预防性维护与预测性维护以及为什么必须加入
在与人交谈时，我们发现预防性和预测性这两个术语通常在心理上是重叠的；然而，在实施技术和现实世界的影响方面存在如此显着的差异，因此在我们了解它们的优缺点以及为什么预测性维护是制造商唯一的未来之前，明确定义两者非常重要。
预防性维护 严重依赖制造商指定的平均故障间隔时间 (MTBF)，该平均时间间隔指示机器及其组件故障之间的平均时间长度。维护活动在超过 MTBF 数（通常以操作小时数）之前执行。
预测性维护 依赖于来自机器及其组件的真实世界诊断（当前状况）和预测（未来状况）信息（这可能是轴承/变速箱的振动监测、电动机的电流监测、温度监测液体等）。根据组件的实际情况及其预期剩余使用寿命（RUL）进行维护，让您准确预测机器故障并避免它。
现实世界并不理想
不幸的是，对于这些方案和我们简洁的图表，现实世界永远不会符合“理想”，因此需要做出一些妥协。
预防性维护 没有考虑机器的实际使用情况，也不能以任何方式指出潜在的故障点。通常，失败的东西不是制造商在其原始测试制度中发现的，并且随着机器老化，它们的行为会发生很大变化。制造商提供的 MTBF 数字通常非常 保守，因为过度维护的趋势通常比故障及其带来的停机时间要便宜。
计划内的维护不仅会中断运营（停机时间），而且计划外的故障也会导致额外的停机时间——有时甚至在计划内的维护事件之前。在现实世界中，随着机器老化，这种方案变得越来越昂贵和低效。
了解 Nissan 和 Senseye 如何合作将生产停机时间减少 50%。" align="middle">
预测性维护 在现实世界中，很可能会有计划维护的元素以增加保证，但这些往往会越来越少破坏性。基于预测信息的定期维护能够避免计划外停机。在某些情况下，状况指标可能会出现在计划维护事件之前，然后机会性维护可以合并到已经计划的维护事件中以提供额外的效率提升。
称重
由可靠的诊断和预测驱动的预测性维护在优化生产力和减少停机时间方面是明显的赢家。对采用者的唯一警告是，它完全由现实世界驱动，需要收集大量数据，而且为此的前期投资可能看起来令人生畏，尽管随着工业 4.0 和 IIoT 步伐的加快以及传感器成本的下降，这种情况正在发生变化。较新的机器甚至配备了内置的传感器和数据收集器，以协助进行预测性维护。
与预防性维护相比，最大的改进是它允许您在适当的使用和条件下进行维护，而不仅仅是 MTBF。您不仅可以减少深度维护事件，还可以减少计划外停机事件，从而节省资金——您将提前收到有关组件状况的警告，并有机会在它成为停机时间和生产力问题之前执行纠正性维护。
为什么预测性维护是未来
你喜欢浪费时间和金钱吗？不这么认为。你的竞争对手也不行。工业 4.0 带来的巨大飞跃并不在于新材料、新机器或新生产技术。它是关于改进和优化您已经拥有的东西，从您的投资中榨取每一滴生产力。
Senseye 等产品支持预测性维护，帮助您避免停机并确保生产力，同时花费更少的资金。这很令人兴奋！
想要查看我们易于使用的诊断、预测和状态监测产品 Senseye 的实际应用，并了解它如何为您节省停机时间？在此处申请现场演示：
设备保养维修