工廠設施管理人員經常要會感受到一種壓力，需要不斷改進工廠和運行環境下的維護流程。根據權威的一份大數據報告，生產過程所產生的數據要多于任何其它來源產生的數據。工廠數據，遠未得到足夠的開發。

 

　　如果以這些數據為基礎，從策略層面來實施維護流程，那么工廠設施管理人員就可以實現所謂的預測性維護——將維護技術與從不同設備和機器上得到的實時信息關聯起來，從而可以實現按需完成維護工作。這樣不僅可以降低停機時間，提高產量，還能消除在不必要的維護上所花費的時間和資源。

 

 

　　通過實施預測性維護——而不是應對性維護，可以降低設備整個生命周期內的費用，這樣大多數的生產設施都有機會大幅提升它們的盈利水平。這有助于優化能源利用，減少設備停機，以及獲得在其它方面的提升。

 

　　為什么需要預測性維護?

 

　　對于那些存在老舊、甚至是過時設備的生產設施來講，維護程序經常會導致不必要的費用，比如運行停機、能源浪費和人力成本等。按照傳統的維護程序，定期進行日常維護，這就意味著操作人員很有可能在對一些并不需要維護的設備進行保養，這就意味著時間和資源的浪費;或者更換掉那些仍具有使用價值的設備。使用傳統的維護程序，如果一個設備沒有按規定進行日常維護，那即使有某些征兆顯示其要發生事故，也可能被忽視。

 

　　另一方面，那些已經按照實際需要，對設備和機器進行預測性維護的生產設施，與定期維護相比，在頻率上會差異。利用網絡、互聯設備等基礎設施所產生的數據，來處理諸如能源利用效率、溫度、產量等事項，運行人員和工廠經理可以判斷哪些設備運轉正常、哪些設備可能要出故障。運行人員和工廠經理就可以據此做出決策：何時進行維護、安排設備離線，或者在當前的條件下，安排某些設備持續運行。

 

　　當某些設備不能滿負荷運行、但是其輸出仍可以保持在正常變動范圍之內時，工廠生產設施經理就可以利用預測維護，避免“事實”上的停機。例如，一條電池生產設備生產電池的速度快的驚人，甚至超過人眼可以分辨的程度。三臺機器產量大概有10%-15%的波動，這都屬于正常生產范圍內的。但是如果利用其它被監測的數據，如能源利用、運行時間和溫度等，操作人員就可以將機器產量提高10%，從而可以節約大量成本。

 

 

 

　　大數據是預測性維護的基礎

 

　　網絡、互聯設備、以及采集、監視和分析得到的數據(通常被稱之為大數據)是預測性維護流程的基礎。這些數據基礎設施以及數據驅動的智能信息，也就是我們正在熱議的物聯網(IoT)。根據Gartner公司的定義，物聯網就是包含嵌入式技術以實現與內部狀態或外部環境之間的通訊、感知、或互動的物理對象和連接的設施，它能實現對整個工廠設備的監視。工廠經理和運行人員可以根據物聯網所提供的數據和信息，將工廠切換到預定的預測維護模式。

 

　　預測性維護可以利用很多種類型的數據，包括設備運行時間、溫度、能源利用、產出以及更多其它數據來改善決策的制定和運行。比如，在某個消費品工廠，一個設備可以連續運行，維持穩定的紙巾生產，但是在其出故障前，能源消耗會大幅飆升。這樣通過監視機器產生的能源消耗數據，當檢測到能源消耗飆升時，運行人員就可及時進行干預，從而避免停機。如果采用定期維護模式，需要將機器離線，這會在產品周期內造成非計劃停機。通過利用與機器運行有關的當前數據，以及過往失效的歷史運行數據，操作人員可以降低對工廠運行的不利影響。

 

　　實施預測性維護的關鍵步驟

 

　　實現預測性維護，不能一蹴而就，需要多層次、逐步完成。下面是在生產設施內開始實施預測性維護的三個關鍵步驟：

 

　　■ 改變采購優先等級：工欲善其事，必先利其器，想要利用大數據以及物聯網來實現預測維護，必須要有能夠產生這些運營數據的設備?；ヂ撛O備逐漸成為范式，但是在采購流程中，必須將采購優先級從傳統設備轉移到可以使用網絡通訊的互聯機器上。這種轉換，可能會對組織帶來一定的挑戰，因為不具備網絡功能的傳統設備意味著在前期成本上要比互聯、智能設備具有優勢。利用互聯設備所產生的數據，可以避免單一故障事件以及因之而引起的生產線停機所造成的損失，在一定程度上可以補償采購具有網絡功能的設備所需要付出的額外成本。采購決策必須基于整個生命周期內的使用成本而不僅僅是前期的投資。

 

　　■ 啟用數據專家：一旦設備完成網絡連接，具有測量和監視數據功能，生產運營經理就可以與數據專家合作，確保設備能夠以最優的方式采集和使用數據。數據專家可以通過對現場甚至是虛擬場景的評估，來改進數據運營。聯網設備采集的數據，可以存儲在云端，通過一個基于服務器的模型來實現虛擬監視。當數據被虛擬存儲時，就可以對其進行訪問、分析，并在數據專家的幫助和指導下，用其指揮和實施預測性維護。這種虛擬化，作為數據專家提供服務的一種，可以加速在工廠內實現預測維護。

 

　　■ 將正確的數據推送給正確的人：利用數據驅動信息，實現預測性維護的一個關鍵方面就是在整個組織架構內推送數據，從而可以對決策過程施加最大的影響力。數據必須保存在特定的組織層面，但是必須將其推送到工廠車間層，供車間層單個機器操作人員利用。與通過智能手機推送通知、數據一樣，生產運營經理在努力確保數據在組織內傳輸、從各個渠道將其推送到工廠車間的操作人員時，必須考慮將數據傳遞的清晰易懂。

 

　　例如，在煤井、采礦和金屬工業等行業，天氣狀況是實現預測性維護的一個關鍵因素。如果數據采集設施、優化分發數據的系統已經就位，當惡劣天氣即將到來時，生產運營經理就可以通知現場的員工和運行人員，而不必安排專門人員來跟蹤天氣預報。智能數據基礎設施可以顯示，哪些設備因惡劣天氣造成的降級程度最厲害，設備的當前狀態，以及在天氣狀態來臨前應當進行哪些特定的維護工作。在任何工業領域內，生產運營經理應確保數據應能到達最底層或車間層，這樣相關人員就可以因之做出響應。這經常并不需要通知維護專家進廠，而是確保每個設備運行人員都可以利用這些數據來執行預測性維護，從而優化性能。

 

　　經過綜合考慮的預測性維護程序，可以為工廠運行帶來顯著的收益。有效利用預測性維護的工廠和設施經理，可以獲得可觀的運行收益以及競爭優勢。一旦某個設備實現互聯，整個工廠內的相關人員必須相信由這些數據所得出的結論，從而可以從基于數據的預測性維護中獲得最大的收益，盡管這些結論可能會對以前的優化生產參數認知造成挑戰。