如何實施物聯(lián)網(wǎng)預測性維護解決方案

　　由于計劃外的停機時間和不良的資產(chǎn)質(zhì)量，制造業(yè)和加工業(yè)每年損失約200億至600億美元。大多數(shù)組織都充分意識到這一點，并表示提高正常運行時間是他們實施預測性維護計劃的主要目標。

　　預測性維護是一種維護計劃，可以監(jiān)測設備的性能和狀況，以減少故障發(fā)生的可能性。其目標是預測故障可能發(fā)生的時間，然后通過實施糾正性維護來防止故障發(fā)生。

　　預測性維護只有通過狀態(tài)監(jiān)測（在正常運行條件下對資產(chǎn)的持續(xù)監(jiān)測）才能成功。狀態(tài)監(jiān)測通過三個方面完成：在線監(jiān)測、定期監(jiān)測和遠程監(jiān)測。這些方面是通過實施紅外熱像儀、聲音監(jiān)測、振動分析和油分析等方法來實現(xiàn)的。

　　Reliable Plant公司希望了解全球各地的工廠正在使用哪種維護類型，以及維護人員如何看待與預測性維護相關的某些話題。為此，Reliable Plant對發(fā)電、石油、礦業(yè)、食品加工和造紙等20多個行業(yè)的近150名維護經(jīng)理和主管進行了調(diào)查，并詢問了他們當前的維護計劃。以下是一些主要發(fā)現(xiàn)：

　　▲76%的受訪者表示，他們目前使用預防性維護（比2018年的研究略有下降），而65%的受訪者目前使用預測性維護（比2018年的研究增加了11%）。

　　▲近60%的受訪者表示，他們使用被動式（從運行到故障）維護 （比2018年的調(diào)查增加了9%）。

　　▲與近10年前相比，維護人員仍然將振動、油和熱成像分析視為預測機器早期故障的最佳方法，其中62%的人僅關注振動分析。

　　▲關于與網(wǎng)絡連接的預測性維護，大多數(shù)受訪者最關心的是內(nèi)部技術人員缺乏（71%），其次是數(shù)據(jù)標準化問題（69%）。

　　▲只有略高于5％的人將基于互聯(lián)網(wǎng)的系統(tǒng)用于其預測性維護計劃。

　　您的工廠目前使用哪種類型的維護？

　　根據(jù)美國能源部的數(shù)據(jù)，實施預測性維護非常具有成本效益，比預防性維護節(jié)省了8％到12％的費用，比被動式維護節(jié)省了40％的費用。盡管如此，根據(jù)去年Plant Engineering進行的一項維護調(diào)查顯示，80%的維護人員仍然青睞預防性維護。同一份調(diào)查顯示，51%的工廠使用預測性維護。有了這些信息，我們希望了解受訪者當前使用哪種維護類型。

　　當被問及他們工廠目前正在使用哪種維護時，預防性維護比預測性維護更為常見，為76%，比去年略有下降。65%的維護人員使用預測性維護，比Plant Engineering的調(diào)查結(jié)果增加了14%。有趣的是，近60%的受訪者表示他們使用被動式維護（從運行到故障）。完善我們響應措施是主動性維護（監(jiān)測和控制根本原因）為40％，而規(guī)范性維護（監(jiān)測并列出解決問題的處方）為34％。

　　哪種技術可以為即將發(fā)生的機器故障提供最好預警？

　　2010年，機器可靠性解決方案公司AzimaAI進行的一項調(diào)查顯示，振動、油和熱成像分析（按此順序排列）是受訪者進行預測性維護計劃的主要組成部分。事實上，這三者被大量使用——振動分析占85％，油分析占75％，熱成像分析占71％。

　　在預測性維護工具方面，我們想知道在受訪者眼中哪種技術是最佳的預警監(jiān)測方法。巧合的是，這似乎與十年前AzimaAI的調(diào)查一致。超過一半（51%）的受訪者表示，振動分析是監(jiān)測潛在問題的最佳方法，其次是油分析（23%）和紅外熱成像（11%）。21%的受訪者表示超聲波和電機電流分析是最好的預測指標。

　　盡管大多數(shù)人認為振動分析提供了機器故障的最佳早期預警監(jiān)測，但油分析卻常常被人們所忽視。

　　Noria公司產(chǎn)品開發(fā)和LPD服務總監(jiān)Bennett Fitch表示：“在大多數(shù)情況下，油分析可以在振動分析之前提供故障跡象?！?/p>

