通过与 Jira 对比,让您更全面了解 PingCode

  • 首页
  • 需求与产品管理
  • 项目管理
  • 测试与缺陷管理
  • 知识管理
  • 效能度量
        • 更多产品

          客户为中心的产品管理工具

          专业的软件研发项目管理工具

          简单易用的团队知识库管理

          可量化的研发效能度量工具

          测试用例维护与计划执行

          以团队为中心的协作沟通

          研发工作流自动化工具

          账号认证与安全管理工具

          Why PingCode
          为什么选择 PingCode ?

          6000+企业信赖之选,为研发团队降本增效

        • 行业解决方案
          先进制造(即将上线)
        • 解决方案1
        • 解决方案2
  • Jira替代方案

25人以下免费

目录

预测性维护有哪些技术

预测性维护技术有:1、物联网网络;2、物联网网关;3、云连接;4、现代数据库和 ERP;5、人工智能和机器学习;6、高级分析;7、数字孪生。预测性维护的优势是:1、提高整个企业的可视性;2、降低维护成本,提高资产绩效;3、提升团队能力。

一、预测性维护技术

确定监控资产状况的方式后,企业必须安装合适的传感器和监控装置,并通过云端互联的物联网网络,将其连接到中央业务系统,最常见的就是 ERP 系统。最后,企业还需部署必要的由人工智能驱动的软件解决方案,支持各种算法和分析流程,对采集的数据进行分析,提供可据以采取行动的洞察和建议。

1、物联网网络

当企业资产有传感器、处理功能和其他技术的加持后,就能与中央业务系统建立通信,收发数据。这种通信通常是通过云连接建立的。这些组件共同构成了物联网网络,为预测性维护奠定了基础。

2、物联网网关

很多旧资产仍然运行良好,但相比数字化集成技术,它们使用的模拟技术比较陈旧。这些机器可以安装物联网网关设备,包括摄像头、麦克风和温度计等,用于采集和传输有关其运行状态的实时数据。

3、云连接

云连接可以支持企业按需访问计算机系统资源。在包含大量工业资产的物联网网络中,不同位置的数据中心必须集成到统一的数据库和系统中,这一点至关重要。

4、现代数据库和 ERP

传统磁盘数据库无法有效管理包含大数据和复杂数据集的海量非线性数据,但预测性维护又需要用到这些数据,需要利用人工智能和机器学习技术对这些数据执行高级分析。对此,企业较好采用基于人工智能的现代 ERP 系统。这类 ERP 系统使用了内存数据库,不仅运行速度快、响应迅速,还能近乎无限地扩展。

5、人工智能和机器学习

作为人工智能的先驱,计算机科学家约翰·麦卡锡 (John McCarthy) 将人工智能定义为“研制智能机器的一门科学与技术”。机器学习是人工智能的一个分支,利用算法来分析和理解数据。借助人工智能和机器学习技术,预测性维护解决方案不仅可以整理和理解企业资产的运营数据,从中学习规律,还能根据这些知识,提供切实可行的建议和洞察。

6、高级分析

人工智能和机器学习能够为高级分析提供支持。管理人员必须先确定要评估的资产属性和状况,以及企业需要的分析结果。这样才能确保用来支持高级分析的算法能够提供尽可能丰富和有效的洞察,而且能够不断地从数据和新的资产情形中学习。

7、数字孪生

数字孪生或数字双胞胎实际上就是实物资产的虚拟克隆体。通过创建数字孪生,管理人员可以在孪生体上模拟任何可能的运行场景,避免对昂贵的机器或设备造成实际损坏。该项技术有助于机器学习和人工智能工具整合全新的资产运行场景并从中学习,推动企业实现更高效的预测性维护。

二、预测性维护的优势

有趣的是,预测性维护并不是什么新概念。数十年来,企业一直都在设法提高资产维护的可预测性。然而,直到人工智能和现代 ERP 系统兴起后,企业才能获得所需的功能,打造真正有效的预测性维护解决方案。这种解决方案可以给企业带来许多收益,包括:

1、提高整个企业的可视性

更清晰地了解现场资产和其他场外资产。这有助于 OEM 和第三方服务提供商提供更优质的服务,交付更多价值。

2、降低维护成本,提高资产绩效

预测性维护能够提高现有资源的利用率,减少停机时间,并延长重要资产的寿命。

3、提升团队能力

若资产运营商、服务提供商和供应链管理人员拥有数据科学和实时分析工具,他们就能制定有效的维护计划,未雨绸缪,运筹帷幄,而不是救火式地事后补救。

三、监控资产状况

通过利用信息物理系统,将机器和企业资产集成到智能物联网网络中,企业可以实现预测性维护。进行预测性维护时,企业首先必须确定要监控的资产状况,然后安装合适的传感器,并建立物联网网络,最后从该网络中采集数据并进行分析,进而交付可据以采取行动的发现和洞察。企业若想通过预测性维护革新企业资产管理,确定要监控的资产状况是名列前茅个关键步骤。

首先,管理人员必须确定每台机器需要监控的情况,可以是外观分析、声音分析、热分析,或者最常见的是,多种分析组合使用。这时,在技术方面,管理人员还需确定需要安装的传感器和监控装置。

1、振动分析

振动规律存在微小变化,表明可能存在失衡或移位;振动水平过高,表明可能即将出现轴承故障等问题。振动分析可以提供故障预警,尤其是发现失衡、移位、机械松动、部件磨损或损坏等问题。

2、声音及超声波分析

正常运行时,大多数系统都有稳定的声音规律。如果参考声音规律出现变化,表明可能存在磨损或其他类型的劣化情况。超声波分析还可以将高频声音(如蒸汽或漏气产生的声音)转换到可听范围,提供系统整体健康状况信息。

3、红外线分析

与超声波分析一样,热影像技术通过利用红外线分析将温度变化转换为可见光谱,也能揭露隐患。即使正常运行温度只发生了非常微小的变化,也预示着即将出现问题。

4、流体分析

对流体进行物理和化学分析,除了能监控流体水平和温度等简单指标外,还能提供有关机械部件状况的重要信息。通过检查冷却液和润滑剂的降解率,你可以获得相关洞察,及时采取预防措施。

5、其他

还有许多其他预测性维护技术,专门满足各种独特的行业需求,包括激光校准、电路监控、裂缝检测、腐蚀监测、电阻变化以及其他行业特定的测定腐蚀或劣化的方法。

以上就是关于预测性维护技术、预测性维护的优势和监控资产状况的全部内容了,希望对你有所帮助。

相关文章