◆◆0

制造业如何实现设备故障分析与预测性维护？

chenjf 2021-09-16 商业智能（BI）, 大数据, 解决方案 2,528 views

在工业制造界，企业极不希望发生停机事故。因为，一小时的停机时间会使企业损失上百万人民币甚至更多。除了资金方面的损失之外，停机还意味着，当持续发生设备故障时，对员工的激励难度则会变大。因此，在企业的日常业务运营中，预测性维护就显得十分重要。

设备故障诊断是预测性维护技术体系的重要组成部分，通过选取合适的状态监测传感器，对设备各个机械部位的状态信号连续、并行地进行采集、分析，从而提前做好故障预防工作。那么，想要实现预测性维护，需要采取哪些设备故障分析方法呢？

一、设备数据采集及分析

设备故障分析方法的第一步是采集相关设备数据。在预测性维护措施中，所使用的通用制造设备均配备了传感器和执行器，用于监测组件的性能和健康状况。有了这些历史数据以及停机时间或故障率数据，企业还需要建立工业大数据分析平台、分析应用程序和功能性票据或警报系统，就可以完成车间内预测性维护活动。

二、实时监控数据，建立数据关联分析

企业需要构建由算法驱动的应用程序以实现基于条件的监测。企业可以选择从为其行业细分市场的数据服务平台上购买相关数据，或者以设备的维修或维护指南作为标准进行推断。

三、设备故障分析及预测，大数据参与下的设备维护

通过大数据建模、计算和分析，预测设备可能的故障，并给出相应的预防措施和解决方案，直接将对故障的预测转化成预防的计划安排，降低故障发生的概率。

1、设备故障分析及预测，优化设备维修计划

2、设备劣化倾向分析，提出预测性维修建议

3、设备状态实时分析，优化设备运维计划

4、零部件出入库分析及预测，优化备件购置计划

四、转变维护思维方式，设备预测性维护

预测性维护是以状态为依据的维修，是对设备进行连续在线的状态监测及数据分析，诊断并预测设备故障的发展趋势，提前制定预测性维护计划并实施检维修的行为。总体来看，预测性维护中，状态监测和故障诊断是判断预测性维护是否合理的根本所在，而状态预测是承上启下的重点环节。根据故障诊断及状态预测得出的维修决策，形成维修活动建议，直至实施维修活动。可以说，预测性维护通盘考虑了设备状态监测､故障诊断､预测､维修决策支持等设备运行维护的全过程。

上述预测性维护与预防性维修不同，经常会有人将两者混淆。这里强调说明，后者是以时间为依据的维修，目的是定期检测设备健康状态､定期修复已发生的设备故障及损坏､预防继发性毁坏及设备停机故障。

相对于预防性维修，实行预测性维护制度有以下优点：

1、避免“过剩维修”，防止因不必要的解体拆卸､更换零部件等；

2、有效减少设备停机维修时间；

3、尽早发现故障隐患，避免故障恶化；

4、合理预估机械部件的剩余寿命，使设备在保证安全的情况下合理超期服役。

基于上述优势，可以说实施预测性维护是企业提高设备管理水平的必经之路，也是必然趋势。