Date: 2021-12-27 11:05:39

预测性维护在制造业中的应用屡见不鲜，目前它仍在继续发展。在很多人看来，紧跟趋势是实现投资回报率最大化的绝佳途径。以下是未来可能影响预测性维护发展的五个因素。

因素一：加大力度查明问题所在

最早的一些预测性维护解决方案，主要是用来警醒人们特定机器所存在的问题。然而，这些解决方案并未提供具体细节，包括是哪个部件存在问题而触发的提醒等。

不过，现在这些情况开始有了改变。比如亚马逊的Lookout for Equipment，能够显示设备中的哪些传感器存在异常。这有助于专业维修人员开展工作，从而更高效地解决问题。此外，亚马逊的这款产品也能对发现的问题作影响预估，促使决策者在问题引发灾难前迅速进行评估。

传感器数据也能实现更好的环境监测。例如某家公司为一个工厂装配了智能传感器，该工厂的工人负责为刚下生产线的新车进行喷漆，若某个需要保持低温的车间温度突然上升，传感器数据可帮助该工厂领导在升温导致停产前进行排查。

因素二：更加关注远程评估

虽然预测性维护策略能帮助制造业代表及早发现问题，但是它也无法完全阻止问题的发生。尽管如此，新兴技术仍能帮助技术人员在抵达现场之前，对机器的故障情况有清晰了解。

也许许多人都打过技术热线，发现单凭口头描述很难说清问题所在。一些代理商会要求客户尽量发送错误代码的图片，并附带相关的视频或音频。但是，拍摄和发送这类图片可能会浪费宝贵时间。

因此，一些技术人员会使用智能眼镜，采用音频和视频的形式来记录机器运行，并把这些信息发送给技术支持代理。随后，接收方会提供包括向客户发送相关文件或图纸等各种形式的帮助。在新冠肺炎疫情期间这种方式极具优势，且在未来很长一段时间内也可能很有市场。

因素三：进一步采取多维度措施

预测性维护为制造商带来许多瞩目的优势。例如，可延长机器故障的间隔，提高生产力。制造商开始使用预测性维护时，主要集中在状态监测上。当一个部件的数值——无论是温度、振动还是其他——超出了设定参数，就会触发警报。

现在大家开始使用新一代预测性维护方法，比如利用机器学习和多维数据来评估影响部件状况的诸多因素，以此来为发出预警提供更多依据。值得注意的是，该异常检测法还可评估“即将出现的故障会如何影响机器中的其他部件”。

此外，应用这样的预测性维护，有助于判定某个零件是否确实出现故障并需要更换，或仅仅是因为机器利用率高于正常水平而显示了特定异常数据。好处是它有助于人们进行深入了解，弄清为什么某个零件会提前出现故障，而不是仅知道该零件已报废。

因素四：重新认识忽视维护引起的连锁反应

新冠肺炎疫情极大地重塑了劳动力，影响了特定时间内轮班的人数、流水线工位的布局以及工人健康状况的证明方式。同时，疫情也打乱了工厂的维护计划，经常使领导者推迟日常的维护工作，直到疫情稳定下来才重启相关工作。

然而，推迟日常维护的决定造成了始料未及的影响，包括工厂起火的次数增多等。与2020年相比，2021年上半年的火灾事件增加了150%，预估2021年是工厂火灾事件报告次数最多的一年。这些发人深思的数据，或许能让领导者知道推迟日常维护所面临的风险。

因素五：数字孪生与预测性维护策略的结合

制造商利用数字孪生来精简工厂运营的操作越来越普遍。构建一个详尽的虚拟工厂模型，能够在应用到现实之前，更易发现哪个环节会出现瓶颈，有助于规划新设备安装以及测试新工艺流程。不过，一个更新的趋势在于——利用数字孪生支持预测性维护。

在一个案例中，数字孪生模型预测出一次工厂停电，为一家天然气公司节省了36万美元。不是所有数字孪生与预测性维护的结合，都能产生这般惊人的效益。当维护问题有特定的预测目标，当企业对异常机器掌握高质量运行数据时，就越有可能成功避免损失。

制造业的领导者还应该记住，他们可能会在预测性维护中，用到不同种类的数字孪生。比如，有些虚拟模型展现的是单一部件，有些则会展示整个机器。

预测性维护正不断发展

制造商早已明白，预测性维护有助于增加工厂的正常运行时间，且能减少意外损失。上述五个趋势表明，预测性维护及人们对它的使用方式和思维模式都在发生变化，紧跟上述趋势有助于增加获得巨大投资回报的机会。

信息来源：国际电子商情

作为中国少有的工业设备智能维护展示平台，SMEE 2022将于7月28-30日在上海新国际博览中心举办，展会聚焦工业智能维护产业战略、技术、设备及解决方案，致力于为制造业提供更具保障的生产解决方案。

展会细分为四大板块，分别是预维护技术、工程与服务、维修、运维等。同期，DFS数字科技与应用系列展会共同举行的集聚效应将使您的公司受益匪浅，尽享跨界商务盛宴，明年7月SMEE与您相约上海！