每一天，在每个制造环境中，故障和停机都会发生。当你使用执行重复任务的设备时，这就是现实。但问题是，当今市场上的制造业需要高效率和高质量的生产。在“准时生产”的生产环境中，仅一台机器的计划外停机就可能导致延迟，导致客户不满意，这些客户可能流失到竞争对手那里，并直接影响到公司的利润。
一个真正伟大的成长成果工业机构(物联网)是这样一个事实:机器数据可以用来限制成本和停机时间的影响，包括计划内和计划外。这也被称为预测性维护。
什么是预测性维护?
预测性维护或PDM，简而言之 - 是一种预测工厂地板机器维护要求的方法。通过从机器中分析操作数据，模式出现，这将允许运营商预测在任何给定的单元上需要维护时，允许其在较低昂贵的时间内进行计划。
过去，制造商会依赖被动维修，也就是“如果产品没坏，就不要修理”的方法。你可以想象，只有在机器坏了的时候维修机器是一笔巨大的成本，从两个方面来说意外停机时间以及对机器其他部件的潜在影响，以及该部件失败的输出的质量。
预测性维护依赖于从每台机器提取的特定信息，以检测潜在的问题。一个例子是振动分析．一个使用收集到的机器性能数据的基线的模型将能够检测到变化，比如某个特定部件的振动增加，这可能是由于损坏或外来物体的引入造成的。偏离基线可以让操作人员在问题变得严重，导致设备故障之前预测需要进行维护。
预测性维护的优点是什么?
从节省成本的角度来看，预测性维护的优势是不可低估的!
- 优化计划停机
- 减少计划外停机
- 优化设备生命周期
- 优化员工生产力
- 增加收入
我们将依次查看其中的每一个。
预测维护有助于优化计划的停机时间
计划的停机时间可以包括从机器清洗和加油到更换已知的定期故障部件的一切。这种预防性维护减少了计划外停机的风险。就像照顾你的电脑并清除病毒，或者保持家里其他电器的清洁一样，你会从一台保养良好的机器获得更高效、更好的输出。
由于在机器操作中收集的数据，可以定期安排预防性维护，有时这将对订单生产的影响最小。还有一个额外的好处是，对这一特性的充分维护将总是延长机器的寿命，而这将是困难和昂贵的，以更换。最大限度地延长组件的正常运行时间和使用寿命，最终将大大节省成本。
预测性维护限制了计划外停机时间
根据一项华尔街日报》据估计，工业制造商每年因计划外停机而损失500亿美元。在竞争激烈的制造业中，使用预测性维护来限制这一成本是至关重要的。
由于定期的预防性维护可以确保机器在大多数时间平稳运行，以数字方式监控机器会收集大量数据，当分析这些数据时，将显示出任何给定机器上的模式。这种基于历史数据的模式检测可以帮助识别可能发生停机的机器，并预先计划对其进行维护。
预测性维护有助于优化设备的使用寿命
随着时间的推移，能够监控机器的效率、输出和质量将揭示出一些数据，这些数据将识别机器何时需要维护，如上所述，但也将有助于识别机器何时达到寿命的尽头。
随着机器年龄并取决于其使用水平，维护计划将改变，可以通过预测维护来管理。机器的部件将随着时间的推移而响应不同的产生压力。通过数据模式预测的维护的最终增加将显示当机器达到成本与性能的提示点时。最终更换机器或整个单元的大部分，可以通过能够预测需要和计划，从而从成本/预算和时间/努力的角度来预测。
预测性维护可以帮助优化员工的生产力
预测性维护有很多方法可以优化员工的生产力。首先，我们来看看人工成本本身:在计划维修时，由于更换部件的次数较少，而不是更换整个设备，所以维修所需的时间减少了。同时，设备关键故障的维修频率将会降低，“关键检修”的数量将会大大减少。
从员工的角度来看，减少故障和事故避免系统可以警告甚至停止设备时，有一个工人的危险，可以显著改善工厂条件和减少工人受伤。此外,逆时，使用次优参数的操作不仅影响输出，而且影响员工士气。在出现时急于解决问题是强大的。预测性维护可最大限度地减少此类实例。
预测性维护可以帮助增加收入
我们在上面最后提到的预测性维护的优点都有相同的目标:提高底线。良好部件的维护较少，故障部件的维修速度更快，维修可以更有效地处理，从而减少维修时间。2015年，麦肯锡(McKinsey)对预测性维护等行业分析的潜力进行了最全面的研究，他们发现了以下改进的机会:
- 维护成本降低10-40%:由于计划维护是基于时间表的，所以在不需要维护的情况下会执行维护任务。预测性维护可以防止这种效率低下。
- 减少浪费10-20%:未被发现的次优操作可能导致生产浪费。在这种情况下，原材料、能源、劳动力成本和机器时间都被浪费了。预测性维护系统可以在问题出现之前发现可能导致浪费的问题。
- 发现了10-50%新的改进机会:一旦数据收集变得自动化，通过高级分析每天都可以发现关于流程优化机会的新见解。
如何实施预测性维护
现在很清楚，预测性维护是避免计划外停机和产生更高制造成本的可靠方法，问题是:如何实现预测性维护计划?
首先，找到你想要解决的问题的症结所在:
- 您更关心的是计划外停机还是组件故障的成本?
- 你所在楼层的机器是否更“重要”?例如:更频繁地使用，集中于更多的命令，等等。
然后，您需要评估您现有的状态，或者创建关于机器性能的数据基线。为此，您可以使用自己的标准、OEE标准或其他行业标准。检查每台机器，查看其历史性能水平:宕机的频率、哪些组件经常出现故障、当前计划的维护频率等。
其次，检查模式的历史数据，以及哪些度量将表明一个问题，偏离基线的什么应该标记一个操作符，等等。
最后,当你使用这些模式和数据,相对于基线性能度量,你需要学会一个过程不断更新数据和审查,以确保它继续反映现状和将国旗模式明显恶化信号需要维护。这是关键:你不能预测你不能分析的东西。准确的数据至关重要！
最小化意外停机时间，至少在机器的运作中，是一个巨大的成本节省，并会阻止延迟市场，这些市场也会影响底线。在今天的制造环境中，预测性维护并不是“很高兴”。这是必需品。
.svg)
注释