基于物联网的预测性维护效率再提升

善用工业物联网与资料科学，可以协助优化功厂设备维护流程，避免事倍功半的维护作业，进而降低相关成本。

采用智能方式部署的连网传感器能够在影响流程或生产之前检测到故障，从而节省维护成本并避免停机。为了避免低效的维护程序和随之而来的成本，制造商和网络运营商可以使用智能传感器和数据科学原理来优化维护过程。 根据这份麦肯锡发表的报告，基于物联网的预测性维护有助于将工厂设备的维护成本降低多达40%。它还可以“通过延长机器的使用寿命，将设备停机时间减少50%，并将设备资本投资减少3%至5%”。

善用IoT/资料科学避免无效流程/高成本

多年来，制造商一直在实施基于时间的设备维护方法。规划任何维护程序的主要因素仅仅是机器的使用年限。设备越老旧，维护程序就越频繁。 ARC集团的一项全球性研究表明，仅有18%的设备因其年限而失效，其余82%的失效是随机发生的。这些研究结果表明，基于年限的维护方法不具备成本效益。为了避免无效的维护程序和随之而来的高成本，制造商可以充分利用工业物联网和数据科学。 电网故障可能导致配电中断，这将给受影响地区几乎所有人员、企业和服务机构的日常运作带来巨大麻烦。这使得预测性维护对于此类关键基础设施尤为重要。芬兰的输电系统运营商Fingrid组织了多次创新竞赛，以期寻找最佳的合作伙伴，将其运营设施的维护和监控操作数字化。 在2018年的其中一场竞赛中获胜后，Haltian的Thingsee无线传感器Haltian的 Thingsee无线传感器产品现在用于测量芬兰变电站连接部件的温度。这一点是很重要的，因为温度升高是电阻增加的标志，而电阻可能是由污垢或腐蚀引起的。 此外，传感器可用于测量湿度、气压、环境光、存在和距离等方面数据。虽然这些传感器并不能完全消除手动检查的需要，但它们确实使得监控操作更加有效并降低了出现问题的风险。

连网工具减半维护工作

在显而易见的电网用例以外，基于传感器的监控也可用于各种工业应用。位于南京的爱立信熊猫制造工厂使用蜂窝IoT连接数千台设备，包括高精度螺丝刀。这些模块每八小时传输大约100字节数据以指示最近的使用情况。 这些数据收集在云解决方案中收集起来，再进行分析。运营经理可以通过监控使用数据准确地确定工具何时需要重新校准，而不是根据低效的预定时间表工作。 根据这个案例研究，爱立信预计该解决方案每单位成本仅为20美元，但可将维护工作减少一半，每年节省10，000美元，并在短短两年内实现盈亏平衡。

工具和机械也需要预测性维护

工业环境中常会使用到安全和遥测系统，它们通常需要自己的特定网络。除此之外，可以使用新的无线技术收集许多不太重要的参数，以形成预测性维护的基础。 主要有两类数据：

用法：使用工具的频率和时长？ 最常用的功能是什么？ 谁是从事这项工作的员工？

状态：随时间变化，机器温度和方差（Variance）是多少？ 系统中是否有任何不规则的振动？

使用数据执行完整的根本原因分析（Root Cause Analysis），有助于预防将来出现故障。

連接技術提升可靠性

物联网已经为全球供应链运营提供了有价值的帮助，包括使用蜂窝物联网进行资产跟踪。不过，通过预测关键资产的失效，连接技术可以进一步增强分销链的可靠性。 冷链（Cold Chain）就是一个典型示例，多年来，人们一直致力于寻找低成本的测量运输货物温度解决方案。这有助于了解货物是否保持在合适的温度以及哪些货物可能需要销毁。 虽然这是物联网运行的很好示例，但其实我们可以做一些事情来预测和避免失效。将预测性维护应用于制冷系统以更好地了解何时即将发生故障，将可节省宝贵的时间和金钱，并避免浪费食品和药品等宝贵资源。

预测性维护确保设施寿命

道路、桥梁和铁路是社会的重要基础设施，它们的维护对于确保在整个使用寿命周期中保持安全是非常重要的。在这种情况下，物联网可以可派上用场。 可以持续监控振动等机械参数，记录模式中的任何异常都表明需要维护，或者可以建议存在紧急情况。例如，杜塞尔多夫机场安装了50个路内（In-road）NB-IoT传感器，以监控唯一可以进入机场油箱储存地点的桥梁的状态。

挑战在于扩大规模

预测性维护并不是一个新概念，我们都熟悉通过不规则的声音或振动来预测汽车何时即将发生故障。 物联网带来的新功能，是从数千或数百万台设备收集数据的能力。我们可以从中学习，创建和更新模型，全部实现自动化且规模空前。 很明显，如要取得成功，企业需要利用大数据分析和人工智能方面的所有最新技术。然而，即使在此之前，他们的“物品”需要连接起来。