预测性维护在智能工厂中的应用

　　预测性维护(以下简称PdM)是一种主动维护策略，旨在于设备性能问题实际发生之前检测和解决它们。基于从传感器收集的数据，PdM系统不断监控和分析设备状况并对其运行进行预测。制造业是PdM最大的应用领域之一。

　　何为预测性维护？

　　以往制造商为了对应不断增长的需求会使用不同的维护策略，其中之一是反应性维护，它体现了一种“直到它坏了才修复它”的心态，但这容易导致计划外维护和停机时间的增加。与反应性维护不同的是，预防性维护允许在问题发生之前执行预定的维护活动，一定程度上增加了设备的使用寿命，但其缺点是前期的启动成本相对高昂，并且它仍然不能彻底消除设备或其组件可能随机损坏的风险。

　　预测性维护似乎是对制造商更好的解决方案，其底层架构通常包括数据采集和存储、数据转换、状态监测、资产健康评估、预测、决策支持系统和人机界面层。通过执行定期（离线）或连续（在线）设备状态监测来评估设备状态。该方法的最终目标是在维护活动最具成本效益且设备失去性能之前的预定时间点执行维护，这会降低因故障而导致的计划外停机成本。

　　目前常见的两种预测性维护方法：一是基于状态的预测性维护；另一种是使用机器学习进行预测性维护。

　　基于状态的PdM也称为状态监测系统，其指导思想在于依靠状态监测传感器。这些传感器不断收集有关设备的数据，然后根据预定义的协议在激活特定规则时发送警报。基于状态的PdM提供了一定程度的自动化，但是它仍然依赖团队对要监控的组件（例如，获取温度、湿度、振动、噪声、磁场和能耗数据等来支持优化调度决策）或环境事件的理解。

　　基于机器学习（ML）算法在制造中构建预测性维护，是基于ML的系统根据数据输入定义自己的一组规则。这种方式倾向于采用正确的数据并基于概率方法工作。ML模型使用历史和实时从IIoT传感器生成的数据进行学习，可以了解设备的正常行为，并能够检测异常数据和事件，借此帮助生产团队做出预测，以便及时采取行动以消除潜在的缺陷。此外，基于ML的预测性维护的模型可以动态调整以适应新数据，并实时了解正在发生的事情。

　　智能工厂中的预测性维护

　　在汽车行业装配线上，点焊枪每天进行约15,000次点焊。汽车制造商们通过连接其位于全球各地工厂的焊枪并收集其操作数据，可以获得数百万个数据点，从而对这些资产的状况和状态进行前所未有的准确性预测。

　　在家用电器制造中，干燥机生产过程中滚筒旋转的振动测量有助于预测故障。预测性维护应用程序能够消除其中33%的制造缺陷，并将消费者维护成本降低27%。

　　已经在其运营中实施PdM的三个全球制造商：

　　Frito-Lay（菲多利）休闲食品制造商：根据PepsiCo（百事）的子公司Frito-Lay经理在“2021年领先可靠性会议”上的介绍，使用预测性维护技术已帮助公司在原有基础上将计划停机时间减少到0.75%，将计划外停机时间减少到2.88%。得益于PdM，这家制造商还在一系列方面改善了运营。具体来说，该技术可以警告并防止PC燃烧鼓风机电机的故障。如果该公司没有及时做出反应，这一故障可能会导致整个薯片部门在未知的时间内关闭。

　　Mondi包装和纸张制造商：Mondi专门实施了预测性维护计划，以避免其位于德国慕尼黑工厂的塑料挤出机异常停机。根据Mathworks首席应用工程师Rainer Muemmler博士在PAW会议[1]中的说法，该设备的一次故障会使制造商损失高达50,000欧元的清理费用。预测性维护的引入则使Mondi节省了50,000至80,000欧元，这主要是由于降低了运营成本和机器产生的废物减少。

　　氧化铝制造设备：N o r a n d a Alumina LLC是一家专门从事氧化铝产品的生产商。该技术帮助该公司从2019年起节省了大约900,000美元的轴承采购成本并减少了停机时间。此外，该氧化铝精炼厂的另一项收购包括润滑脂完成率从2019年的67%增长到2021年的92%，制造商也将这归因于预测性维护的实施。

　　预测性维护的趋势和未来

　　与任何其他相对较新的技术一样，预测性维护已引起广泛关注。尽管如此，制造商仍在寻找PdM发展方向的趋势：

　　即插即用技术

　　在制造中引入先进技术（包括预测性维护方法）的瓶颈之一是它对旧设备的依赖。这个问题与大型公司尤其相关，因为这些公司的大部分机器都没有配备连接组件来发送实时信息。在这种情况下，PnP（即插即用）设备可能是最佳解决方案。因此，制造商可以使用PdM而无需更换旧设备。除此之外，即插即用技术不需要安装任何特定知识，因此任何企业都可以实施。

　　供应链合作

　　市面上另一个流行趋势是将预测性维护扩展到供应链管理，这为制造公司带来了新的好处；一方面，PdM不仅会监控资产寿命，还会考虑生产计划并选择维护活动的最佳时间；另一方面，该系统可以帮助制造商自动订购新零件以进行更换。

　　•热成像检查

　　由于热量是设备问题的最早指标之一，因此制造商开始使用红外PdM检查温度，使得热成像分析成为可能。该分析期望使用红外扫描仪来检测肉眼看不到的机器的磨损和生锈。使用ML后，热成像技术已经发展到可以在安全距离内对温度进行全面检查。通过红外温度测量并将此信息转换为图像。

　　•数字孪生与PdM策略相结合

　　数字孪生正在成为制造业中一种更为主流的技术，可帮助企业简化运营。如果制造商有其公司的详细虚拟版本，他们可以在引入之前测试流程，制定新设备安装计划等。

　　为了充分利用这项技术，可以将数字孪生与PdM相结合。例如在某机床行业展会中，德国CHIRON公司曾展示采用西门子控制技术的机床，其虚拟机床的控制系统与西门子的Sinumerik数控系统使用相同的语言代码。借助虚拟NC内核，可生成仿真和试运转的“数字孪生”，从而提前对程序和复杂运动序列进行虚拟测试。在执行数控程序时，就可以识别序列和程序错误以及机床与刀具的碰撞评估运动行为，并确定程序运行时间，以提高实体机床后续加工的精确度和可靠性，最大限度缩短调整时间。这些优势在小批次、定制化产品的生产中更为明显。

　　•PdM即服务

　　PdM即服务是一种更有趣的趋势，这种混合方法结合了专业的服务团队和软件，使制造商可以立即访问PdM，尤其受到原始设备制造商的重视。OEM为其他制造商生产零件和设备，而PdM即服务使他们能够从客户的设备中收集实时数据，从而改善他们的运营。

　　结语

　　预测性维护与其他类型的维护不同，因为它具有实时管理和优化维护任务的潜力。不过，对于很多制造商来说预测性维护的实施需要大型基础设施，代表着一定的前期投入。但预测性维护已经成为一项可以为许多公司带来成果和回报的策略。随着物联网和数字化转型的兴起，它将在预测故障方面更占主导地位、可访问性和有效性。

关注读览天下微信， 100万篇深度好文， 等你来看……