机器故障的主要原因以及如何预防

机器故障曾经是制造商和 OEM 生活中公认的一部分，现在已经与使用物联网设备、云和边缘计算的现代技术相匹配。为了先发制人并防止机器故障，首先重要的是要了解它是什么以及它为什么会在工业环境中发生。

我们还可以审查处理设备故障的现有策略，包括反应性维护、诊断分析和预防性维护。在了解这些策略失败的地方后，我们可以了解制造商为何转向预测性维护，这解决了三个前辈的问题。

如果您想跳到特定部分，我们将查看以下内容：

• 什么是机器故障？
• 设备故障有哪些类型？
• 机器故障的最常见原因
• 如何防止设备故障？
• 物联网在预防设备故障方面的重要性

什么是机器故障？

机器故障或设备故障是指工业机械全部或部分性能不佳或停止按预期方式运行的任何事件。 “机器故障”一词可以涵盖不同的场景和严重程度。

在这种情况下，故障不仅是那些完全停止生产的关键问题，而且还包括机器内任何有用性的损失。机器故障的容忍阈值会因环境而异，因为随着时间的推移，所有系统都会以某种形式退化并失去效力。即使是感知到的微小的有用性损失也可能导致大规模的资源浪费。

就我们而言，任何导致工业机械无法完全或部分履行职责的故障都被视为机器故障。

机器故障是一个范围，许多故障不能归因于特定的时间点。虽然有些明显的故障导致设备失效，但其他一些则悄悄地爬起来，而另一些则随着维护不善的时间越长，效率持续下降。机器故障主要分为三类：

突然失败

这是大多数人听到机器故障时的想法。当发生意外（但明显）的故障时，生产线正在嗡嗡作响。破碎的工具、折断的带子、熔化的电线等都属于这一类。

间歇性故障

把它想象成你生产线上的溅射引擎。它会走一点，然后退出。您重新启动它，它会继续按预期工作一段时间，但随后又开始失败。间歇性故障来来去去，通常是在通往“全面”机器故障的路上。就其性质而言，这些零星或随机故障可能难以识别。通过维护可以经常防止间歇性故障。

逐渐失败

随着机器的实用性稳步下降，随着时间的推移，这些都是您可以看到的故障。这包括诸如缓慢切碎的皮带、变钝的刀片、最终因残留物堆积而堵塞的管道之类的东西。大多数渐进式故障都可以通过定期维护来预防，并了解手头部件的预期寿命。

机器故障的最常见原因

失败从某个地方开始。以下是机器故障的一些最常见原因，可用于分析、准备和预防未来的故障实例。

操作员错误

如果您听说过技术支持术语 PEBKAC，那么工业设备也是如此。尽管经过广泛的训练，人类仍然容易犯错误，忘记训练中的重要原则、懒惰、疲倦和普通的健忘。有时，机器操作员对设备的误用和滥用是失败的罪魁祸首。这也可能包括简单的事故，例如掉落设备。

错误的维护量

这可能是维护太少，但也可能是维护太频繁导致机器故障。过于频繁的维护可能会让问题被忽视，从而导致故障的多米诺骨牌效应，但频繁的维护本质上每次都会给系统带来混乱。每当技术人员打开一台机器时，总是存在潜在的风险和故障，无论是破坏面板、丢失螺钉、不小心以错误的方式晃动电线、剥落螺栓……可能性是无穷无尽的，而且还在增加设备被触摸的次数越多。

身体磨损

工业机器故障的原因包括轴承故障、金属疲劳、腐蚀、不对中和一般表面退化等。

可靠性文化失败

如果操作员被逼迫到设备和生产目标如此紧迫，以至于他们觉得他们不能花一分钟时间呼吸或安全地解决问题并完成任务，那么失败是不可避免的。 “创可贴修复”最终会失效，而快速解决问题的普遍文化可能会导致复杂的问题和严重的机器故障问题（在大多数情况下最终导致整体产量下降）。

如何防止设备故障？

您可以使用多种策略来防止设备故障，选择正确的策略取决于机器的关键性、故障的可预测性以及可用的预算和监控基础设施。以下列出了处理工业环境中机器故障的最简单到最复杂的方法。

反应性维护

这是传统的维护范式。当它坏了，我们修复它。它并不能阻止机器发生故障，因为它提供了一旦发生故障就可以解决问题的途径。

诊断分析

这需要更多的挖掘。在此维护结构中，部署了机器数据和根本原因分析，以确定机器首先发生故障的原因。然后可以在预防性维护策略中使用这些信息。

预防性维护

预防性维护包括在使用前定期检查机器，制定并遵守维护计划，在平均寿命结束之前定期更换组件，以及任何试图在故障发生之前避免故障的措施。可以把它想象成每几千英里更换一次汽车中的机油。我们不会等到油污堵塞了我们的其他设备，我们只是先发制人地、预防性地根据我们对何时会发生故障的预期进行维护。

预测性维护

预测性维护使用过去的机器性能来模拟资产行为。有了足够的数据，算法就可以根据与物联网连接的机器的实时数据来预测设备故障。这意味着预防性维护任务不会不必要地发生（例如更换完美的零件），而是基于对故障即将发生或最有可能发生的时间进行更深入、更个性化的分析。

物联网在预防设备故障中的重要性

物联网设备提供的数据为制造商和原始设备制造商提供了前所未有的洞察力。连接物联网的机器可以在智能网络中运行，该网络监控机器数据以识别瓶颈，通知操作员即将发生的故障，并且在与机器学习配合使用时，甚至可以根据 KPI 为下一步行动提供建议，例如“我们是不是应该让机器停下十分钟以更换这个钻头并以正常速度继续前进？在接下来的两个小时内以 80% 的容量运行机器，与以 100% 的容量运行在同一时间段内的 60% 故障可能性相比，机器完全故障的可能性仅为 10%，我们是否会获得更大的价值？”

与更传统的数据收集和分析方法相比，物联网的真正优势在于其实时收集能力。虽然历史数据可以为预防性维护策略提供深刻的见解，但物联网支持的预测性维护通过增加正常运行时间、减少资源浪费以及提供可以超越维护计划扩展到流程优化等方面的战略见解，为制造商提供了竞争优势。此外，连接物联网的机器有可能利用云进行深入、丰富的分析，并利用边缘计算获得闪电般的洞察力，即使在安全和气隙环境中也是如此。