返回2022年制造业预测性维护的五个趋势

在制造业中使用预测性维护并不新鲜，但它正在不断发展。跟上趋势是最大化投资回报的很好的方式。

以下五件事可能会影响来年的预测性维护。

改进查明问题的工作

一些最早的预测性维护解决方案主要是提醒人们注意特定机器的问题。但是，他们没有提供具体细节，例如哪个组件存在触发通知的问题。

这开始改变了。例如，Amazon Lookout for Equipment 会显示机器上的哪些特定传感器表明存在问题。这使得维护专业人员可以更轻松地开始有效地解决问题。此外，亚马逊的产品还会显示已识别问题的估计影响。该信息可以鼓励决策者在问题导致灾难之前对其进行快速评估。

传感器数据也可以实现更好的环境监测。例如，一家公司在一个工厂中使用智能传感器，人们在该工厂为生产线下的新车喷漆。如果出于制造目的而保持凉爽的房间内的温度开始上升，工厂领导可以在问题导致生产停止之前进行调查。

对远程评估的兴趣增加

预测性维护策略可帮助制造代表更快地识别问题，但它们并不能完全阻止问题。然而，新兴技术使技术人员能够在到达现场仔细查看之前更清楚地了解机器的情况。

大多数人可能都拨打过技术支持热线，发现仅用语言很难描述问题。这就是为什么一些代理要求客户在可能的情况下发送错误代码的图像和类似的随附媒体。但是，拍摄和发送这些照片会浪费宝贵的时间。

这就是为什么一些技术人员使用智能眼镜来捕捉机器行为的音频和视频证据并将其实时广播给支持代理。然后接收方可以以各种形式提供帮助，包括向客户发送相关文件或图纸。这种方法在 Covid-19 大流行期间特别有利，但很可能在未来很长一段时间内仍然需要它。

加强努力采取多维方法

预测性维护为制造商提供了许多引人注目的优势。例如，它增加了机器故障之间的时间，从而提高了生产力。当制造商开始使用预测性维护时，它主要集中在状态监控上。如果一个组件的值——无论是温度、振动还是其他东西——超出设定的参数，它就会触发警报。

然而，人们开始利用下一代预测性维护方法。他们通过使用机器学习和多维数据来评估零件状况的众多因素，从而为通知提供更多背景信息。这种异常检测方法还评估即将发生的故障如何影响机器中的其他组件。

此外，应用这样的预测性维护有助于确定零件是否真的出现故障并需要更换，或者可能由于机器利用率高于正常水平而显示某些统计数据。一个相关的好处是，人们可以获得洞察力，帮助他们确定部件比预期更早发生故障的原因，而不是仅仅知道它不再起作用。

重新认识忽视维护的连锁反应

Covid-19 大流行彻底改变了劳动力，影响了特定时间轮班的人数、装配线站的布局以及工人必须采取哪些措施来验证他们是否健康。大流行还扰乱了维护计划，经常导致推迟日常维护，直到事情平静下来。

然而，这个决定产生了他们可能没有预料到的影响，包括工厂火灾的增加。与 2020 年相比，2021 年上半年这些事件增加了150%。此外，2021 年有望成为有史以来报告的最多工厂火灾。这些发人深省的统计数据可能会鼓励领头羊看到延迟维护可能会导致代价高昂的灾难。

Hirra Akhtar 是 Resilinc 的供应链风险咨询总监，该公司发布了一份包含这些调查结果的报告。研究表明，与 Covid-19 相关的人员短缺是激增的主要驱动因素。“为什么会因 Covid 而发生工厂火灾或化学品泄漏?由于预防性维护较少，对高温工地附近收集的碎片的关注较少，因此进行的安全审核也较少，”Akhtar 解释说。

结合数字孪生和预测性维护策略

制造商使用数字孪生来简化工厂运营变得越来越普遍。拥有高度详细的工厂虚拟版本，可以更轻松地查看瓶颈发生的位置、规划新设备安装和测试新流程，然后再在现实世界中实施它们。然而，最近的一个趋势是使用数字孪生来支持预测性维护。

在一个案例中，数字孪生通过预测工厂停运为一家天然气公司节省了 360,000 美元。并非所有数字孪生预测维护配对都有如此令人印象深刻的结果。但是，当存在需要预测的维护问题以及公司拥有相关机器的高质量操作数据时，他们更有可能获得回报。

制造领头羊还应该记住，他们可能会使用多种数字孪生模型进行预测性维护。例如，一些虚拟模型显示单个组件，而其他虚拟模型显示整个机器。

预测性维护正在发展

制造商早就知道预测性维护可以帮助他们享受更多的正常运行时间和更少的意外成本。然而，这五个趋势表明预测性维护以及人们使用或考虑它的方式正在发生变化。掌握这些趋势有助于增加获得丰厚投资回报的机会。