制作业是实体经济的主体,是供应侧结构性改革的重要范畴和技术立异的主战场,也是现代化经济系统建造的首要内容。


目前,制造业面临成本增加和增长下降两大难题。因此制造商必须解决4个关键挑战:运营优化、成本节约、生产质量改善和需求预测。


制造业高质量发展,必须直面预测性维护


无疑数字化转型是制造业新的机会。不过要面对以上挑战,将一两个生产环节数字化只能起有限作用,一个完整的数字化解决方案则可以派上大用场。一个基于运营数据分析的稳健预测系统能够应对以上挑战,成为制造商未来的制胜法宝。


今天我们介绍预测性维护在制造业中的应用,包括以降低成本改善操作和生产质量,以及预测未来的需求。


什么是预测性维护


预测性维护(PdM:Predictive Maintenance)是在正常运行期间监控设备性能和状态,以减少故障可能性的维护。预测性维修也被称为基于状态的维修,自20世纪90年代以来已在工业世界中得到应用。


预测性维护的目标是能够首先预测设备何时可能发生故障(基于某些因素),然后通过定期计划和纠正性维护防止故障发生。


制造业高质量发展,必须直面预测性维护


制造业预测分析2018年至2026年的市场展望


“2018年,制造业预测分析市场规模为5.35亿美元,预计到2026年将达到25亿美元,2019年至2026年的复合年增长率为21.7%。工业4.0的到来促进了制造业的实质性创新。(来源:Allied Market Research)


整个预测维护系统是如何工作的


预测性维护系统包括物联网、云、人工智能(AI)/机器学习(ML)、Web应用程序。


系统是这样工作的。最初,数据将由安装在机器或资产上的物联网设备(感知器)收集。数据将在云端进行处理,或以通知/警告或警报的形式与相关员工共享。处理后的数据将被输入AI/ML系统,以分析和预测某一时期积累的数据的结果(一般推荐至少1年的历史数据)。预测报告将与相关利益相关者共享,以作出必要的行动或决定。


预测维护系统对制造的好处


基于捕获条件的实时数据准确采集


提前预见和预测机器停机时间


更高的透明度


减少产品的延误


提高生产计划性


低维护成本


预见的机器故障


降低维修成本


提高设备使用寿命和利用率


提高员工安全


提高整体利润


预估需求


基本上这些就是预测性维护的基本知识及其好处。


预测分析洞察机器状态


操作效率对制造的生产率和质量起着关键作用。由于这涉及到人、机器和技术,优化一切很重要。


必须分析在不同水平(峰值、中等或正常)运行的机器的性能状态。只有当机器被充分利用并发挥其最佳性能,才能实现最大的产量是可能的。要做到这一点,就必须监视每台机器的性能及其每一个可能的动作。


物联网用于收集数据,并基于历史数据分析,识别和纠正运营中的故障或低效率。通过物联网预测维护系统,不仅可以预测未来可能出现的问题。一般来说,OEE(整体设备效能)是通过物联网数据计算出来的,并对其进行分析和改进,以提高整体运营的效率和效益。


OEE =可用性*性能*质量


机器使用和管理的预测性维护


对于大多数制造公司来说,机器的非计划维护成本很高,因此需要对其进行监控,以实现最大的产量。


故障或有故障的机器会从两个方面影响制造业——首先,它们会降低产品质量;其次,它们会招致频繁的维修费用。因此,必须找到一种方法来发现机器的低效率,并在中断发生之前提高它们的性能,这在过去会耗费大量精力。


有了预测性维护系统,从机器的每一个动作收集的数据将提供大量的数据,然后可以使用AI/ML程序进行分析,以确定机器的故障和故障。预测性维护系统提供有关资产当前状况、可用性、缺陷信息的数据,以帮助重新考虑生产计划。利用这种方法和数据趋势,可以尽早预见和预测机器的故障,从而降低维修和人工成本。这可能会为你的企业节省数百万甚至上千万成本。


生产质量的预测性维护


尽管预测性维护或物联网不会对生产质量或生产率产生直接影响,但这两个因素的结合确实会对整体生产产生重大影响。因为物联网可以帮助简化机器、人和技术。一个预测性的维护系统将照顾到提高机器的效率——期望在生产质量和速度上的改善。


用于需求预测的预测性维护


对制造商来说,预测性维修的另一优势是需求预测。


以往制造商拥有大量的数据,但却缺乏洞察力,因此改进和提前规划的过程总是会出现纰漏。有了预测性维护系统,它可以无缝地根据历史数据预测未来几年可以做什么。


由于预测性维护系统抑制了数据竖井,并在整个制造工厂中实现了100%的透明度。有了一个计划,并知道要期待什么——制造主管可以提前做好计划,以满足客户的要求。不仅如此,可以很容易地确定机器的效率,员工和维修成本,以计划未来的可实现目标。


预测性维护用例-资产管理


预测性维护在制造业中有大量的使用案例,特别是在生产状态下的资产监控中。为了保持生产质量和产量,必须对不同条件下的作业性能进行监控。这些类型的资产应该被持续监控,以保持其良好的状态,即使是微小的故障或缺陷也会让公司损失高达数百万。


有了预测性维护系统,可以无缝监控不同条件下的资产,获得的历史数据将有助于预测资产未来的表现,以及何时需要更换或维护。


当资产需要替换时


当需要进行资产维护时


多长时间会有效


当它故障的时候


是什么导致了故障


与故障相关的风险是什么


预测性维护ROI


将功能性的预测性维护计划放在适当的位置可以产生显著的效果:ROI增加10倍,维护成本减少25%-30%,故障减少70%-75%,停机时间减少35%-45%。


从上面讨论的内容来看,预测分析对制造商来说是一个法宝,因为这将降低维护成本,同时提高运营效率和生产质量,并帮助你规划未来的项目。


预测性分析正在发展,作为预测性分析的最新成员,规范性分析正在行业领域中得到发展。后者是预测分析的子组件,提供导致设备故障的数据和改进故障或缺陷的建议。


随着更多公司投资预测性维护系统,现在是时候决定跟上AI时代的步伐了。特别是在你的竞争对手开始之前。


文章来源: 全球起重机械网, Ai时代前沿

免责声明

我来说几句

不吐不快,我来说两句
最新评论

还没有人评论哦,抢沙发吧~