如何实施物联网预测性维护处理方案

发布时间：2022-06-22 16:29:51 所属栏目：交互来源：互联网

导读：由于计划外的停机时间和不良的资产质量，制造业和加工业每年损失约200亿至600亿美元。大多数组织都充分意识到这一点，并表示提高正常运行时间是他们实施预测性维护计划的主要目标。预测性维护只有通过状态监测（在正常运行条件下对资产的持续监测）才能成功

由于计划外的停机时间和不良的资产质量，制造业和加工业每年损失约200亿至600亿美元。大多数组织都充分意识到这一点，并表示提高正常运行时间是他们实施预测性维护计划的主要目标。

　　预测性维护只有通过状态监测（在正常运行条件下对资产的持续监测）才能成功。状态监测通过三个方面完成：在线监测、定期监测和远程监测。这些方面是通过实施红外热像仪、声音监测、振动分析和油分析等方法来实现的。

　　当被问及他们工厂目前正在使用哪种维护时，预防性维护比预测性维护更为常见，为76%，比去年略有下降。65%的维护人员使用预测性维护，比Plant Engineering的调查结果增加了14%。有趣的是，近60%的受访者表示他们使用被动式维护（从运行到故障）。完善我们响应措施是主动性维护（监测和控制根本原因）为40％，而规范性维护（监测并列出解决问题的处方）为34％。

　　哪种技术可以为即将发生的机器故障提供最好预警？

　　2010年，机器可靠性解决方案公司AzimaAI进行的一项调查显示，振动、油和热成像分析（按此顺序排列）是受访者进行预测性维护计划的主要组成部分。事实上，这三者被大量使用——振动分析占85％，油分析占75％，热成像分析占71％。

　　在预测性维护工具方面，我们想知道在受访者眼中哪种技术是最佳的预警监测方法。巧合的是，这似乎与十年前AzimaAI的调查一致。超过一半（51%）的受访者表示，振动分析是监测潜在问题的最佳方法，其次是油分析（23%）和红外热成像（11%）。21%的受访者表示超声波和电机电流分析是最好的预测指标。

　　被问及当前是否实时查看和分析预测性维护数据时，25%的受访者表示他们不实时查看和分析列出的任何技术。20％的人仅分析一种技术，而在这些人中有62%最常使用实时振动分析。近55%的受访者分析不止一种技术，最常见的组合是振动和红外热成像。结果如下：

　　▲振动分析：55%是，45%否

　　▲油分析：34%是，66%否

　　▲红外热成像：46%是，54%否

　　▲超声波：34%是，66%否

　　▲电机电流分析：30%是，70%否

　　您对以下与连网预测性维护解决方案有关的问题有多关心？

　　在实施预测性维护时，与互联网集成几乎是必然的。大量基于条件的历史数据需要在某个地方进行跟踪，这很可能是通过集成企业资产管理（EAM）或计算机化维护管理系统（CMMS）软件或其他类型的系统进行的。实际上，根据Plant Services的一项研究显示，几乎有一半维护人员使用集成的EAM / CMMS或Historian软件来收集和跟踪数据。

　　现代工厂设备比过去的设备更加智能，因为现在大多数机器都与基于互联网的软件交互，以提供和跟踪实时数据。我们询问了受访者，哪一个最能代表他们工厂当前的预测性维护水平：基于计算机的、基于SCADA的、基于无线的、基于互联网的，或者没有。有点令人惊讶的是，只有大约5.5%的受访者说他们使用基于互联网的系统。（来自物联之家网）大多数人（65%）说他们使用基于计算机的系统，而大约4.9%的人使用基于SCADA的系统，或者没有上述系统（19%）。将近89%的工厂没有使用基于互联网或无线连接的系统。出现这种情况的一个可能原因是缺乏熟练的工作人员。

　　Reliable Plant公司希望了解维护经理和主管对物联网预测性维护解决方案的最大担忧，并询问了与安全、信息技术（IT）集成、投资回报、数据可移植性、内部熟练人员缺乏、供应商能力不足和数据标准化相关的问题。（来自iothome）受访者最大的担忧是缺乏内部专业人员（71%的受访者表示担忧或非常担忧）。这比10年前增长了11%，但仍然是最受关注的问题。

　　在实时监测不止一种技术的受访者中，大多数人关心或非常关心该技术如何与IT集成。最后，对于那些当前尚未进行实时监测的人来说，数据标准化是最大的问题。
责任编辑；zl

（编辑：应用网_丽江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!