预测性维护，制造业制胜法宝

制造业面临成本增加和增长下降两大难题。因此制造商必须解决4个关键挑战：运营优化、成本节约、生产质量改善和需求预测。

无疑数字化转型是制造业新的机会。不过要面对以上挑战，将一两个生产环节数字化只能起有限作用，一个完整的数字化解决方案则可以派上大用场。一个基于运营数据分析的稳健预测系统能够应对以上挑战，成为制造商未来的制胜法宝。

今天我们介绍预测性维护在制造业中的应用，包括以降低成本改善操作和生产质量，以及预测未来的需求。

本文2065字，需要7分钟。

什么是预测性维护

预测性维护（PdM：Predictive Maintenance)是在正常运行期间监控设备性能和状态，以减少故障可能性的维护。预测性维修也被称为基于状态的维修，自20世纪90年代以来已在工业世界中得到应用。

预测性维护的目标是能够首先预测设备何时可能发生故障（基于某些因素），然后通过定期计划和纠正性维护防止故障发生。

制造业预测分析2018年至2026年的市场展望

“2018年，制造业预测分析市场规模为5.35亿美元，预计到2026年将达到25亿美元，2019年至2026年的复合年增长率为21.7%。工业4.0的到来促进了制造业的实质性创新。（来源：Allied Market Research)

整个预测性维护系统是如何工作的

预测性维护系统包括物联网、云、人工智能（AI）/机器学习（ML）、Web应用程序。

系统是这样工作的。最初，数据将由安装在机器或资产上的物联网设备（感知器）收集。数据将在云端进行处理，或以通知/警告或警报的形式与相关员工共享。处理后的数据将被输入AI/ML系统，以分析和预测某一时期积累的数据的结果(一般推荐至少1年的历史数据）。预测报告将与相关利益相关者共享，以作出必要的行动或决定。

预测性维护系统对制造的好处

基于捕获条件的实时数据准确采集

提前预见和预测机器停机时间

更高的透明度

减少产品的延误

提高生产计划性

低维护成本

预见的机器故障

降低维修成本

提高设备使用寿命和利用率

提高员工安全

提高整体利润

预估需求

基本上这些就是预测性维护的基本知识及其好处。

预测分析洞察机器状态

操作效率对制造的生产率和质量起着关键作用。由于这涉及到人、机器和技术，优化一切很重要。

必须分析在不同水平（峰值、中等或正常）运行的机器的性能状态。只有当机器被充分利用并发挥其最佳性能，才能实现最大的产量是可能的。要做到这一点，就必须监视每台机器的性能及其每一个可能的动作。

物联网用于收集数据，并基于历史数据分析，识别和纠正运营中的故障或低效率。通过物联网预测维护系统，不仅可以预测未来可能出现的问题。一般来说，OEE（整体设备效能）是通过物联网数据计算出来的，并对其进行分析和改进，以提高整体运营的效率和效益。

OEE =可用性*性能*质量

机器使用和管理的预测性维护

对于大多数制造公司来说，机器的非计划维护成本很高，因此需要对其进行监控，以实现最大的产量。

故障或有故障的机器会从两个方面影响制造业——首先，它们会降低产品质量；其次，它们会招致频繁的维修费用。因此，必须找到一种方法来发现机器的低效率，并在中断发生之前提高它们的性能，这在过去会耗费大量精力。

有了预测性维护系统，从机器的每一个动作收集的数据将提供大量的数据，然后可以使用AI/ML程序进行分析，以确定机器的故障和故障。预测性维护系统提供有关资产当前状况、可用性、缺陷信息的数据，以帮助重新考虑生产计划。利用这种方法和数据趋势，可以尽早预见和预测机器的故障，从而降低维修和人工成本。这可能会为你的企业节省数百万甚至上千万成本。

生产质量的预测性维护

尽管预测性维护或物联网不会对生产质量或生产率产生直接影响，但这两个因素的结合确实会对整体生产产生重大影响。因为物联网可以帮助简化机器、人和技术。一个预测性的维护系统将照顾到提高机器的效率——期望在生产质量和速度上的改善。

用于需求预测的预测性维护

对制造商来说，预测性维修的另一优势是需求预测。

以往制造商拥有大量的数据，但却缺乏洞察力，因此改进和提前规划的过程总是会出现纰漏。有了预测性维护系统，它可以无缝地根据历史数据预测未来几年可以做什么。

由于预测性维护系统抑制了数据竖井，并在整个制造工厂中实现了100%的透明度。有了一个计划，并知道要期待什么——制造主管可以提前做好计划，以满足客户的要求。不仅如此，可以很容易地确定机器的效率，员工和维修成本，以计划未来的可实现目标。

预测性维护用例-资产管理

预测性维护在制造业中有大量的使用案例，特别是在生产状态下的资产监控中。为了保持生产质量和产量，必须对不同条件下的作业性能进行监控。这些类型的资产应该被持续监控，以保持其良好的状态，即使是微小的故障或缺陷也会让公司损失高达数百万。

有了预测性维护系统，可以无缝监控不同条件下的资产，获得的历史数据将有助于预测资产未来的表现，以及何时需要更换或维护。

当资产需要替换时

当需要进行资产维护时

多长时间会有效

当它故障的时候

是什么导致了故障

与故障相关的风险是什么

预测性维护ROI

将功能性的预测性维护计划放在适当的位置可以产生显著的效果：ROI增加10倍，维护成本减少25%-30%，故障减少70%-75%，停机时间减少35%-45%。

从上面讨论的内容来看，预测分析对制造商来说是一个法宝，因为这将降低维护成本，同时提高运营效率和生产质量，并帮助你规划未来的项目。

预测性分析正在发展，作为预测性分析的最新成员，规范性分析正在行业领域中得到发展。后者是预测分析的子组件，提供导致设备故障的数据和改进故障或缺陷的建议。

随着更多公司投资预测性维护系统，现在是时候决定跟上AI时代的步伐了。特别是在你的竞争对手开始之前。