预防性维护是维护部门的一项重要职能。用于生产的设备和机器是制造业或工业经营的命脉。 设备停机意味着产品无法生产或交付给客户。 你有没有遇到过这种情况？ 因此，尽可能长时间地保持此类设备正常运行至关重要。等到一台设备出现故障迹象会严重影响生产。这反过来又会影响您的底线。 为了解决这个问题，您应该使用称为计划预防性维护的过程。它也被称为“PPM”或“计划的预防性维护”。 这是什么意思？ 简而言之，这意味着您无需等待机器发生故障或完全停止工作，而是按预定的时间间隔安排维护和检查。这使您可以在实际成为问题之前发现可能成为问题的事物。 PPM 长期以来一直是一种行之有效的维护策略。在这里

制造工厂的预防性维护软件有很多好处。然而，在相当多的制造公司中，高层管理人员倾向于将维护视为必要之恶！一个几乎没有增加价值的成本中心。他们甚至可能认为维护团队不是公司的重要组成部分（有时可能比清洁人员高出几步！）。 这种想法通常会导致维护团队做出错误的决定。 因此，制造工厂的预防性维护软件通常会因其外观而被选中。 例如，它有漂亮而广泛的报告！或者它与其他软件（ERP、财务等）的集成程度。有助于维护团队的功能可能不在列表中。 我们甚至与维护经理交谈过，他们告诉我们他们必须威胁要退出才能购买我们的 FastMaint CMMS 软件！ 这听起来可能令人难以置信。然而，一个可悲的事实是，在

组织良好的维护计划具有清晰的设备维护工作流程（见下图）。例如具有以下步骤的工作流： 外部用户或客户发送维护工作请求。 我们安排此维护工作以及预防性维护并创建工作订单。 技术人员收到这些工单并完成它们。 我们生成维护报告等。 但这只是故事的一部分…… 这些维护工作流程过程中的故障将导致许多问题。在下面的维护工作流程图中显示的每个流程中，我们可能会遇到问题。每个流程都用箭头表示。 不同的设备维护工作流程故障和影响 1.缺少工作请求或设备故障报告 客户、设备操作员等外部用户可以提交维护工作请求或报告设备故障。例如，假设每天都有几个维护请求。我们可能会错过队列中的一些请求。所以维护

您是否正在为您的维护维修和运营选择维护管理软件？当然，这可能是一个相当大的挑战！ 人们可能已经将 CMMS 程序列表缩减为少数合适的产品。因此，现在是试用维护软件程序的时候了。 如何充分利用 CMMS 软件试用期？ 澄清一下，什么样的评估过程才有意义？ CMMS 软件试用提示 1。尝试按照购买后的使用方式设置 CMMS 软件试用版 这说起来容易做起来难！可能有成千上万的设备或零件具有不同的维护需求。 对每个候选维护程序进行完整设置可能会成为一个相当大的项目。 不要这样看我！ 首先，我们确定了我们通常定期使用的项目子集。这将使人们对软件有一种感觉。 然后我们可以看看是否可以从

随着 Senseye 测试版的进行，这篇文章提供了使用我们产品的快速介绍。它将演示向 Senseye 添加传感器的简单性，以便 Senseye 自动开始从数据中构建洞察力并开始构建仪表板。即使您还没有任何传感器，我们也会向您展示如何在 Senseye 中使用公共数据。 原始传感器数据首先，让我们挑选我们想从 Thingspeak 监控的频道。导航到 https://thingspeak.com/channels/public，您将在其中找到人们公开的频道列表。在此示例中，我将使用佛罗里达州太阳能住宅的数据：https://thingspeak.com/channels/34247。请注意 UR

物联网遇上工业 毫无疑问，您听说过物联网——这些天似乎很难错过。现在我们也有了工业物联网——在描述其在更广泛的工业领域的适用性时很流行。 物联网将以我们以前无法想象的方式提供新数据；它将刺激新市场并连接以前几乎没有重叠的现有市场，进一步推动对能够理解可用数据以提取有意义结果的应用程序的需求。自动化这种信息发现和利用将是巨大的，IDC 预测到 2020 年将达到 7.1 万亿美元的市场；麦肯锡建议到 2025 年产生 6.2 万亿美元的“保留”影响。当你看到这样的数字时，你会意识到一些相当戏剧性的事情正在发生。 那为什么是现在呢？ 首先，已经取得了许多技术进步，这些进步将使物联网运

