对于离散制造商来说，机器是生产的命脉。如果设备维护得当，那么就可以实现高效生产、低成本、准时交货和提高客户满意度。

公司继续依赖广泛的平均值和预期来制定维护日历。例如，每30天维护一次设备，或根据历史平均水平(或根据OEM推荐)每100个部件维护一次设备。

设备使用、零件故障、工具磨损、振动和其他设备状况等复杂性在部署维护时从来没有考虑过。

通过连接操作，可以确保设备性能和运行状况数据影响维护活动。这确保了维护活动只在必要时进行，减少了昂贵的过度维护的可能性，同时确保避免设备故障。

怎么做?通过捕获实时和历史机器数据，实现更有效的维护程序。

通过自动捕获、标准化和实时上下文化机器数据，可以设计维护程序以优化维护设备。下面，我们将探讨机械数据平台MachineMetrics如何为您的计算机化维护管理系统(CMMS)和整个维护计划增加显著价值。

机器数据如何优化维护

计算机化维修管理系统的价值由于从机器收集的数据的数量和质量而显著提高。从历史上看，这是由维护技术人员手动监控设备、记录故障并执行维护工作命令来完成的。

问题是，手动收集的数据不仅浪费了运营商和维护团队的时间，还会导致数据延迟、不准确，难以采取行动。

进入MachineMetrics平台，它可以自动收集机器数据，对所有制造商和型号的设备进行标准化，为其添加上下文，并通过通知和可视化将其立即交付给一线用户，或进入管理系统，如CMMS。

现在，关于机器性能和状况的实时、准确的数据可以用于有效地部署维护，甚至可以开发模型来预测何时会发生故障。

让我们来探讨一下机器数据对您的维护程序的价值:

把维护策略

当使用MachineMetrics平台处理机器数据时，它会生成洞察，从而允许CMMS实现最佳性能。然后可以根据实时数据和机器的实际磨损情况制定维护计划。

这意味着可以将机器运行状况的策略设计为主动的和可预测的，而不是基于日历的或被动的。这些机器运行状况数据还包括诊断数据和见解，使管理人员和技术人员能够在部件出现故障之前作出响应。这减少了停机时间，并消除了对机器更大损坏的风险。

• 古老的学校:反应性/纠正性或基于日历
• 新学校:主动或基于条件
• 未来的学校:预测的或规定的

资源管理

维护经理知道与监督他们的项目相关的许多变量，从他们的内部员工，到所需的劳动力和轮班，到执行例行维护所需的部件和液体，到设备的质量和寿命。

幸运的是，他们有适当的CMMS系统来帮助管理所有这些部分，确保可以尽可能有效地使用他们所支配的资源。但是，他们通常依靠手动收集的维护日志和OEM建议来运行程序，而不是实际的生产数据。通过将机器数据推入CMMS，可以做出更好的决策

CMMS中可以使用哪些数据?作业、停机事件、零件计数、OEE、机器诊断、环境条件等。

这如何帮助CMMS和维护经理有效地分配资源?

• 更好地理解支持设施所需的人员
• 建立支持预期维护的计划
• 预测与日常维护相关的成本，如零件和液体的成本
• 管理设备的生命周期，以证明资本投资的合理性

工作订单管理

维护团队可以立即从基于日历的方法转移到使用机器数据的基于条件的维护。

MachineMetrics工作流程允许公司从整体上看他们的整体维护。这意味着要全面了解情况和健康状况，利用洞察力做出正确的决定。

下面是一些直接影响维护执行方式的关键特性，以及如何将MachineMetrics与CMMS结合使用，或作为独立的维护解决方案使用:

• 自动化:当满足一个机器事件(如警报、停机时间或条件阈值)时，自动化工作流可以立即在CMMS中创建一个工作请求或工作订单。(从这里视频)
• 通知和提醒:无论您是否使用CMMS，机器数据都可以用于在给定条件发生时自动向正确的人发出警报，例如机器停机。例如，可以向维护经理发送电子邮件或文本。
• api和集成: MachineMetrics与几个CMMS有原生集成，例如MaintainX，FiiX,保养，以及非维修系统，如ERP和MES系统。
• 实时机器数据: MachineMetrics捕捉全面的、实时的机器数据——如警报、状况和周期计数——这些数据表明机器何时需要维护。当故障迫在眉睫时，可以立即通知合适的人。

