预测性维护是指利用实时数据采取措施防止机器故障的一个术语. 为了了解预测性维护的好处, 我将从熟悉的例子开始这篇简短的概述:
车辆
车主通常依靠定期检查和保养来保持车辆的状况正常. 检查时间表是基于以前的经验和猜测, 例如, 大多数车辆在需要换油之前可以行驶 5000 到 7500 公里, 刹车片的寿命周期约为 75000 公里, 轮胎通常使用 3 至 4 年或者大约 65000 公里 -- 以先到者为准. 这些是基本的指导方针, 但遵循这一更换和检查时间表并不能保证车辆继续以较高的性能运行, 并避免出现更严重的问题.
许多因素会缩短车辆零件的使用寿命. 未对准的轮胎可能会在几个月内磨损, 缺乏高速公路行驶可能会影响发动机清洁旧机油的效率, 此外, 一点人为错误和错放液体都会导致发动机完全故障, 使车主损失数千元乃至数万元.
将猜测工作从维护和检查中删除会不会很好? 一些高端车辆已经采用了一系列传感器来提醒驾驶员车辆状态的变化, 例如低液位. 在过去的十年里, 可用于汽车部件的环境传感器种类激增, 并且质量大大提高, 价格大大下降. 驾驶员可以享受停车摄像头, 运动传感器和特定发动机维护数据等好处. 这些传感器, 特别是那些与车辆机械有关的传感器, 可以提醒驾驶员即将出现的机械问题. 这称为预测性维护.
预测性维护是物联网的一大好处. 物联网是一个包罗万象的术语, 用来描述各种设备是如何使用内置传感器和通信能力的. 围绕物联网的大多数讨论都与消费者市场和电子产品有关, 而真正的创新步伐往往发生在幕后的行业.
从物联网中受益的一个主要行业是制造业, 预测性维护意味着可以很大限度地提高资产可用性.
过去, 维护专业人员已经整合了定性和定量技术, 以防止设备故障和减少机器停机时间. 预测性维护使优化机器维护成为可能 -- 很大限度地减少停机时间并增加运营潜力.
德勤表示, 不良的维护习惯会使工厂的生产能力降低 5% 至 20%. 截至 2018 年, 在美国, 维护不善每年使工业制造商损失约 500 亿美元. 等到零件坏了再更换它的代价是高昂的, 而且也是生产力的障碍.
预测维护使用各种来源的数据, 包括设备传感器, 网关, 分析和在线可视化工具. 先进的算法可以预测故障并提醒适当人员注意该问题, 从而避免单调的检查需要, 并为其他任务腾出劳力.
铁路预测性维护: 海量数据
铁路公司也加入了物联网的潮流, 利用传感器和分析技术确保轨道和库存机车处于正常状态. 例如, BNSF 铁路公司利用摄像头, 力检测器, 声传感器和红外线检测来捕捉轨道车制动能力的缺陷, 轴承摩擦增大和铁轨弯曲. 从这些传感器收集的数据描绘了列车系统的健康状况, 并提高了系统的安全性和可靠性.
预测性维护与电梯: 创新的新高度
电梯正通过传感器达到新的创新高度, 传感器可以跟踪开闭周期, 以了解哪些楼层利用最多, 以及人们通过强行打开电梯门而收到的滥用量. 这些数据允许公司量化他们的维护计划, 其理念是 "每 X 次该门打开和关闭, 就应进行维护". 从这些智能电梯中收集的数据还使维修人员能够在场外诊断问题, 并以正确的计划和设备到达工作地点.(来源物联之家)除了避免停机和节省维护成本之外, 智能电梯还提供了一个让所有用户都安心的功能: 实时通知. 如果电梯意外停止, 而有人被困在电梯内, 那么该人等待救援的时间就会大大缩短. 与物联网平台相连接的智能警报系统将确保通知正确的人, 并能立即采取行动.
石油和天然气的预测性维护: 将数据传递给决策者
如果部分管道出现故障, 石油和天然气公司将面临巨额的财务支出风险. 例如, 雪佛龙公司 (Chevron) 在其管道上安装了物联网传感器和网关, 以帮助识别腐蚀和损坏. 传感器可以测量酸碱度, 二氧化碳和 H2S, 以及管道直径和厚度. 数据被传递到云中, 在那里进行评估, 分析, 并用于做出维护决策.
总结
基于物联网的预测性维护有助于优化资产可用性, 并减轻一些与细致和单调检查相关的负担. 预测性维护对消费者和行业都有好处, 可以节省大量时间和金钱. 要了解更多关于传感器, 物联网, 预测性维护或其他主题的信息, 请浏览我们物联之家网站上的更多内容.
来源: http://iot.51cto.com/art/201912/608513.htm