制造中不同类型的维护

制造商明白，维护是一项成败攸关的活动，尤其是在高成本、快速发展和竞争激烈的垂直行业。在当今瞬息万变的世界中，过去的维护策略根本无法削减，仍在使用这些做法的制造商正在迅速退出市场。现代维护利用包括用于数据收集的物联网设备和用于数据处理的机器学习在内的技术来获得更好的预测和可操作的见解。综合起来，计划外停机时间可以减少到几乎可以消除的程度，更不用说其他好处了，例如提高员工士气、降低机会成本、增加客户印象和减少浪费。

虽然这一切听起来都不错，但值得提出的问题是：您如何将您的制造公司从被动维护状态转变为预测性和规范性维护？您如何从现代维护策略中获益，同时避免过程中的陷阱？

要了解这些问题的答案，首先必须了解当前的维护方法以及从一个阶段到下一个阶段的变化。在本文中，我们将介绍各种工业维护技术。

制造中的维护类型

我们涵盖了制造环境中的以下每个维护策略。选择任意一个跳转到对应的部分：

• 反应性维护：当它坏了，你就修复它。
• 预防性维护：您可以在零件损坏之前提前安排更换，通常是定期更换。
• 基于使用情况的维护：在机器使用一定量时更换部件，然后再损坏。
• 基于状况的维护：当零件看起来太磨损而无法继续正常工作时，您需要更换它们。
• 预测性维护：您可以利用历史数据预测零件何时会损坏，并在零件损坏之前根据这些预测更换零件。这通常（但并非总是）利用人工智能和机器学习。
• 规范性维护：高级数据分析方法不仅仅用于预测故障点，而是提供假设结果，以便选择在故障、安全隐患和质量问题出现之前可以采取的最佳措施，以及实施时间。

反应性维护

被动维护是大多数制造商的起点。这是传统的维护方法，只要制造存在，制造就一直存在。

什么是反应性维护？

顾名思义，这种类型的维护意味着您可以对发生的任何事情做出反应。您可能会也可能不会准备好或期待它。一个零件破坏并堵塞了整个生产线，通常是字面上和比喻上的。计划外的停机时间随之而来。工人失去工资。公司损失收入。每个人都只需要等到 Ralph The Maintenance Guy 华尔兹来更换有问题的部件（你可能手头上可能有也可能没有。）

这可能意味着停机数天、错过最后期限以及对您的预算造成巨大损失，尤其是在损坏的工具、机器或零件价格昂贵或难以找到的情况下。员工通过可怕的“有延迟……”信息与客户联系，从而获得报酬。成本和风险会渗透到整个供应链。这是一个恶性循环，代价高昂。

基于日历的维护（预防性维护）

一旦制造商发现反应性维护不起作用，下一步就是基于日历的维护，也称为基于时间的维护 (TBM) 或预防性维护。

什么是基于日历的维护？

这是一种计划维护的形式，提前安排好以便在零件发生故障之前对其进行更换。这是按设定的时间间隔进行的，例如每 30、60 或 90 天。通过这种方式，制造商可以预期一定量的停机时间或在非工作时间安排维护。这有助于确保设备在所有计划的生产期间都能正常运行，除非出现紧急情况或不可预见的情况。基于日历的维护使用“平均故障间隔时间”(MTBF) 的概念，根据过去发生故障的时间来确定更换部件的最佳间隔。它最适用于经常使用和可预测磨损的部件。

对于定期使用的机器，预防性维护可以很好地工作，这些机器具有可轻松更换的价格合理的部件，具有可预测的磨损率。在这些情况下，它简单、可预测且有效。预防性维护与其他维护策略（例如预测性维护或规范性维护）配合使用时会大有裨益。

基于使用的维护

对于那些无法通过预防性维护轻松涵盖或该方法过于过度和昂贵的所有情况，该怎么办？然后，制造商转向基于使用情况的维护，以考虑可变的机器使用情况，制定更合理的时间表，并从长远来看降低成本。

什么是基于使用的维护？

就像基于日历的维护使用设定的时间间隔来更换零件一样，基于使用的维护也使用使用间隔，例如：

• 每 30 天更换一次丝瓜（基于日历的维护）
• 每 5000 英里更换一次汽车机油。 （基于使用的维护）

在后一种情况下，无论你用一个月还是一年的时间来达到五千英里，只要用尽了它的潜力，就需要更换油，进一步使用可能会导致其他部分的退化。汽车。

继续这个比喻，对于一个需要一年时间驾驶 5,000 英里的人来说，每月更换一次机油将是荒谬的。如果他们每个月的行驶量相同，他们大约每 416 英里就会换一次油。这意味着他们的换油成本比需要的高出 1200%，再加上 11 次不必要的换油所涉及的时间和风险。在基于使用的维护系统上，它们的停机风险相同，甚至更低，并且在 12 个月内节省了大量资金。这同样适用于制造机械。对于不经常使用的机器，基于使用情况的维护可以防止设备过度维护，节省大量时间和金钱。

基于使用情况的维护是朝着正确方向迈出的一步，因为它考虑了一段时间内的实际使用情况，在某些情况下这可能是任意的。它减少了过度维护的可能性并减少了浪费。然而，通过预测性和规范性维护，它可以进一步发挥更大的作用。

基于状态的维护

基于状态的维护使用前面提到的基于日历和状态的维护方法来预测维护计划中的一些猜测。

什么是基于状态的维护？

这种形式的维护类似于基于使用情况的维护，但具有更频繁的监控和更大的数据量和深度。工具是否有磨损迹象？是性能下降还是显示出其他即将失败的迹象？仅当物品的质量低于某个预定阈值时才会进行维护。测量可能会使用连接到工具或机器的传感器连续进行，也可能来自不太常见的数据收集模拟方法，例如目视检查。

