如何使用預(yù)測(cè)性維護(hù)?

在過(guò)去的幾年中，制造企業(yè)已在各種情況下實(shí)施了預(yù)測(cè)性維護(hù)解決方案，從工廠范圍的實(shí)施到對(duì)單個(gè)關(guān)鍵機(jī)器零件的監(jiān)控。

對(duì)于大規(guī)模生產(chǎn)產(chǎn)品的組織(例如食品或玩具)而言，預(yù)測(cè)性維護(hù)是減少產(chǎn)品缺陷并消除浪費(fèi)的絕佳方法。

這就是所謂的“質(zhì)量4.0(Quality 4.0)”，通過(guò)實(shí)施這樣的解決方案，工廠里的人可以看到什么時(shí)候生產(chǎn)的不合格品會(huì)超過(guò)他們的閾值，以及可能的原因。

對(duì)于那些生產(chǎn)零件和機(jī)械的人來(lái)說(shuō)，預(yù)測(cè)性維修的常用方法是設(shè)置技術(shù)來(lái)監(jiān)視和檢查運(yùn)動(dòng)設(shè)備和電機(jī)的狀態(tài)。生產(chǎn)力、電力、健康狀況和內(nèi)部磨損都受到監(jiān)測(cè)。

通用行業(yè)預(yù)測(cè)性維護(hù)物聯(lián)網(wǎng)方法

有兩種常用的預(yù)測(cè)性維護(hù)方法，即機(jī)器學(xué)習(xí)和基于規(guī)則。

1. 基于規(guī)則

這也稱為狀態(tài)監(jiān)視。一旦激活了特定規(guī)則，此方法將使用傳感器收集傳感器數(shù)據(jù)并基于預(yù)定義設(shè)置發(fā)送警報(bào)。

基于規(guī)則的維護(hù)意味著生產(chǎn)團(tuán)隊(duì)必須與工程和客戶服務(wù)部門(mén)緊密合作，以了解可能最終導(dǎo)致機(jī)器故障的原因和因素。

一旦確定了這些原因，就可以創(chuàng)建系統(tǒng)的虛擬模型，該模型會(huì)映射出IoT組件如何確定這些原因和行為。

例如，如果溫度讀數(shù)低于或高于被認(rèn)為可以接受的讀數(shù)，系統(tǒng)可以向儀表板發(fā)送警告，然后由能夠在發(fā)生進(jìn)一步損壞之前解決問(wèn)題的人員選擇儀表板。

雖然這種方法確實(shí)提供了某種程度的自動(dòng)和預(yù)測(cè)性維護(hù)，但它仍然依賴于對(duì)必須監(jiān)測(cè)哪些機(jī)械和環(huán)境狀況的理解。

2. 機(jī)器學(xué)習(xí)

工業(yè)人工智能可以應(yīng)用于預(yù)測(cè)性維護(hù)，就像它可以應(yīng)用于制造過(guò)程的幾乎所有其他方面一樣。

盡管相對(duì)而言，我們才剛剛開(kāi)始理解和使用這種技術(shù)，但世界各地的許多企業(yè)都看到了機(jī)器學(xué)習(xí)的巨大好處。

AI是與預(yù)測(cè)性維護(hù)解決方案一起工作的理想合作伙伴。

它為用戶提供了一系列技術(shù)，可幫助他們理解和分析在制造過(guò)程中收集到的大量數(shù)據(jù)，以使他們產(chǎn)生有助于維持生產(chǎn)水平的準(zhǔn)確、可操作的見(jiàn)解。

這些通常稱為機(jī)器學(xué)習(xí)算法。

什么是機(jī)器學(xué)習(xí)算法?

在預(yù)測(cè)分析中使用的人工智能和機(jī)器學(xué)習(xí)主要有兩種類(lèi)型：有監(jiān)督和無(wú)監(jiān)督。這兩種方法都很有用，具體取決于場(chǎng)景以及測(cè)試和歷史數(shù)據(jù)的可用性。

預(yù)測(cè)性維護(hù)中的高級(jí)AI算法用于了解機(jī)器的運(yùn)行方式。然后，此信息將用作識(shí)別性能實(shí)時(shí)波動(dòng)的準(zhǔn)繩。這些算法必須具有歷史或測(cè)試數(shù)據(jù)以及輸出數(shù)據(jù)，以分析諸如溫度、壓力、發(fā)動(dòng)機(jī)轉(zhuǎn)速和組件狀況之類(lèi)的內(nèi)容。

隨著物聯(lián)網(wǎng)的不斷發(fā)展，企業(yè)開(kāi)始在制造業(yè)中采用工業(yè)4.0的方法。人工智能和ML的進(jìn)步將有助于預(yù)測(cè)維護(hù)，最終為企業(yè)提供一個(gè)極大的優(yōu)勢(shì)，超過(guò)任何沒(méi)有向工業(yè)4.0邁進(jìn)的企業(yè)。