【技术趋势】智能维护的出现——使用基于状态的维护来优化智能制造运营
实施基于状态的维护有助于减少设备停机时间，改善数据收集，并提高整体设备效率。
在运营管理方面，生产制造公司面临着许多挑战，如生产开工不足、利润率低以及工厂运营活动中缺乏可见度等。实施预测性维护策略，如基于状态的维护 (CBM)，是一种积极的可以防止设备故障、解决上述运营难题的方法。
维护策略对于制造企业的运营管理至关重要。通常，制造商40%的运营开支都用于维修。尽管这数额很大，但传统的维护方法，如走查、随机检查、和年度停机检修计划很耗费时间，而且容易引起人因故障。这种方法产生的数据，往往也无法提供关于设备质量、工厂车间操作、生产缺陷和故障的有用信息。
解决这些问题的紧迫性正在推动整个制造业向数字化转型。数字化使制造商能够改变商业模式，提高运营效率和整体设备效率。智能预测维护解决方案使制造商可以在生产制造过程中采用有效方法，提高设备的正常运行时间。
基于状态的维护可以分3个阶段实施。数字化咨询有助于实现更智能的监控和维护；通过数据采集和智能收集以实现安全的部署；通过传感器进行有效的数据收集可以增强决策能力。图片来源: L&T
智能维护的出现
使用传统的监视和维护方法进行繁重的数据分析，对工人来说很耗时。由于工厂设备变得越来越复杂，过时的监测和维护技术会导致工厂整体生产能力降低5% 到20%。由于关键设备故障，造成整个工厂生产线停机的事件也常见诸报端。意外的设备故障，可能会导致生产成本的增加，从而对资产利用率水平产生不利影响。这类问题，可以通过实施智能维护系统来避免，能够为有意对生产制造进行优化的公司提供帮助。
下一代设备监视和维护战略，将使公司能够通过分析实时数据来预测未来可能的设备停机，从而提高对生产进度的控制，并最大限度地减少运营的不确定性。全球的制造企业已意识到行业内部的转变，并致力于探索如何充分利用基于状态的维护来进行预测性维护。
如何进行基于状态的维护工作
基于状态的维护是基于实时数据优先、优化维修资源的一种高级设备维护方法。基于状态的维护融合了人工智能和物联网等最新技术，使制造商能够及时做出明智决策。从预测维护解决方案中获利的制造商，将从很多方面受益，并可以在实现卓越运营方面取得进展。
基于状态的维护可分3个阶段实施:
1. 数字化咨询: 第一阶段的典型活动包括评估当前的维护方法，确定制造商是否采集到任何数据，以及如何使用这些数据，评估基于状态维护的部署和设备对IT技术的要求。
2. 数据采集和分析: 然后，与供应商一起制定基于状态维护的战略规划，通过使用传感器、振动测量、产品取样和其它方法来捕获数据。分析这些数据，并据此自定义基于状态维护的解决方案。
3. 实施全面计划: 在最后阶段，解决方案的所有模块相互连接，并监视各种关键设备参数。这些数据可以在手持设备上以报告的形式可视化呈现出来，帮助制造商及时做出设备维护决策。
基于状态维护的收益
基于状态的维护解决方案的主要目的是预测设备故障。根据经常使用的"故障和修复"策略以确保机器的可靠性，对于采用最新技术、也更复杂的数字化设备工厂来讲，不是衡量设备健康的最有效方法。基于状态的维护技术具有很大的灵活性，这就是为什么确保进行基于状态的维护的频率需要保持最佳的原因。例如，在对轴承进行振动分析时，基于状态监测任务的频率主要决定因素是平均故障时间、失效时间或潜在功能故障间隔。为了确保在功能故障之前检测到问题，必须在小于平均故障时间间隔的频率下对轴承进行监测。
基于状态的维护也提高了资产的有效性。任何企业都需要盈利，都需要确保投资回报率。同样，对于制造商来说，要实现最大化的资产利用率，降低设备故障至关重要。基于状态的维护允许制造商建立趋势，预测故障，并计算资产的剩余寿命。制造商将获得更多的智能信息，使他们能够为维护计划、备件/库存计划等进行数据驱动的决策。数据也将提供关于资产历史和相关过程历史的有用信息，如热量循环、压力循环、以及高振动、停机时间等信息。根据所收集的数据，可以确定一个组件的平均寿命，并采取适当的行动。
