预测性维护制造业制胜法宝

  制造业面临成本增加和增长下降两大难题。因此制造商一定要解决4个关键挑战：运营优化、成本节约、生产质量改善和需求预测。

  无疑数字化转型是制造业新的机会。不过要面对以上挑战，将一两个生产环节数字化只能起有限作用，一个完整的数字化解决方案则可以派上大用场。一个基于运营数据分析的稳健预测系统能够应对以上挑战，成为制造商未来的制胜法宝。

  今天我们介绍预测性维护在制造业中的应用，包括以减少相关成本改善操作和生产质量，以及预测未来的需求。

  预测性维护（PdM：Predictive Maintenance)是在正常运行期间监控设备性能和状态，以减少故障可能性的维护。预测性维修也被称为基于状态的维修，自20世纪90年代以来已在工业世界中得到应用。

  预测性维护的目标是能够首先预测设备何时有几率发生故障（基于某一些因素），然后通过定期计划和纠正性维护防止故障发生。

  制造业预测分析2018年至2026年的市场展望“2018年，制造业预测分析市场规模为5.35亿美元，预计到2026年将达到25亿美元，2019年至2026年的复合年增长率为21.7%。工业4.0的到来促进了制造业的实质性创新。（来源：Allied Market Research)

  预测性维护系统包括物联网、云、人工智能（AI）/机器学习（ML）、Web应用程序。

  系统是这样工作的。最初，数据将由安装在机器或资产上的物联网设备（感知器）收集。数据将在云端做处理，或以通知/警告或警报的形式与相关员工共享。处理后的数据将被输入AI/ML系统，以分析和预测某一时期积累的数据的结果(一般推荐至少1年的历史数据）。预测报告将与相关利益相关者共享，以作出必要的行动或决定。

  预测性维护系统对制造的好处基于捕获条件的实时数据准确采集提前预见和预测机器停机时间更高的透明度减少产品的延误提高生产计划性低维护成本预见的机器故障降低维修成本提高设备常规使用的寿命和利用率提升员工安全提升整体利润预估需求

  操作效率对制造的生产率和质量起着关键作用。由于这涉及到人、机器和技术，优化一切很重要。

  必须分析在不同水平（峰值、中等或正常）运行的机器的性能状态。只有当机器被充分的利用并发挥其最佳性能，才能实现最大的产量是可能的。要做到这一点，就必须监视每台机器的性能及其每一个可能的动作。

  物联网用于收集数据，并基于历史数据分析，识别和纠正运营中的故障或低效率。通过物联网预测维护系统，不但可以预测未来可能出现的问题。一般来说，OEE（整体设备效能）是通过物联网数据计算出来的，并对其做多元化的分析和改进，以提升整体运营的效率和效益。

  对于大多数制造公司来说，机器的非计划维护成本很高，因此就需要对其进行监控，以实现最大的产量。

  故障或有故障的机器会从两个方面影响制造业——首先，它们会降低产品质量；其次，它们会招致频繁的维修费用。因此，必须找到一种方法来发现机器的低效率，并在中断发生之前提高它们的性能，这在过去会耗费大量精力。

  有了预测性维护系统，从机器的每一个动作收集的数据将提供大量的数据，然后能够正常的使用AI/ML程序做多元化的分析，以确定机器的故障和故障。预测性维护系统提供有关资产当前状况、可用性、缺陷信息的数据，以帮助重新考虑生产计划。利用这种方法和数据趋势，可以尽早预见和预测机器的故障，以此来降低维修和人力成本。这可能会为你的企业节省数百万甚至上千万成本。

  尽管预测性维护或物联网不会对生产质量或生产率产生直接影响，但这两个因素的结合确实会对整体生产产生重大影响。因为物联网能够在一定程度上帮助简化机器、人和技术。一个预测性的维护系统将照顾到提高机器的效率——期望在生产质量和速度上的改善。

  以往制造商拥有大量的数据，但却缺乏洞察力，因此改进和提前规划的过程总是会出现纰漏。有了预测性维护系统，它可以无缝地根据历史数据预测未来几年可以做什么。

  由于预测性维护系统抑制了数据竖井，并在整个制造工厂中实现了100%的透明度。有了一个计划，并知道要期待什么——制造主管能提前做好计划，以实现用户的要求。不仅如此，可以很容易地确定机器的效率，员工和维修成本，以计划未来的可实现目标。

  预测性维护在制造业中有大量的使用案例，特别是在生产状态下的资产监控中。为了保持生产质量和产量，必须对不同条件下的作业性能进行监控。这些类型的资产应该被持续监控，以保持其良好的状态，即使是微小的故障或缺陷也会让公司损失高达数百万。

  有了预测性维护系统，可以无缝监控不同条件下的资产，获得的历史数据将有利于预测资产未来的表现，以及何时要换掉或维护。

  当资产需要替换时当有必要进行资产维护时多长时间会有效当它故障的时候是什么导致了故障与故障相关的风险是什么

  预测性维护ROI将功能性的预测性维护计划放在适当的位置可以产生显著的效果：ROI增加10倍，维护成本减少25%-30%，故障减少70%-75%，停机时间减少35%-45%。

  从上面讨论的内容来看，预测分析对制造商来说是一个法宝，因为这将降低维护成本，同时提高运营效率和生产质量，并帮助你规划未来的项目。

  预测性分析正在发展，作为预测性分析的最新成员，规范性分析正在行业领域中得到发展。后者是预测分析的子组件，提供导致设备故障的数据和改进故障或缺陷的建议。

  随着更多公司投资预测性维护系统，现在是时候决定跟上AI时代的步伐了。尤其是在你的竞争对手开始之前。

  特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

  非必要不做CT！Nature子刊：多国超94万人数据，每多做一次CT，患这种癌症的风险高43%

  妈妈晒女儿鲟埔女簪花装扮，转过来那一刻“美得不可方物”，请问 这么可爱的宝贝可以复制粘贴嘛

  萌娃练舞姿势不标准，老师来示范，可爱的她立即整改，模仿到位，老师笑倒：你怎能如此可爱