您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识

如何预测性维护智能工厂？

预防性,模型,数据如何预测性维护智能工厂？

发布时间：2020-12-06加入收藏来源：互联网点击：

如何预测性维护智能工厂？

回答于 2019-09-11 08:43:50

回答于 2019-09-11 08:43:50

预测性维护，比预防性维护要求更高一层了，先对比一下异同：预防性维护是根据一系列的规则和积累，制定维护计划，周期性的进行维护保障的工作安排，以期工厂设备设施几乎不出故障、极少需要停产维修。在这个层次上说，预防性维护依赖周期性计划，经过了工业界多年的考验，取得了不错的效果。

随着技术的进步，人们发现预防性维护可能有些维护工作是无用功，经验编排的计划会有冗余量考虑，“过维护”的现象是存在的；而另一个方面，预防性维修还有不少死角，因为经验计划编制的一些不足，可能在某些地方存在“欠维护”的情况。

预测性维护就在预防性维护的基础上，更进一步，充分利用物联网、大数据、AU等技术，来对工业系统进行全面的监控，力求发现故障隐患，在故障出现之前就安排维保人员采取措施进行维护保障，这样可以做到按需维护，比预防性维护很多时候能够减少维护次数和工作量，而随着物联网监控和AI大数据分析的全面化，维护盲区也被大幅削减，进一步降低了工业设备设施维故障及损失的风险，也降低了维护工作的人力物力消耗、减少停机时间，是一大提升。

要实现预测性维护，“预测”能力非常重要。所谓预测，其实就是根据大量物联网采集数据，送入AI大数据预测模型，对风险给出提前预警，并列出前置处理办法，将风险消弥于无形。因此高密度的物联网感知体系（传感器、PLC、DCS等全域数据接入）建设是预测性维护的第一关。有了足够多的物联网采集点，数据存入大数据存储系统供分析查询，大数据存储检索是系统建设的第二关；如何根据数据进行预测，需要有丰富的预测模型，可能是传统的经验算法模型（有不少公司就一个点比如电机机械振动波与故障间关系模型研究16年、20年的专门算法公司，精准到让人吃惊）、也可以是需要试运行学习后再生效的人工智能模型，这是预测性维护最难的地方，技术挑战非常大。

当然采用人工智能方法，经历一端时间试车学习和闭环调优，人工智能方法不要求像算法公司那样几十年如一日地投入钻研，但其学习、调优过程是会给系统带来一些额外的负担甚至局部混乱的，也许吃螃蟹的工厂在三年后的AI模型，能够为后来者减轻很多这方面的压力吧。

综合来说，预测性维护能力很强，但路漫漫其修远兮，目前也没有能够全面覆盖事无巨细都能预测的商用系统产品问世，多数都还是相对局部、为EAM产品提升一部分维保效果，以此带来客户效益的阶段。在未来不短的时间内，预防性维护和预测性维护势必还是相辅相成配合工作的状态。