预测机器故障听起来很棒（而且确实如此！）。虽然我们总是尽量减少设置过程中的任何痛苦，但重要的是要认识到预测失败是由数据驱动的，为了使预测有用和可靠，来自机器的数据需要有足够的数量和质量（尽管数量确实有其自身的质量）。 这里有 3 点需要检查，以便您知道您现在已准备好利用 PROGNOSYS 等软件来自动化机器的状态监控、诊断和预测，以减少停机时间并保持较高的整体设备效率 (OEE)。 您有监控设备 我们可能都同意监控和数据记录很重要。它不需要先进（例如，它不需要是全面的振动监测），但应该存在一定程度的监测，例如连接到 PLC 的热电偶或驱动器的电流监测。 您的工厂车间已连接 这可以

或者更确切地说，工业 物联网有助于预测性维护（在机器发生故障并导致停机之前对其进行维护）。 预测性维护是一个棘手的课题，这已不是什么秘密。能够在机器即将发生故障之前对其进行维护的想法代表了一种理想的情况，原因有很多： 无需保留备件库存 避免过度维护设备（昂贵） 您可以避免故障并清楚了解机器的确切状况 通常制造商会指定平均无故障时间 (MTBF) 或平均无故障时间 (MTTF)。虽然它们听起来很相似，但区别在于 MTTF 通常用于测量不可修复的系统。将在少于平均故障间隔时间的时间定期进行维护。从统计上讲，这应该确保“永远”不会发生故障，因为您总是在维护和“重置”MTBF 周期，不幸的是

在与人交谈时，我们发现预防性和预测性这两个术语通常在心理上是重叠的；然而，在实施技术和现实世界的影响方面存在如此显着的差异，因此在我们了解它们的优缺点以及为什么预测性维护是制造商唯一的未来之前，明确定义两者非常重要。 预防性维护 严重依赖制造商指定的平均故障间隔时间 (MTBF)，该平均时间间隔指示机器及其组件故障之间的平均时间长度。维护活动在超过 MTBF 数（通常以操作小时数）之前执行。 预测性维护 依赖于来自机器及其组件的真实世界诊断（当前状况）和预测（未来状况）信息（这可能是轴承/变速箱的振动监测、电动机的电流监测、温度监测液体等）。根据组件的实际情况及其预期剩余使用寿命（

工业 4.0 和物联网（或工业物联网，如果您愿意）是如此密切相关，我们不妨互换使用这些术语。似乎每天都有一些关于物联网的新闻，以及它将如何改变一切——联网汽车、联网人，甚至联网洗衣机。然而，如果没有真正的用例，这些连接并不意味着很多——是的，你的冰箱现在可以与你的手机通话，但这回答了一个没人问的问题，解决了一个没人关心的问题（尽管我准备在 5 年后吃掉我的话，那时我们都在最热门的基于冰箱的社交网络上分享我们的冰箱统计数据）。 作为一个行业，制造业有一些非常明确的问题——客户需要快速、低成本和高质量的商品。如果由于计划外停机而无法满足这些要求，后果将是昂贵的。使用物联网技术解决这些问题更容易

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

服务化在工业领域是一个相对较新的术语，但它正在迅速兴起；制造商杂志甚至专门为此举办了一系列会议。一句话，任何产品/产品都可以“作为服务”（例如按小时或单位）交付，而不是作为离散的产品+维护组合交付的概念。一个典型的例子是劳斯莱斯在 80 年代将其业务转变为“按小时供电”模式，他们不再简单地销售喷气发动机和保修，而是为运营商提供飞行时间——责任将在那时完全依靠劳斯莱斯来交付合同规定的小时数，同时实现某些可用性指标。 我们之前已经介绍过预测性维护；它允许您通过修理机器来提前预防计划外的机器停机时间只是 在失败前的正确时间。它依赖于状态监测的有效使用和分析，并开始更多地使用预测（预测机器剩余使用

许多年前，“你无法修复没有损坏的东西”曾经是传统反应式维护的理念。只有在机器完全发生故障时才需要帮助。 完成报告、查找或订购更换零件以及组装所需的维护专业知识，通常会导致不必要的延误和停机，以及加班成本。 交货时间，因此，交货时间表超出了窗口。 计划失败 在 1980 年代，随着日本制造技术的流行，包括准时制 (JIT)新想法是进行定期或计划的预防性维护。通过引入用于精益制造的全面生产性维护进一步完善了这一概念，其中计划维护以使设备始终处于工作状态。 成功实施意味着更少的故障和停机时间，从而更有效地利用劳动力、延长机器寿命并提高工作场所的安全性。 这些明显的好处提高了整体生产

数字化是当下的流行语。似乎每周，一家工业公司都会宣布新的“数字化主管”——多久之后我们才能看到哈佛商业评论称其为新的“最性感的工作”，就像他们曾经对数据科学所做的那样（如果可以的话，现在是 6 年前）相信）？ 工业 4.0 是高度数字化的环境，拥有丰富的数据和互联设备，正在为制造商迎来一个新时代。无缝和智能的数字平台旨在提高生产力、促进灵活的生产能力、解决网络安全问题、创造高价值就业机会、提高全球市场竞争力并推动商业增长。 从商业角度来看，工业 4.0 显然是数字化运动的基石，它可以带来的好处是所有工业和制造组织未来经济成功的基本因素。 一段时间以来，我们一直认为工业 4.0 最有趣

