AI 年度盘点与2025发展趋势展望,50+案例解析亮相AICon 了解详情
写点什么

预测性维护的回报与挑战

  • 2018-08-01
  • 本文字数:3960 字

    阅读完需:约 13 分钟

本文要点

  • 通过使用传感器监控运行状态,制造商利用预测性维护最小化停机可能;
  • 预测性维护的其中一个最大的障碍是,为了实现高安全性、高可靠性、低延迟,让数据从机器连续而流畅地进入 ERP 系统;
  • 除了节省成本外,预测性维护还可以带来差异化竞争;
  • 手工编码集成限制了 IT 部门响应业务变化的能力;
  • 与手工编码集成相比,集成平台是一个更好的可选方案,因为它们可以提供更为灵活的环境,处理与不同的、需要经常升级的系统的多方集成。

预测性维护并不新鲜,但现在比以往任何时候都多,随着工业物联网(IIoT)和人工智能(AI)的发展,预测性维护可以为制造商节约大量的成本。

通过使用传感器监控运行状态,制造商利用预测性维护最小化停机可能,把历史数据存储在云上,并执行分析。这样,就可以根据实际磨损进行设备维护,而不是按计划维护。就像你根据实际液位、振动和皮带厚度的实时测量结果进行保养,而不是每隔几千英里。

对于工业设备,更高效的维护可以带来巨大的节省。这包括设备寿命更长、现场技术员更高效、避免昂贵的停机时间,那会导致产品延期和安全隐患。有了预测性维护,工厂中的机器或者客户家里的电器甚至可以评估自身性能,当有信号表明设备需要维护时,它会订购自己的替换零件,并发送指令给现场技术人员。预测性维护甚至可以利用基于大数据的算法来预测将来的设备故障。

当与新零件订购和安装相关的管理过程自动触发时,就可以为后勤部门节省成本。例如,一台机器可以感应到钻头磨损,自动订购了一个新的,然后通知技术服务部门派遣一个现场服务代表,并把新件采购需求发送到 ERP 系统。通过自动化手动、易出错的劳动密集型管理职能,制造商可以获得额外的效率提升。

但是,预测性维护的其中一个最大的障碍是,为了实现高安全性、高可靠性、低延迟,让数据从机器连续而流畅地进入 ERP 系统。不过,这些障碍正一个个被清除,由于可以获得巨大的回报,所以制造商有强烈的预测性维护投资意愿。

预测性维护 ROI

来自美国能源署的数据表明,预测性维护相当划算。制定一个实用的预测性维护方案可以取得显著的成果:ROI 提升 10 倍、维护成本降低 25%-30%、故障减少 70%-75%、停机时间减少 35%-45%。当以人工工时计算节省的成本时,预测性维护每年的小时成本为 9 美元,而预防性维护每年的小时成本为 13 美元。

原因很简单。反应式维护工作比主动更换磨损零件的成本高 4 到 5 倍。当设备由于无法获知性能衰退而出现故障时,生产力损失、库存备件、产成品延期等原因会导致最直接的成本。

华尔街日报和艾默生公司的一项研究表明,计划外停机,有 42% 是设备故障导致的,据估计,工业产品制造商每年因此产生的成本高达 500 亿美元。即使是在恢复生产以后,因操作中断而产生的成本还在继续。按照 Frenus 在“客户之声:制造业中的预测性维护”一文中的说法,大约 50% 的大公司都在计划外停机后面临质量问题。

除了节省成本外,预测性维护还可以促成差异化竞争。当机器数据可以用于实行预测性维护而准确性又比较高时,借助类似基于感知技术健康状况的自我恢复这样的数字能力,制造商就可以专注于实现产品差异化。制造商的价值不仅体现在车间工艺质量,还体现在它如何保护自己的资产。预测性维护可以成为销售工具,向客户展示制造商用来延长设备生命周期、提升维护过程效率的内置功能。

预测性维护实战

UPS 声称,他们通过实现预测性维护解决方案减少了停机,延长了卡车车队设备的生命周期,节省了数百万美元。UPS 管理着全球 55000 多名驾驶员和超过 10 万台车辆,他们已经存储了超过 16PB 的数据,其中包括与发动机性能、车况、车速、停车次数、里程、每加仑英里数有关的信息。

西门子为位于加利福尼亚的爱德华兹空军阿姆斯特朗飞行研究中心成功实现了 NASA 冷却系统的预测性维护。该系统监控风机、水泵、空气处理机、冷却塔的性能,获得可能降低维护和操作成本的见解。每当某个设备的状态发生显著的变化,就会自动通知 NASA 和分析师进行检查。

