智慧工厂，未来将至

预测性维护的概念其实很容易理解：如果工厂能够有效的预测出设备将在何时出现故障，就可以提前安排对设备的检修和替换，有效减少故障带来的损失。

▲ 上图清晰的展示三种不同维护模式的区别

数据驱动，防患于未然

预测性维护的概念本身，早在上世纪90年代已被提出。由于当时传感技术和计算能力的局限，无法被广泛的应用到工业场景中。在传感设备种类逐渐丰富、通信和计算能力日渐成熟的当今，预测性维护的实用价值正逐渐被更多的行业所接受。

预测性维护的核心，是构建一套可以有效判断设备运行状况的数据模型，对不同种类的故障进行有效的预判。在构建预测模型的过程中，需要大量真实数据的支持。这包括传感设备采集的实际运行数据以及故障案例的历史数据。

我们需要意识到，工业设备历经了数十年的打磨迭代，设备损坏的概率远低于设备正常的概率。如果预测性维护的模型无法准确预测故障，产生了大量无效的警告消息，反而会对工厂增加额外的维护负担。

预测性维护的实施，对工厂的数据采集、互联互通有较高的要求。针对收集的多种传感数据进行分析、建模，也是传统工业所欠缺的技能。这也是未来工业升级需要克服的挑战。

预测性维护——说起来容易，做起来难

▲ 来源：NASA

预测性维护在行业中的应用

预测性维护的概念并非纸上谈兵。垂直领域的龙头企业们，已经将预测性维护应用到了实际运营中。

航空行业是预测性维护最早获得实际应用的行业之一。作为现代工业制造的重要成就之一，飞机的制造流程极为复杂，需要对上百万个零件完成组装调试。因此，对飞机的合理检修，也需要具有专业的维修服务供应商提供服务。

新一代的飞机上，配备了大量数字化设备，能够采集在飞行过程中产生的大量设备信息。如何充分利用新一代飞机所产生的大量数据，让这些数据带来更高的运营效率，是航空公司和航空运维公司关注的重要课题。

飞机制造商（OEM）在飞机维护领域占据着领先优势。他们对于飞机各组件的工作原理和潜在出现故障的原因，有着先天的优势。

以波音为例，公司的Airplane Health Management （AHM）系统目前已为全球超过2000架飞机提供服务。通过在飞机上部署的大量传感设备，波音可以实时检测飞机出现的故障和潜在隐患，帮助航空公司预先安排检修和零部件更换等事项。通过数字化的手段，波音将飞机的平均运营时长提高了35%，为航空公司带来了效率和营收上的提升。作为能源行业的巨头之一，雪佛龙(Chevron)也在预测性维护上做出了积极地尝试。

2017年，公司宣布与微软和传感器制造商艾默生展开合作，通过数字化的手段帮助自身实现数字化的改造。公司预计在2024年前，实现对公司在100多个国家的工厂的数字化改造。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!