制造商将其运营费用的40%，花费在关键设备的运营上，另外5% 至8% 被指定用于关键设备的维修。任何意外设备故障都可能导致停机，这可能会对工厂的生产造成负面影响，并妨碍公司有效满足市场需求的能力。在这种情况下，基于状态的维护可以以多种方式帮助制造商。
例如，振动分析使制造商能够确定轴承、轴、联轴器、转子等机械零件的故障，并在需要紧急操作时通知相关人员。另一个突破性的创新是，基于状态的维护解决方案能够预测故障的发生，比如，与电流相关因素导致的超载、短路、漏电、扭矩预测、和缺乏润滑等。
半导体制造业的不断发展，以及对创新数字技术的大量采用，大大降低了传感器的成本。IT公司正在部署经济有效的集成软、硬件等各种技术的基于状态的维护解决方案，如振动测量和分析、红外、电流分析等。它能为关键参数 (包括温度、声学、压力和振动) 收集实时数据。这可以预防计划外停机、年度大修停机、最大限度地减少人为错误，并消除用于评估设备条件的人工成本。
基于状态维护的成本分析
基于状态维护所产生的成本受到机器类型、运营性质的影响，需要考虑各种因素，例如，防止在每小时生产价值1万美元产品的机器上发生轴承故障。如果发生了5个小时的停机，就可能会造成5万美元的生产损失。
一般来说，基于状态的维护在第一年就可以帮助降低12%的维修成本，并将机器可用性大幅提高至92%。基于状态的维护还可以减少约25%的意外故障；修理和检修时间降低几乎一半。大量备件的库存也可以减少20%，在第一年将就可以将每年的维护成本降低15%。除了资产性能方面的收益之外，基于状态的维护还带来了诸多收益，包括:
确保运营顺利进行；
优化生产，尽量减少因机械相关延误而造成的工厂生产中断；
更高的客户满意度；
卓越的生产力管理；
更好的供应链关系。
例如，让我们来看看工厂压缩机故障。压缩机的维修和更换费用可能高达20万美元。除此之外，还会导致产量损失和生产时间的减少。这将影响交货日期和服务可用性，还会进一步打乱生产计划。
基于状态的维护解决方案，可以预测故障并提醒工人，在故障发生之前解决问题。维修费用仅为3.5万美元，为制造商节约了16.5万美元。对持续监控方面的投资，可为生产制造商带来高达11倍的投资回报率。
再举一个例子，生产制造过程中会出现传送带马达故障，造成包装生产线计划外停机，导致产量和收入减少。为克服这一问题，制造商决定部署端到端的基于状态的维护解决方案。该解决方案开发了一种工业边缘网关模块，用于在不同负载条件下持续采集数据。
该模块还解决了数据采集和存储问题，导致网络流量的增加和基础设施成本的提高，尤其是面临机器数据的时候。该模块采用集成的机器学习和人工学习算法，收集并分析传送机器电机振动、温度和电流等关键数据，并仅将处理后的数据发送到云服务器。
此外，通过基于云的分析获得的宝贵信息，可以触发预定义事件的警报和通知，以便在潜在设备故障发生之前发送警告。该解决方案还使用企业资源规划 (ERP) 服务器，实现自动化的工作订单，将数据整合到报告中，并在手持设备上实现可视化，从而在故障发生前采取数据驱动的维护操作。基于状态的维护解决方案使制造商能够将设备的正常运行时间增加约 93%，并将维护成本降低约14%。解决方案还确定了平均故障时间、资产健康指数和下次维护时间等方面的信息。
领先的全球制造商们已经开始采取足以改变游戏规则的方法，战略性的将维护解决方案转变为智能服务和资产管理解决方案。随着先进技术不断推动行业发展，那些采取措施实施高级分析维护的制造商，将提高整体性能，减少浪费，并有效解决计划外的销售需求。
本文来自于《控制工程中文版》（CONTROL ENGINEERING China ）2018年8月刊《技术进展》栏目，原标题为：使用基于状态的维护来优化智能制造运营
————本期杂志封面————