德国联邦铁路公司(DB)和西门子已经推出了一个试点应用,用于预测性保养和维护高速 Velaro D 列车。西门子利用一个专门的数据分析中心,位于德国慕尼黑的移动数据服务中心,来预测可能的设备故障。

有不少供应商宣称,他们的零部件具备拨打服务电话的功能,其中包括康明斯发电设备公司,如果发电机可能出现某种潜在的设备问题或有特别的服务要求,那么它们就会通过移动应用自动通知所有者和技术员。

预测性维护的 IT 挑战

在预测性维护系统可以正常工作之前,还有几项难题需要解决。机器、设备、传感器和人需要连接起来,彼此之间可以无缝通信。为了充分理解数据,将信息概念化,就需要一个物理世界的虚拟副本。这需要部署最复杂的解决方案技术如 AI 来支持决策和问题解决,尽可能实现赛博系统自治。下面是几项具体的要求。

  • 使你的组织加入第四次工业革命——工业 4.0 。要实现工业 4.0,首先要利用最先进的传感器技术几乎实时地连接大量数据。传感器需要能够实时、可靠地监控状态,提供有意义的数据。许多传感器受限于过时的技术,需要升级。
  • 一个健壮的、可以处理非结构化数据的 ERP 系统是解锁收集到的数据的价值的关键。为了创建有意义的数据,进而获得见解,需要整合、聚合来自不同产品制造商提供的不同解决方案的数据。在聚合完必要的数据后,你需要一个系统存储、处理和分析数据。

    预测性维护解决方案可不是一件小事,例如,想象一下,一个车队中的各种货车,一家电厂中的各种汽轮机生产和制造商,一个工业园区中的各种加热和冷却设备制造商。

手工编码集成会限制 IT 部门响应业务变化的能力。这会产生危险,就是人们会认为 IT 部门成了瓶颈,在集成项目中使用了珍贵的资源,却减缓了公司的发展。与手工编码集成相比,集成平台是一个更好的可选方案,因为它们可以提供更为灵活的环境,处理与不同的、需要经常升级的系统的多方集成。它们都经过了优化,可以处理不同供应商的技术栈,以及进行栈间优化。容错性、弹性、伸缩性以及监控和性能管理都是内置功能,那样,就可以使用一种标准方式跨系统管理所有数据。

  • 整合好的 ERPMES 平台通过连接各个核心系统为工业 4.0 提供支持,使制造商可以把所有必要的数据组合在一起,获得需要的见解,实现更高级的质量和生产力。企业资源管理(ERP)系统管理产品制造,而制造执行系统(MES)控制生产过程本身。
  • ERP 和 MES 系统的集成可以启用警告,立即采取行动预防停机。如果把维护管理加入操作层,就会更高效,因为它可以和生产过程整合在一起,更接近事件的实际发生地。

    ERP 和车间系统对“实时”有不同的解释——ERP 侧重于业务策略管理,而 MES 和准时的过程执行有关。
  • 通过 ERP 和 MES 的整合,制造商可以和车间同步客户、订单和库存数据,从而满足实际的生产需求,协调材料消耗,更好地制定计划。

    当管理人员可以可视化、监控和记录车间的生产过程,包括设备状况,那么,他们就可以检测状态变化,把管理功能加入运转过程,对所发生的情况进行补救,如订购新零件,安排服务电话。MES 系统可以把实际生产和报废的数量及性能等级输入 ERP 系统。然后,制造商可以使用 MES 提供的实时业务管理信息来优化生产调度。当它们可以协调一致而不仅仅是并行的时候,制造商就可以更快地响应快速变化的操作环境。

    根据 Gartner 2017 年《以产品为中心的云 ERP 解决方案市场指南》,“到 2020 年,在大型企业中,至少有 35% 以产品为中心的新 ERP 部署将是和本地制造执行系统(MES)松耦合的软件即服务(SaaS)。”这突出了把这两个完全不同的系统从单纯的共存模式转变到集成模式的重要性。
  • 集成物流和 MES 系统。包括仓库管理系统、运输管理系统在内的物流系统以及 ERP 系统都需要和制造系统集成,从而自动化设备维护的端到端业务流程,包括借助必要的工具和专业知识调度现场最近的技术员。