　　您目前是否實時查看和分析預測性維護數(shù)據(jù)？

　　實時分析數(shù)據(jù)是預測性維護策略的最大好處之一。這些數(shù)據(jù)可以來自機器內(nèi)置的板載傳感器（通常是物聯(lián)網(wǎng)傳感器）的持續(xù)信息流，也可以來自能讓您看到潤滑油當前狀況的諸如油視鏡之類的工具。實時數(shù)據(jù)還可以來自紅外攝像頭和振動傳感器等裝置。然后，將結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)路由到可拓展的數(shù)據(jù)庫，在那里可以對其進行分析以形成維護計劃和調(diào)度任務。

　　被問及當前是否實時查看和分析預測性維護數(shù)據(jù)時，25%的受訪者表示他們不實時查看和分析列出的任何技術。20％的人僅分析一種技術，而在這些人中有62%最常使用實時振動分析。近55%的受訪者分析不止一種技術，最常見的組合是振動和紅外熱成像。結(jié)果如下：

　　▲振動分析：55%是，45%否

　　▲油分析：34%是，66%否

　　▲紅外熱成像：46%是，54%否

　　▲超聲波：34%是，66%否

　　▲電機電流分析：30%是，70%否

　　您對以下與連網(wǎng)預測性維護解決方案有關的問題有多關心？

　　在實施預測性維護時，與互聯(lián)網(wǎng)集成幾乎是必然的。大量基于條件的歷史數(shù)據(jù)需要在某個地方進行跟蹤，這很可能是通過集成企業(yè)資產(chǎn)管理（EAM）或計算機化維護管理系統(tǒng)（CMMS）軟件或其他類型的系統(tǒng)進行的。實際上，根據(jù)Plant Services的一項研究顯示，幾乎有一半維護人員使用集成的EAM / CMMS或Historian軟件來收集和跟蹤數(shù)據(jù)。

　　現(xiàn)代工廠設備比過去的設備更加智能，因為現(xiàn)在大多數(shù)機器都與基于互聯(lián)網(wǎng)的軟件交互，以提供和跟蹤實時數(shù)據(jù)。我們詢問了受訪者，哪一個最能代表他們工廠當前的預測性維護水平：基于計算機的、基于SCADA的、基于無線的、基于互聯(lián)網(wǎng)的，或者沒有。有點令人驚訝的是，只有大約5.5%的受訪者說他們使用基于互聯(lián)網(wǎng)的系統(tǒng)。（來自物聯(lián)之家網(wǎng)）大多數(shù)人（65%）說他們使用基于計算機的系統(tǒng)，而大約4.9%的人使用基于SCADA的系統(tǒng)，或者沒有上述系統(tǒng)（19%）。將近89%的工廠沒有使用基于互聯(lián)網(wǎng)或無線連接的系統(tǒng)。出現(xiàn)這種情況的一個可能原因是缺乏熟練的工作人員。

　　根據(jù)2019年Plant Services進行的勞動力調(diào)查顯示，截至2018年，尋找熟練工人填補空缺職位一直是受訪者的第一大挑戰(zhàn)，其次是缺乏知識獲取/再培訓/提高技能。在過去的十年中，這個問題似乎沒有得到改善。根據(jù)Azima 2010年的一項調(diào)查顯示，人員不足、內(nèi)部專業(yè)知識不足和培訓不足是成功進行預測性維護計劃的三大障礙。

　　Reliable Plant公司希望了解維護經(jīng)理和主管對物聯(lián)網(wǎng)預測性維護解決方案的最大擔憂，并詢問了與安全、信息技術（IT）集成、投資回報、數(shù)據(jù)可移植性、內(nèi)部熟練人員缺乏、供應商能力不足和數(shù)據(jù)標準化相關的問題。（來自iothome）受訪者最大的擔憂是缺乏內(nèi)部專業(yè)人員（71%的受訪者表示擔憂或非常擔憂）。這比10年前增長了11%，但仍然是最受關注的問題。

　　在實時監(jiān)測不止一種技術的受訪者中，大多數(shù)人關心或非常關心該技術如何與IT集成。最后，對于那些當前尚未進行實時監(jiān)測的人來說，數(shù)據(jù)標準化是最大的問題。