在工业制造界，企业极不希望发生停机事故。因为，一小时的停机时间会使企业损失上百万人民币甚至更多。除了资金方面的损失之外，停机还意味着，当持续发生设备故障时，对员工的激励难度则会变大。因此，在企业的日常业务运营中，预测性维护就显得十分重要。
设备故障诊断是预测性维护技术体系的重要组成部分，通过选取合适的状态监测传感器，对设备各个机械部位的状态信号连续、并行地进行采集、分析，从而提前做好故障预防工作。那么，想要实现预测性维护，需要采取哪些设备故障分析方法呢？
设备数据采集及分析
设备故障分析方法的第一步是采集相关设备数据。在预测性维护措施中，所使用的通用制造设备均配备了传感器和执行器，用于监测组件的性能和健康状况。有了这些历史数据以及停机时间或故障率数据，企业还需要建立工业云解决方案、分析应用程序和功能性票据或警报系统，就可以完成车间内预测性维护活动。
实时监控数据算法
对于刚刚起步的制造企业来说，需要构建由算法驱动的应用程序以实现基于条件的监测。企业可以选择从为其行业细分市场的数据服务平台上购买相关数据，或者以设备的维修或维护指南作为标准进行推断。
转变维护思维方式
车间中预测性维护的成功取决于管理层和员工对于预测性分析的认识。这就需要制定有关自动化预测性维护的管理层和员工相关政策，从而实现更优化、更简化、更智能化的设备状态监测诊断过程，并以高准确性、高精确性的诊断结论指导检维修实施及设备恢复生产。
预测性维护比较典型的实例可参考徐工信息汉云平台携手中交集团构建中交车辆设备管控平台的合作。之前的中交集团日常生产作业中，设备作业事故频发，无法实时监测设备故障情况，不能及时采取措施，且项目众多、设备分散，无法准确统计设备的工作效率及项目利用率。
为此，徐工信息汉云平台通过数据采集终端以及风速、倾角、重力等传感器，实时采集设备运行状态，为各种设备类型设定作业安全阈值，当超过预设阈值时实时提醒用户；并根据设备的工作时长以及保养策略，提前提醒用户进行设备保养；记录设备的维保内容及相关备件，辅助设备单机核算。此外，汉云平台还统计分析了中交设备每天的工作状态数据，帮助企业掌握设备工作情况，科学安排闲置设备，提高设备的利用率。
通过徐工信息汉云平台提供的预测性维护解决方案，有效地降低了企业设备作业事故3%，降低了设备运行成本7%，使得企业的设备利用率提高了5%，解决了内部各子公司设备协同问题。
实际上，预测性维护就是采取先发制人的方法，能够在工厂设备出现故障之前凭借数据捕获和分析发现故障，并进行维护和修理。预测性维护能够大幅度减少计划外停机时间，有助于企业降低运营成本，消除出现人为错误的可能性。同时，预测性维护还能有效减少车间事故的发生，保护车间工人安全生产，为企业提高生产力创造了有利的环境。
转载请注明：http://www.0431gb208.com/sjszlff/4957.html
