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。
下一篇:返回列表
相关链接 |
||
网友回复(共有 0 条回复) |