庞巴迪推出预测性维护创新

本文提供的案例研究是作者分析的实际数据。代表振动分析的预测性维护案例研究将提供轴承故障、不平衡条件和固有频率冲击测试的示例和比较。 每个示例都将表示为一个频谱，在某些情况下，还表示为时间波形，它将提供特定数据段中存在故障的证据。 还提供油​​品报告，以提供脏油状况的决定性证据，并确定目标 ISO 清洁度水平以供参考。 油的清洁度对于消除部件过早失效和延长设备寿命至关重要。它使维护部门能够努力增加正常运行时间和机器可用性。 红外热成像由具有温度变化的设备组件的热图像表示。即使是轻微的温度变化也可能表明机器组件存在潜在问题。能够解读热图像的训练有素的人员是可靠性维护领域的宝贵财富。 电动

预测性维护听起来很棒——在资产出现故障迹象并导致计划外停机（收入损失）之前对其进行维护，同时比预防性维护计划花费更少的钱——提高盈利能力和吞吐量。好处非常明显。那么为什么相对较少的公司拥有积极的预测性维护计划呢？ 技术 制造公司针对材料的流动和组装进行了优化——他们传统上不是状态监测或数据分析方面的专家，我们认为他们不应该这样做。直到最近，成功的预测性维护还需要外部顾问的雄厚财力或经验丰富的内部状态监测专家团队。 人们还普遍认为，利用预测性维护需要对“物联网”/工业 4.0 进行大量投资。虽然我们认为预测是工业 4.0 最有趣的用途，但您会发现大多数自动化设备（例如通过 PLC 的

从食品制造商到化工厂，一个典型的工业厂房可能有几十到几百台旋转设备。其中包括泵、电机、齿轮箱、涡轮机、风扇等。其中许多设备对工厂的运营至关重要，即使是非必要资产也有重要用途。当其中一台设备发生故障时，可能会导致高昂的维修成本、所有工厂运营的全面停工，甚至造成严重的安全隐患。为了尽量减少这些灾难性事件，了解并执行预测性维护实践至关重要。 什么是旋转设备的预测性维护？ 如今，最大限度地提高生产力不仅仅意味着执行日常维护任务。今天的技术允许越来越多的工厂所有者实施最先进的状态监测来实时测试他们的设备。从连接到移动应用程序的智能传感器到非侵入性的高级诊断设备，各种监控工具都可以购买。它们都可以帮

在涉及维护管理时，反应性维护、预防性维护和预测性维护是经常相互对立的策略。为组织选择与其功能和需求相一致的计划和战略可能是一项具有挑战性的决定。 许多跨行业的组织已经确认维护成本占运营成本的很大一部分。数据因公司和行业而异。然而，已得出的结论是，它占总生产成本的 50% 左右，甚至没有考虑计划内或计划外停机时间、库存和工具管理以及采购功能。 许多意外和不可控的事件发生并导致公司几乎无法提前估计但与维护活动密切相关的额外成本。 组织中使用的维护流程（无论是反应性维护、预防性维护还是预测性维护或其他任何方式）都会影响到他们的盈利能力和生产力。 因此，所有组织都旨在实施经过深思熟虑和优化的战