报告和分析

CMMS系统确实具有报告功能，允许经理深入并更好地了解工厂、设备和员工的表现。这可以进行深入分析，例如团队解决一个故障需要多长时间，以及哪些工作订单是未完成的。

但是，尽管这些工具看起来是定制的和复杂的，它们不可能提供高度准确的数据，这可能导致错误的假设和糟糕的决策。

由于维护的核心是“保持机器运行”，CMMS系统必须拥有由设备本身提供的健壮数据集。只有直接来自设备的数据才能完整地反映机器利用率、停机时间、MTBF、OEE等信息。这将帮助维护团队建立基准并优先考虑最大的机会．

使用MachineMetrics来收集和分析实时机器状态，并在您的CMMS中自动创建工作订单，以自动化维护活动。

数据驱动维护的步骤

在工业互联网和物联网时代，维护策略正在迅速成熟。它们提供了更高的价值，为流程优化提供了额外的路径，并提供了更高的效率。以下是实现数据驱动维护程序的几个步骤。

1.数据收集

数据收集是物联网工业维护解决方案的驱动因素。许多碎片化的解决方案需要设备、软件和连接硬件．MachineMetrics是跨越恶劣工业环境和任何OEM和代工设备的唯一解决方案。使用MachineMetrics设备，数据捕获设备的安装是快速和直观的-它开箱即用。此外，它是可扩展的，通过本机集成和api，允许其他系统(如CMMS)使用数据。

2.检测

检测机器性能和运行状况对成功至关重要。MachineMetrics允许数字和模拟传感器的连接。它可以捕捉PLC数据并将其标准化，以包括传感器测量、报警、速度、负载、进给率等。由于MachineMetrics设备通过以太网、Wi-Fi甚至蜂窝网络处理数据，因此检测非常可靠。从分析平台返回的实时数据为用户提供了在机器条件允许时快速采取行动的能力。

3.预测

每个制造企业的需求都是不同的。而状态监测而且预见性维护使用基于人工智能驱动的高级分析和机器学习的预测，数据驱动的维护程序的圣杯是规范性维护。基于机器历史数据、实时状态监测和深入分析变量(如油寿命、振动和高频数据)的场景的价值不能被夸大。这些高度准确、相关和可操作的预测使MachineMetrics平台脱颖而出。

4.卫生行政

数据驱动的维护不仅仅是解决机械问题。它是关于保持整个工厂或车间的健康。驱动预测和管理检测的高级分析同样提供了按班次、小时和产品类型的机器健康状况的深度可视化。这使维护人员和管理人员能够进一步完善其维护策略，并在问题和故障发生之前保持良好状态。

当涉及到数据驱动的维护时，少即是多

传统上，多年来，公司在维护策略上花费了无数美元。在大数据的力量使另一条路径成为可能之前，这些美元来自高零部件成本、不必要的停机时间和其他变量。

数据开启了一种更简单、适应性更强的维护方法。通过数据驱动的维护，维护经理掌握了实时数据和见解。他们可以自信地做要求，没有额外或短缺。更低的零件保存成本，更长的刀具寿命，更准确的在最佳时间更换意味着更高的生产率，更低的成本和更高的效率。

其结果是维护由几兆字节驱动，而不是数十亿美元。这意味着员工接受过使用数据来理解工厂机器的培训，这在以前是不可能的。这意味着使用数据来运行制造维护，而不是使用维护来生成数据。

使用数据驱动维护提高性能

公司采用机器数据平台之类的MachineMetrics可以提高效率，降低成本，解锁隐藏的产能。他们甚至可以使用相同的系统来改善他们的整体机器健康状况，并构建一个数据驱动的维护程序。

MachineMetrics可以帮助您利用准确的数据为CMMS增加显著的价值，或者更有效地管理维护。通过利用实时数据和对机器状况的可操作的洞察，公司可以将其维护性能提高到从未达到的水平。