消除维护超支
在选择预测性维护制度时，减少停机时间可能是您的首要任务，但还有其他丰厚的回报。不要忽视消除过度维护的潜在好处。
每个计划的维护计划都包含过度维护，该计划依赖于定期、预定的时间间隔执行工作。这是因为从 OEM 到维护经理的每个人都在维护间隔中建立了安全裕度，以“确保安全”。
谨慎的高成本
以更换终身润滑轴承的指南为例。建议的更换间隔可以在 16,000 到 40,000 个运行小时之间。每次更换轴承需要 30 分钟到 2 小时之间的任何时间。与 40,000 小时相比，以 16,000 小时的更换间隔更换轴承所花费的工时将增加 2.5 倍。一个典型的工业现场有数千个轴承，因此这是一笔巨大的额外成本。
预测性维护实际上可以消除这种维护超支，使团队能够在紧要关头进行维护以防止故障，而不是在固定的时间间隔。同时，它大大减少了停机时间，并有望显着提高生产力。
然而，预测性维护只有在有效状态监测的支持下才能实现，它可以可靠地预测每个组件何时会发生故障。状态监测反过来又依赖于从机器中获取实时数据并使用它来构建设备不断变化的状态图。
改变游戏规则的技术
由于与工业 4.0 相关的技术和技术的到来，状态监测最近在许多行业中首次成为一种经济实惠且实用的提议。例如，无线通信使安装低成本传感器网络以将必要的机器数据输入状态监测系统变得更便宜且干扰更小。同时，基于云的软件提供了前所未有的可扩展性，并允许流程操作员或 OEM 实时监控安装。
更好的是，新一代人工智能和机器学习解决方案使状态监测系统能够自动分析数据，提供可操作的见解，而无需专家分析师仔细研究每一个数据片段。现在可以在云端自动完成且无需人工干预，为什么还要花钱请顾问来尝试预测机器故障？
更有效地进行目标维护
Senseye PdM 在使用高级机器学习进行状态监测方面处于领先地位。其独特的专有算法可以将数据转化为对制造资产剩余使用寿命 (RUL) 的准确预测——这种技术被称为预测。
Senseye PdM 连接到现有数据源，同时正常的机器操作照常继续。超过 14 天，它在后台运行以分析正常的机器行为以及历史数据（如果有）。然后就可以提供开始构建可扩展的预测性维护计划所需的洞察力了。
这意味着在实践中，Senseye PdM 可以通过自动收集和分析机器数据来告诉您站点上的每项资产在任何给定时间的执行情况。该解决方案的算法可以为单个资产生成更新，并准确突出维护团队在短期内应该将工作重点放在哪里，并帮助优化未来维护的任何计划。
典型实施可以将停机时间减半，将生产力提高 55%，并将维护准确性提高 85%。
最后一个数字与减少过度维护最密切相关，这是与计划维护相比，预测性维护能够节省 8% 到 12% 的维护成本的关键优势之一 1 .而且，典型的工业公司将 15% 到 40% 的日常预算用于维护，这是一笔巨大的节省 2 .
想了解更多关于 Sensey PdM 如何帮助优化维护支出和提高生产力的信息？立即查看我们的白皮书“消除维护超支”或预订 Senseye PdM 演示。
- 美国能源部
- 洛夫斯滕，2000 年
设备保养维修