将维护转变为可预测的可靠性

多年来，维护一直被视为一项肮脏、无聊和临时的工作。它对生产力至关重要，但并未被视为创收的关键组成部分。一个简单的问题往往是，“为什么我们需要定期维护东西？”答案是，“让它们尽可能可靠。”但真正的问题是，“自上一轮维护以来，发生了多少变化或降级？”答案是，“我不知道。”

可靠性的挑战是处理过去的数据。故障被建模、分析并在一定程度上被预测。不幸的是，预测没有考虑到用户或工作环境相关的限制，而且结果往往没有那么有用。

基于状态的维护 (CBM) 处理在线数据。机器状况持续受到监控并对其特征进行评估。然而，这是在机器级别完成的——一次一台机器。这是一种“失败并修复的方法”。故障排除是主要目的。

今天，CBM 专注于传感器和通信。所有的产品和机器都通过某种方式联网。但是，很难知道如何处理所有这些数据。我们必须通过使用计算工具在本地处理数据，将数据转化为信息。

未来的维护世界是基于特征的监控的信息世界。信息应该代表一种趋势，而不仅仅是一种状态。它应该提供优先级，而不仅仅是显示“多少”。如果我们这样做，那么我们的生产力就可以专注于资产级别的利用率，而不仅仅是生产率。

随着现代计算和通信技术的出现，越来越多的产品和机器嵌入了传感器，并通过系留和无系留网络连接。借助当今全球商业环境中无缝集成的网络系统，机器和工厂联网，信息和决策同步，因此系统中的任何停机时间都会危及整个企业的生产力。

另一方面，安全约束和通信带宽限制需要重新设计以最小化或减轻数据暴露风险。

解决方案是智能维护系统。 IMS 预测和预测设备性能，因此可以实现“接近零故障”的状态。失败的原因有两个：设备性能和人为错误。近乎零停机时间侧重于预测技术，以最大限度地减少故障。关注机器性能特点。

数据来自两个来源：传感器（安装在机器上以收集特征信息）和整个企业系统（包括质量数据、过去的历史和趋势）。通过关联来自这些来源（当前和历史）的数据，您可以预测未来的表现。目标是像预测天气一样预测产品/机器的健康状况。

我们真的不关心温度预测的精确程度。我们关心趋势——从冷到热，从晴到雨。预测为我们提供了优先事项和备用计划。

今天，机器现场服务依赖于提供警报、警报和指示器的传感器驱动管理系统。警报响起的那一刻，要防止故障已经太晚了。大多数工厂停机都是由这些意外情况造成的。

没有提供查看随时间退化的警报。如果我们可以监控退化，那么我们就可以预测即将发生的情况并在必要时（不要太早或太晚）执行预测性可靠性任务。使用这些技术，可以在发生故障之前安排维护。

我对智能维护的长期看法是，我们可以使用任何方式——包括嵌入式（软件）和远程技术——来监控设备性能。然后，如果开始出现降级，则有足够的时间在故障前触发服务。

机器可以自我评估其健康状况并根据需要触发自己的服务请求。如果这种模式有效，那么我们将拥有一个可以管理自己的服务性能和自己的基于保修的合同的产品。它还可以提醒我们如何保持它以高性能方式运行。

行业如此关注底线，停机成本在很大程度上影响了盈利能力。然而，停机率并不是唯一的成本问题。如果设备开始退化，您可能会开始生成质量不可接受的零件，并且很长一段时间都不知道。

最终，机器退化将严重影响吞吐量和质量。这对于将业务外包给中国等国家的制造商来说尤其重要。这些公司需要在发货前远程监控产品质量。

世界一流的公司已经采取了改变游戏规则的预测可靠性方法，实施了新的服务业务模式，将维护系统转变为智能服务和资产管理解决方案。

它们通过密切关注设备性能和机器退化，减少了停机时间，并提供了在发货前预见产品质量的能力。公司不再采取被动式维护——“故障和修复”——而是转向“预测和预防”维护。