我们的生活被工业机器所左右,食衣住行相关所需都来自工厂。这些工厂有数百万个机器,为了维持正常运行,这些工业机器必须进行维修;稳定度工程师使用不同方法来进行维护,包括被动式维护以及预测性维护(PredicTIve Maintenance;PM)。
Petasense创办人Abhinav Khushraj指出,利用工业物联网(IIoT)科技,工厂正在改变资产维护的方式。过去的被动式维护,也就是「使用到故障」(Run-to-Failure),这是最简单的方式但却难以预测,长期而言往往需支付巨大代价。
非预期的停机,导致生产力损失与营运成本上升,也可能产生额外的维修与替换成本。制造商必须准备许多零件,并确保维修人员随时做好准备;机器故障也可能危害员工的安全。「使用到故障」的模式对于非关键的机器是可行的,但如果是重要的设备,势必需要更周全的方法。
预测性维护,是一种按照时间表的维修模式。根据预先界定的时间,而不考量机器的实际状况,也就是每月、或每季定期进行维护。预测性维护可以延长设备受命,并提供更好的效率,但也可能产生额外成本。比如预测性维护会定期停机,导致生产力下降;另外也会有连续性的劳工成本。
此外,许多零件与设备可能还能使用;而定期维修之间的故障,也可能产生风险。预测性维护持续监测机器状况,在问题发生以前预先警告。多数应用都会用到感应器来监测各种参数,包括震动、温度与超音波。
预测性维护,还可以再细分为有线的预测性维护,将感应器以实体线路连结到控制室,然后透过管理系统观察数据。然而大型工厂会需要昂贵的联机成本,如果只是用于小部分的关键资产,是比较合理的方式。
无线的预测性维护,在工业机器上装设无线感应器,可以持续稳定地搜集数据,并传输到本地服务器或云端,然后透过人工智能提供自动化分析,实时监测工业机器的健康状况,并找出故障问题。事实上,最有效的维护计画往往结合上述各种方法;多数机器设备透过无线方式监测,少部分透过有线连结,而非关键的资产则采用被动式维护。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)