現(xiàn)代社會嚴重依賴機械，交通、能源供應、農(nóng)業(yè)生產(chǎn)、工業(yè)制造都離不開機械設備的驅(qū)動。當機器發(fā)生故障出現(xiàn)非計劃停機時，不僅會影響生產(chǎn)，甚至可能帶來巨大經(jīng)濟損失。隨著人工智能的興起，非計劃停機時間將極大減少，AI將改變現(xiàn)有維護方式。

設備的維護對機器的實用性至關重要。但是，決定何時維修、是否需要更換零件、是否在不影響生產(chǎn)的情況下進行，通常難以平衡的行為。過往更多根據(jù)經(jīng)驗、猜測來決定維護的時機。目前很多組織正在研究通過人工智能和機器學習來減少低效和設備故障。

常見的維護模式

今天，大多數(shù)維護可以分為三類：

1.反應性維護

反應性維護（即計劃外停機）是一種設備運行到出現(xiàn)故障再進行維護的方法。它可能具有很強的破壞性，因為當設備在沒有警告的情況下發(fā)生故障時，企業(yè)必須停止生產(chǎn)運行。這種被動方法可以保持較低的日常維護成本，僅在需要時需要技術人員，但可能帶來巨大的生產(chǎn)損失。

2.計劃性維護

通過定期評估維護降低故障風險。雖然停機的風險仍然存在，但企業(yè)更有可能在問題變大之前先發(fā)制人地解決問題。盡管這可以最大限度地延長機器的使用壽命，但不能避免機器停止使用時損失大量生產(chǎn)時間。

3.主動性維護

主動維護旨在提高維護效率，通過分析設備的數(shù)據(jù)和以往出現(xiàn)的故障，優(yōu)化維護資源。它不需要遵守固定的時間表，而是通過使用數(shù)據(jù)來審查和增強運營。對于設備數(shù)量多的公司來說，主動維護似乎是最具成本效益的策略。然而，這種方法是有限的，因為它只能控制可能導致設備故障的因素，而不是通過設備本身狀態(tài)進行判斷。

那如何實現(xiàn)更智能的運維？工業(yè)互聯(lián)網(wǎng)技術和人工智能可以填補這塊空白。

人工智能改變維護方式

根據(jù)某市場咨詢公司數(shù)據(jù)，2017年全球人工智能市場價值19.9億歐元，預計到2025年將達到300億歐元。AI的增長將是巨大的，因為它能夠應用于所有行業(yè)，包括工業(yè)設備的維護。許多嚴重依賴機械設備的的行業(yè)正在投資預測性維護。這是因為借助人工智能，維護可以從單純的預防性或主動性維護成為預測性的。通過預測性維護，僅在必要時進行維修。

預測性維護

預測性維護是通過連接多源傳感器和支持人工智能的工具來實現(xiàn)的，這些工具可以分析設備中起作用的數(shù)個變量，可以實時收集、組合和分析來自各種來源的數(shù)據(jù)，以便企業(yè)能夠在設備故障發(fā)生之前預測故障。當數(shù)據(jù)顯示性能下降時，工程師可以選擇在產(chǎn)線生產(chǎn)的合適時間停機維護。

圖.工程師根據(jù)設備實時狀態(tài)制定維護計劃（全景網(wǎng)）

這種預見維修的能力將有助于降低和控制維護成本。如果預測性維護認為故障迫在眉睫，則可以根據(jù)問題所在自動執(zhí)行許多操作，例如，發(fā)送工單，通知相關技術人員訂購更換零件。

隨著時間的推移，預測性維護可以通過AI機理建立完整的設備維護模型，使企業(yè)進一步了解如何提高效率并最終實現(xiàn)零非計劃停機時間。這是因為人工智能可以預測設備的真實壽命，從而推斷出進行維修的最佳時間是什么，以及如何計劃操作以最小化維修窗口。

此外，通過從預測性維護中收集的數(shù)據(jù)，企業(yè)管理者可以更好地了解為什么使用相同設備的不同團隊會帶來不同的收益。同樣，這些額外的數(shù)據(jù)可以為企業(yè)提供他們需要的洞察力，以弄清楚如何帶來額外的收入。它可以幫助項目規(guī)劃、人員配備需求、庫存管理和客戶服務。

預測性維護應用

隨著工業(yè)互聯(lián)網(wǎng)作為我國推進智能制造的核心抓手，各行業(yè)的工業(yè)領軍企業(yè)越來越重視生產(chǎn)設備的數(shù)據(jù)采集和聯(lián)網(wǎng)。目前，我國預測性維護市場整體還處于起步階段，東智PreMaint是聚焦設備領域的智能管理平臺，獲得工信部“工業(yè)互聯(lián)網(wǎng)APP優(yōu)秀解決方案”與“工業(yè)APP創(chuàng)新應用大賽一等獎”。

PreMaint可滿足企業(yè)構建融合的設備數(shù)據(jù)應用系統(tǒng)，實時感知設備機臺的運行工況和工藝健康狀態(tài)，實現(xiàn)從監(jiān)控到預警、故障診斷、維保維修處理、工藝自動優(yōu)化的功能閉環(huán)，有效延長設備使用壽命、提高產(chǎn)品良率，避免非計劃停機和工況不穩(wěn)定帶來的損失。

以下是PreMaint預測性維護在多個行業(yè)的應用：

半導體行業(yè)

半導體面板屬于高端制造業(yè)，現(xiàn)場設備大多從國外進口，設備數(shù)據(jù)采集成本高。針對PUMP真空泵的非計劃停機問題，現(xiàn)場PUMP設備數(shù)據(jù)以每秒5萬Hz的采樣頻率實時上傳到PreMaint專有云，振動信號的細微變化都可以被東智PreMaint專家平臺識別分析，系統(tǒng)內(nèi)置的AI算法有效識別設備的劣化趨勢并進行故障智能診斷。

新能源鋰電行業(yè)

鋰電池生產(chǎn)前端工序核心設備包括雙螺桿漿料制作或攪拌機、涂布機和輥分切一體機等。為保證設備的高效運轉(zhuǎn)，基于AI+機理的東智PreMaint智能診斷專家系統(tǒng)，通過對設備的狀態(tài)監(jiān)測和故障智能診斷，實現(xiàn)設備智能運維，將極大減少設備非計劃停機，確保電池的一致性并提高生產(chǎn)良率。

石油化工

預測性維護有助于減少設備的停機時間和能源消耗，更主動的預測性維護模型可以增加設備壽命和操作安全性，促進機泵設備的優(yōu)化提升。PreMaint基于邊云智能協(xié)同的機泵群預測性維護解決方案植入石化機泵群，融合設備多源數(shù)據(jù)，強化機泵的故障預測與健康管理，為智能運營提供有效支撐。

來源/本文內(nèi)容參考AUTOMATION，有刪改，本文僅用于個人學習交流，如有侵權請聯(lián)系刪改。

審核編輯黃宇