    投资这种多系统集成很快就会得到回报,因为那会带来显著的财务收益。例如,一家制药公司使用一个集成平台来跟踪制造过程中每一个步骤的大量数值和化学量,提高合规性。把特定的设备和后勤部门的设备集成还可以更好地预告需求,减少库存。
  • 保证数据安全是必须的。数据的收集和分享需要有一个很高的安全等级,从而保护公司的知识产权。详细的制造设备信息以及生成过程信息是公司竞争优势的重要组成部分,货运公司的卡车目的地信息也是如此。
  • 客户的财务和私人数据也需要保护,尤其是对于 GDPR 这样的监管条例,当客户数据被使用而又没有获得他们的明确授权时,会被处以高额罚款。
  • 内置可扩展性。当所有的传感器监控设备状态、液量、振动和温度时,有大量的数据需要收集、存储和分析。当在这种场景中使用中间件或数据管理解决方案时,该解决方案需要内置可扩展性以及高性能和高可靠性,从而收集、过滤、处理和分享大量的数据。

尽管我们这里简单分析了技术上的障碍,但预测性维护是未来维护管理的重要组成部分。成功处理集成问题并自动化制造过程和维护的制造商会把他们的运转效率带到一个新的水平,获得巨大的财务优势。到时候,洗碗机、洗衣机制造商、甚至是汽车制造商都可以出售服务时间,因为他们非常信任其设备的运转效率,为客户消除了设备故障风险。只有当预测性维护使人和机器可以高效安全地通信时,所有这些才会发生。

关于作者

Yuval Lavi 于 2013 年 6 月加入 Magic,负责提供高级的专业服务。在担任专业服务部门全球副总裁三年之后,Yuval 换岗到科技 & 创新部门全球副总裁。在这个新的岗位上,Yuval 负责制定公司的技术愿景,为公司开辟新的技术领域,建立战略技术联盟。在加入 Magic 之前,Yuval 是 Kopel Reem 软件公司的总经理兼共有人,自 1996 年作为一名程序员开始其职业生涯以来,他一直担任那个岗位。

查看英文原文: The Rewards and Challenges of Predictive Maintenance

2018-08-01 18:174425
用户头像

发布了 1008 篇内容, 共 391.4 次阅读, 收获喜欢 344 次。

关注

评论 1 条评论

发布
暂无评论
发现更多内容

架构师训练营 W02 作业

Geek_f06ede

架构师训练

第六周作业

alpha

极客大学架构师训练营

第二周作业

Griffenliu

架构师训练营第 1 期第 6 周学习总结

好吃不贵

极客大学架构师训练营

架构师训练营 1 期第 6 周:技术选型(二) - 作业

piercebn

极客大学架构师训练营

架构师训练营 W02 总结

Geek_f06ede

架构师训练

架构师训练营第二周学习总结

邢永春

第六周

等燕归

数据库JDBC:Statement查询

正向成长

JDBC sql查询 SQL光标

架构训练营-week6-学习总结-技术选型(二)

于成龙

架构训练营

玩转华为云开发|老板万万没想到:刚入职的我一人就搞定人脸识别开发

华为云开发者联盟

软件开发 模块化流程 人脸识别 API 华为云

架构师训练营第 1 期第 6 周作业

好吃不贵

极客大学架构师训练营

十八般武艺玩转GaussDB(DWS)性能调优(二):坏味道SQL识别

华为云开发者联盟

数据库 sql 性能调优 GaussDB 算子

Double Kill!! 数据联邦修炼之路

脑极体

第五周作业

icydolphin

极客大学架构师训练营

Java程序员必会的三个技能:Spring+MySQL+并发编程

Java架构师迁哥

Week2 - 框架设计

evildracula

学习 架构

渣渣2本学历CRUD一年半,决定改变现状,努力学习两个月成功拿到美团30k offer

Java架构之路

Java 程序员 架构 面试 编程语言

全网首发,做第一人纯源码讲解RabbitMQ实践,收藏吧

小Q

Java 学习 架构 面试 RabbitMQ

第二周总结

Griffenliu

【Java】变量声明在循环体内还是循环体外你选哪一个咧?

root

Java 变量声明

使用抓包工具fiddler和apipost进行接口测试

测试人生路

测试工具 fiddler

阿里五位MySQL封神大佬耗17个月总结出53章性能优化法则

996小迁

Java MySQL 大数据 架构 面试

一个90后码农的真实经历,希望大家可以不留遗憾;

Java架构师迁哥

第1周 架构方法-作业

SuGeek

架构师训练营第二周作业

邢永春

RabbitMQ之路由和通配符模式,附源码注释讲解

小Q

Java 学习 架构 面试 RabbitMQ

架构训练营-week6-作业

于成龙

CAP 架构训练营

云小课|云数据库RDS实例连接失败了?送你7大妙招轻松应对

华为云开发者联盟

数据库 网络 ssl RDS实例 端口

架构师训练营第六周课后练习

薛凯

LeetCode题解:78. 子集,迭代,JavaScript,详细注释

Lee Chen

算法 大前端 LeetCode

预测性维护的回报与挑战_移动_Yuval Lavi_InfoQ精选文章