为什么振动监测对物联网预测性维护至关重要

据估计，由于计划外停机，工业制造商每年要承担高达500亿美元的成本，维护费用占总生产成本的15％至40％。这些统计数据清楚地说明了为什么预测性维护是工业4.0时代讨论最多的话题。通过有针对性的方法提前预测和预防严重故障的能力，有望大大提高设备的正常运行时间，同时降低维护成本。

持续状态监测在预测性维护实践中起着重要作用，而关键的监测参数是振动。设备振动揭示了对多个组件问题的重要见解，这些问题可能会降低流程质量并最终导致生产停工。在深入探讨振动监测的基本知识之前，让我们快速了解一下预测性维护对现代工业的价值。

工业4.0中的预测性维护

由于计划外停机成本比计划内停机成本高得多，因此预防性维护已成为几十年来的行业标准。然而，仅仅为了谨慎而进行的冗余维护活动也不是一个最佳方法。一项研究表明，高达一半的预防性维护费用被浪费掉了，这直接影响到了企业的利润。更不用说，只有20%的机器故障与使用寿命有关，而其他80%的机器故障是偶发事件。因此，一个基于常规的维护方案并不一定能保证及时发现和解决问题。

预测性维护通过持续监测和分析机器健康状况来主动诊断和预测故障，从而克服了这些缺陷。作为工业4.0革命的核心支柱，预测性维护利用新一代物联网技术来收集机器内部所有事件的数据。将丰富的实时和历史资产数据与机器学习和预测分析相结合，可以有效地研究和确定不同的故障类型及其根本原因和之前的症状。一旦设备出现危险信号，就可以安排检查和维修，以避免灾难性停机事件发生。

与预防性维护相反，预测性维护利用有关实际资产绩效的大量数据，而不是推测的定期计划。这消除了过度检修和由此导致的停机时间，同时仍可确保无缝且可靠的设备运行，以实现最佳的产量。据德勤称，预测性维护平均可将生产效率提高25％，将故障减少70％，并将维护成本降低25％。适当的维护还有助于延长资产的使用寿命。

一家制药制造厂在泵、电机和风扇上安装了振动传感器，在疏水阀、过滤器和暖通空调管道上安装了一系列其他传感器。结果是：

▲提高了设备的可靠性，在头两个月内发现了31个问题

▲停机时间从29％减少到9％

▲预防性维护的间隔时间增加了2倍

该制药厂在2019年上半年实现了零停机时间（与前一年的四次停机事件相比）。新的维护策略还将轴承和皮带故障时间延长至每六个月一次，而之前的时间为48天。

预测性维护是对传统预防性维护方法的改进，因为它有助于及时预防故障，使您可以对工作进行优先排序，仅处理必要的维护和修理，甚至可以延长设备的使用寿命。

预测性维护的振动监测

对于广泛应用于各行各业的旋转设备来说，振动即使不是即将发生故障的首要指标，也是其中之一。振动强度的不必要增加会对部件产生有害的力，从而危及设备的使用寿命和质量。如果不及时干预，设备故障和流程关闭是不可避免的。

配备传感器（如加速计）的机器可以让制造商随时掌握振动模式的任何变化。持续监测非常有益，因为振动问题通常不会升级并导致设备损坏。通过在早期阶段密切监控和检测趋势，技术人员将有足够的时间在故障发生前进行应对。

无线振动监测

虽然振动传感器在工业环境中并不是新鲜事物，但较旧的传感器类型通常是基于有线的，因此部署流程繁杂且昂贵。因此，它们的适用性通常仅限于高价值的关键资产。另一种收集振动数据的方法是让技术人员使用便携式设备进行定期测量。不用说，这是耗时且劳动密集型的，但却无法提供对机器运行状况的无缝、持续的见解。这在两次检查之间的时间间隔内，有可能出现问题，并且在发现损坏之前无人处理。

使传感器具有无线连接，有望满足大规模、远程振动监测的预测性维护需求。在大多数情况下，传感器需要每分钟或每几分钟发送一次振动数据，因此无线通信比有线通信提供了一种可行且更具成本效益的选择。利用超低功耗技术，如低功耗广域网（LPWAN），传感器网络可以使用独立电池自供电，可以运行数年，从而大大简化了安装和维护。更重要的是，远程和亚GHz无线链路可确保在广阔的金属工业环境中从分布式传感器进行可靠的数据传输，同时避免来自拥挤2.4GHz频段的干扰。它还支持星形拓扑部署，与网状网络相比，它的设置和管理要简单得多。

审核编辑 黄宇