消除设备非计划停机时间：AI改变维护方式

现代社会严重依赖机械，交通、能源供应、农业生产、工业制造都离不开机械设备的驱动。当机器发生故障出现非计划停机时，不仅会影响生产，甚至可能带来巨大经济损失。随着人工智能的兴起，非计划停机时间将极大减少，AI将改变现有维护方式。

设备的维护对机器的实用性至关重要。但是，决定何时维修、是否需要更换零件、是否在不影响生产的情况下进行，通常难以平衡的行为。过往更多根据经验、猜测来决定维护的时机。目前很多组织正在研究通过人工智能和机器学习来减少低效和设备故障。

常见的维护模式

今天，大多数维护可以分为三类：

1.反应性维护

反应性维护（即计划外停机）是一种设备运行到出现故障再进行维护的方法。它可能具有很强的破坏性，因为当设备在没有警告的情况下发生故障时，企业必须停止生产运行。这种被动方法可以保持较低的日常维护成本，仅在需要时需要技术人员，但可能带来巨大的生产损失。

2.计划性维护

通过定期评估维护降低故障风险。虽然停机的风险仍然存在，但企业更有可能在问题变大之前先发制人地解决问题。尽管这可以最大限度地延长机器的使用寿命，但不能避免机器停止使用时损失大量生产时间。

3.主动性维护

主动维护旨在提高维护效率，通过分析设备的数据和以往出现的故障，优化维护资源。它不需要遵守固定的时间表，而是通过使用数据来审查和增强运营。对于设备数量多的公司来说，主动维护似乎是最具成本效益的策略。然而，这种方法是有限的，因为它只能控制可能导致设备故障的因素，而不是通过设备本身状态进行判断。

那如何实现更智能的运维？工业互联网技术和人工智能可以填补这块空白。

人工智能改变维护方式

根据某市场咨询公司数据，2017年全球人工智能市场价值19.9亿欧元，预计到2025年将达到300亿欧元。AI的增长将是巨大的，因为它能够应用于所有行业，包括工业设备的维护。许多严重依赖机械设备的的行业正在投资预测性维护。这是因为借助人工智能，维护可以从单纯的预防性或主动性维护成为预测性的。通过预测性维护，仅在必要时进行维修。

预测性维护

预测性维护是通过连接多源传感器和支持人工智能的工具来实现的，这些工具可以分析设备中起作用的数个变量，可以实时收集、组合和分析来自各种来源的数据，以便企业能够在设备故障发生之前预测故障。当数据显示性能下降时，工程师可以选择在产线生产的合适时间停机维护。

图.工程师根据设备实时状态制定维护计划（全景网）

这种预见维修的能力将有助于降低和控制维护成本。如果预测性维护认为故障迫在眉睫，则可以根据问题所在自动执行许多操作，例如，发送工单，通知相关技术人员订购更换零件。

随着时间的推移，预测性维护可以通过AI机理建立完整的设备维护模型，使企业进一步了解如何提高效率并最终实现零非计划停机时间。这是因为人工智能可以预测设备的真实寿命，从而推断出进行维修的最佳时间是什么，以及如何计划操作以最小化维修窗口。

此外，通过从预测性维护中收集的数据，企业管理者可以更好地了解为什么使用相同设备的不同团队会带来不同的收益。同样，这些额外的数据可以为企业提供他们需要的洞察力，以弄清楚如何带来额外的收入。它可以帮助项目规划、人员配备需求、库存管理和客户服务。

预测性维护应用

随着工业互联网作为我国推进智能制造的核心抓手，各行业的工业领军企业越来越重视生产设备的数据采集和联网。目前，我国预测性维护市场整体还处于起步阶段，东智PreMaint是聚焦设备领域的智能管理平台，获得工信部“工业互联网APP优秀解决方案”与“工业APP创新应用大赛一等奖”。

PreMaint可满足企业构建融合的设备数据应用系统，实时感知设备机台的运行工况和工艺健康状态，实现从监控到预警、故障诊断、维保维修处理、工艺自动优化的功能闭环，有效延长设备使用寿命、提高产品良率，避免非计划停机和工况不稳定带来的损失。

以下是PreMaint预测性维护在多个行业的应用：

半导体行业

半导体面板属于高端制造业，现场设备大多从国外进口，设备数据采集成本高。针对PUMP真空泵的非计划停机问题，现场PUMP设备数据以每秒5万Hz的采样频率实时上传到PreMaint专有云，振动信号的细微变化都可以被东智PreMaint专家平台识别分析，系统内置的AI算法有效识别设备的劣化趋势并进行故障智能诊断。

新能源锂电行业

锂电池生产前端工序核心设备包括双螺杆浆料制作或搅拌机、涂布机和辊分切一体机等。为保证设备的高效运转，基于AI+机理的东智PreMaint智能诊断专家系统，通过对设备的状态监测和故障智能诊断，实现设备智能运维，将极大减少设备非计划停机，确保电池的一致性并提高生产良率。

石油化工

预测性维护有助于减少设备的停机时间和能源消耗，更主动的预测性维护模型可以增加设备寿命和操作安全性，促进机泵设备的优化提升。PreMaint基于边云智能协同的机泵群预测性维护解决方案植入石化机泵群，融合设备多源数据，强化机泵的故障预测与健康管理，为智能运营提供有效支撑。

来源/本文内容参考AUTOMATION，有删改，本文仅用于个人学习交流，如有侵权请联系删改。

审核编辑黄宇