在竞争激烈的市场中，通过实施状态监测 (CM) 计划来提高机器可靠性可以在帮助降低运营成本方面发挥重要作用。 CM 承诺减少机器停机时间、延长资产寿命和降低维护成本，有很多事情要做。但实现您的 CM 雄心需要计划、承诺和持续改进。在这里，我们着眼于一些常见的陷阱，并深入了解组织如何实现 CM 潜力。 设备不良及故障模式选择 安装全面的 CM 解决方案可能会很昂贵，而且数据量、分析量和由此产生的操作可能会不堪重负。最好的方法是从关键和最有问题的资产开始，使用易于获得的数据并随着时间的推移扩大规模。历史数据和停机记录可以显示有问题的机器在哪里，应该将其添加到关键列表中。 创建设备优先级列表后

预测性维护软件提供商 Senseye 今天宣布，它已加入运营智能领导者 OSIsoft 的合作伙伴 EcoSphere，以提供其自动化状态监控产品，以帮助 PI System 客户进行数字化转型之旅。 Senseye 使用先进的机器学习算法，通过分析振动、压力、温度和扭矩来学习每个被监控资产的特性数据。它能够提前六个月识别机器出现的问题，并通过将数据输出与已知维护事件进行比较来预测资产何时可能发生故障。 领先的制造商通过使用 Senseye 将计划外停机时间减少了一半，并将维护成本降低了 40%。使用 Senseye 实现的节省让许多用户在部署后不到三个月就收回了他们在系统上的年度支出。

工业软件公司 Senseye 今天宣布，其技术和方法套件正在美国的汽车制造工厂中推广。 Senseye 的技术套件 Senseye PdM 被全球汽车制造商用于实时监控机械状况。它通过使用机器学习算法分析与振动、压力、温度和扭矩水平等关键状况指标相关的数据，发现受监控资产的新问题并确定它们最有可能发生故障的时间。 作为最佳实践数字化转型计划的一部分实施，旨在提高制造和销售的效率和有效性 维护运营，Senseye PdM 被证明可以将计划外停机时间减少一半，将维护效率提高多达 40%，并且降低与机器故障相关的财务和环境风险。 Senseye 的技术可在 14 天内大规模部署，通常在采用后三个

挑战推动创新。对于海上石油和天然气，这一挑战归结为在高水平的正常运行时间和产量之间实现适当的平衡。不延误对生产过程安全至关重要的维护。 利润压力导致一些供应商推迟非关键性维护。通常，使用基于风险的检查 (RBI)。这决定了哪些设备需要最频繁地检查，哪些可以不进行检查。 RBI 需要为每项资产创建详细的、定制的风险评估。也容易出现人为错误。 可以使用另一种耗时更少、可扩展性更高的方法。 操作员可以使用 Senseye PdM 简化对生产资产的检查。这是一个专门的预测性维护应用程序，它基于机械工程框架远程实时执行这项工作。 该解决方案自动检测新出现的资产故障并预测其剩余使用寿命。它通过使

通过预测工业资产的状况和维护要求来防止故障是一项巨大的挑战。数据科学的世界充满了难以在现实环境中交付结果的模型。那么，最好的方法是什么？ 理论与实践 理论上，理论和实践是一样的。在实践中，他们不是。试图将工业资产模型转化为可操作的洞察力，从而在车间内带来改进，这在其他任何地方都是如此。数据科学的学术论文可能包括分析，证明特定算法如何将其他算法提高一两个百分点，但在工厂环境中，切断噪声信号以发现任何模式可能是一个挑战。 然而，如果他们希望自己的努力能够实现预测性维护或其他业务成果，这只是潜在的 DIY 模型开发人员必须克服的第一个主要障碍。那些设法开发出可以在现实条件下工作的稳健模型的人

作为我 对数字化转型项目的投资持续增长，失败的举措数量也在不断增加。公司如何才能最大限度地提高成功机会？ 近年来，一波数字化转型项目席卷了整个行业，技术的结合有望实现更智能、更高效的工作方式。根据对英国、美国、法国和德国企业的一项重大调查1 ，数字化转型的努力正在加速。与上一年相比，受访者计划在未来 12 个月内在数字化转型项目上的支出增加 10% 以上。 这种争夺数字化收益的争夺使许多公司难以显示出实质性的改进。 2018 年 9 月麦肯锡调查的企业高管中只有 14%2 表示他们的数字化转型努力带来了持续的绩效改进。只有 3% 的受访者表示在维持变革方面取得了完全成功。 这使得数