预测性维护最佳实践 | Senseye
随着对预测性维护的日益重视被视为将在 2021 年及以后主导制造业的主要趋势之一，制造商应如何开始应对评估和响应机器健康洞察力的挑战？
在这部电影中，Senseye 的 Alexander Hill 和 Rob Russell 与 Make UK 的 Jim Davison 和制造技术中心的 Hannah Edmonds 博士一起探讨了能够最大限度地从以下方面获益的最佳实践预测性维护，以及如何普及状态监测专家和可靠性工程师的知识，以使预测性维护能够以可持续的方式大规模进行。
成绩单
Alexander Hill, Senseye：预测性维护将成为今年以及未来几年制造业和工业公司的重点。它一定要是。为了享受这些效率提升、节省资金并实现远程工作和远程维护等功能，预测性维护是绝对必要的组成部分。
Rob Russell, Senseye：智能工厂和数字化的主要用例已内置于预测性维护中。需要一定程度的领域知识，首先要了解如何从机器中获取正确类型的信息，然后还要了解如何在维护环境中使用这些信息。
Jim Davison，Make UK：传统的工厂工程师往往像我一样，头发花白，职业生涯即将结束。招募下一代来履行这些职责对我们来说是一个挑战。通过部署诸如智能技术之类的东西，它实际上为人们不熟悉的角色带来了真正令人兴奋的元素。
Rob Russell, Senseye：在考虑如何响应输出的挑战时，在机器健康方面，您仍然必须通过良好的工程政策和实践来解决这个问题。数据源和对机器中的早期问题的识别可以实现预测性维护，有时会检测到非常微妙的早期故障阶段。
维护团队将开始寻找可以证实他们的发现的方法，并了解早期检测给了他们更大的时间窗口。这使他们能够在生产不需要机器时进行计划和调查，然后在以后的阶段进行维护计划，当机器再次停机并且不会对生产产生影响时。
博士。制造技术中心的 Hannah Edmonds：作为我参与的更大计划的一部分，我们将许多不同的生产元素放在一起，进行了许多不同的分析 - 将这些结合起来的能力为我们带来了附加值。
我们使用 Senseye 的自动化分析来诊断生产系统中的问题并确定机器的剩余使用寿命。我们可以通过额外的程序将其可视化，但我们还将其与计算机化维护管理系统相结合，以安排维护任务。
Alexander Hill，Senseye：我们不想替换状态监测工程师和可靠性专家。我们只是想确保他们的时间得到真正有效的利用，因为他们经常会查看数以万计的数据流并试图了解哪些是重要的。这是一项非常繁重、非常困难的工作。
我们解决这个问题的方法是尽可能地自动化状态监测工程师的传统角色，查看数千个数据点并尝试了解哪些是重要的。
我们不需要手动构建和调整模型，我们的专利技术和算法使我们能够自动化整个过程。
设备保养维修