基于状态的维护的优点和缺点

在零件成本方面，基于状态的维护比基于使用、基于日历和反应性维护的维护更上一层楼。因为基于状态的维护仅在预计很快就会出现故障时才更换部件，因此制造商可以通过他们的资金获得更多的使用，而不会像被动维护策略那样将部件推到故障点而造成的损坏和停机时间。

无论是通过传感器还是人工检查员进行的频繁监控都会产生额外的成本。但是，这些成本通常可以通过减少停机时间以及零件和机器寿命所节省的成本来抵消。

如果使用传感器，与安装相关的成本可能会增加，尤其是在传感器可能会定期损坏的恶劣操作环境中。一些传感器可能要求制造商修改他们的机器以实施它们，通常会使它们的保修失效。此外，培训员工检查、安装和校准传感器可能会变得很昂贵。

使用此方法可能无法预测维护操作之间的时间间隔，因为仅根据需要更换部件。这使得提前计划停机时间变得更加困难。

基于状态的维护可提高零件的使用率，同时在很大程度上保护机器免受严重故障和计划外停机的影响，但培训工人和使用售后市场传感器可能会变得昂贵且耗时，尤其是在必须经常更换传感器的情况下。日程安排的不可预测性也会导致机会成本增加。该系统最适用于需要频繁更换零件且易于监控且易于修复的机器。为了给制造商带来更广泛的利益，预测性和规范性维护通常更为有效。

预测性维护

通过融合每个类别的许多好处，预测性维护优于我们之前讨论的选项。该系统可帮助制造商预测最有可能需要维护的时间，而且准确性更高。

什么是预测性维护？

预测性维护利用人工智能、机器学习和物联网设备等技术来预测故障何时发生，因此制造商可以提前计划并在后果出现之前更换零件。预测性维护的目标是达到维护频率的“金发姑娘”区——不要太频繁，也不要太少。这避免了过度维护中的陷阱，例如过多的零件和人工成本、浪费以及人为错误风险的增加。它还可以防止与维护不足相关的问题，例如严重故障、计划外停机以及对机器或员工的损坏。

为了做到这一点，从配备物联网传感器的工厂机器中收集数据，然后根据当前和历史数据进行分析，通常利用机器学习来发现趋势并预测故障。

MachineMetrics 预测性维护解决方案

预测性维护的优缺点

当制造商知道给定设备最可能出现故障的时期时，他们需要保留更少的备件。预测性维护技术的用户通过减少停机时间同时优化资源使用来获得两全其美。

与基于状态的维护类似，一些用于这些目的的物联网传感器无法承受恶劣的制造环境，例如带有金属碎片、润滑剂、腐蚀性材料等的环境。传感器更换和重新校准可能会变得昂贵，特别是如果这些传感器使工厂机械的保修失效。此外，聘请数据专业人员监控和分析传感器数据以创建可操作的见解可能会带来高昂的代价。

MachineMetrics 解决了所有这些问题以及更多问题。我们的数据监控设备可确保您的机器保修完好无损，并且由于它们不需要敏感的校准，它们甚至可以承受最严苛的制造环境要求。我们的设备从您机器的计算机中提取数据，然后将其加密发送到云端。没有内部数据科学家？没问题，我们可以为您处理。我们的工业物联网平台灵活且直观，因此您几乎可以立即看到数字化转型工作的成果——仅需五天即可获得投资回报。

规范性维护 (RxM)

规范性维护 (RxM) 将预测性维护更进一步，为即将发生的维护问题提供最有价值的解决方案。规范性维护使制造商能够解决自己的维护需求，而无需大量专家。

什么是规范性维护？

规范性维护使用与预测性维护相同的技术——工业物联网和机器学习——但也提供场景模拟来指导行动。如果预测性维护告诉您，您的工具将在 30 分钟内发生故障，因为其当前的振动模式和过去的数据表明这些模式先于故障，那么规范性维护将告诉您，如果您现在将该工具的负载减少 30%，您可以将工具的使用寿命延长三个小时。规范性维护会告诉您下一步该做什么，以便从您所拥有的时间和工具中获得最大价值。

成熟状态：规范性维护

成熟的维护策略采用多变量方法，可以结合预测性和规范性维护能力。这使制造商能够以当今可行的绝对最准确的方式预测短期、中期和长期范围内的零件故障时间。它还有助于优化流程，以最大限度地利用工具和零件，同时以极高的精度避免计划外停机。规范性维护解决方案能够通过使用人工智能来增强他们的情境智能和知识库，从而帮助指导技术人员进行方便的维修。

虽然某些规定性和预测性维护的实施可能既脆弱又昂贵，但 MachineMetrics 提供了一个工业物联网平台，可以承受各种制造环境，以每秒 10,000 个点的速度收集数据，并将此信息发送给手头的数据专业人员，准备好并等待优化您的工厂车间。作为高级数字化转型方面的专家，我们利用我们的经验将我们的流程简化到一定程度，您可以将我们的物联网设备安装在您的机器上，而不会使您的保修失效，而我们无需亲自踏入您的工厂计划。 （但如果您愿意，我们也很乐意提供帮助。）

然后，您将走向一个完全成熟、易于理解、鼓舞士气、收入飙升的超级系统，以满足您的所有维护和制造需求。联系我们，看看我们今天能为您做什么。