尽管取得了巨大进步, 但工业物联网仍处于青春期阶段. 通过高级分析, 大数据, 边缘计算和云计算, 我们很清楚未来工厂将是什么样, 以及制造商需要走多远才能完成工业4.0的变革之旅.
然而, 所有这些进步汇集一起以降低成本和提高效率的方法就是预测性维护. 工厂车间机器可以监控和评估自己性能, 甚至在必要时为自己订购替换零件.
通过实施预测性维护, 制造商可以提高安全性, 减少停机时间, 延长设备寿命.
不断发展的维护案例
制造商有足够动力来提高设备效率和效果. 维护不善会使工厂生产效率降低5-20%, 而计划外停机估计每年会使美国制造商损失500亿美元.
减少生产中断也意味着更可靠的产品交付, 有助于保持客户忠诚度. 这种更高的客户保留率可以带来更多的收入.
以前, 制造商根据预期磨损使用预防性维护或维修设备, 以防止故障发生. 预测性维护比预防性维护更加有效, 因为纠正措施与机器的实际状况密切相关.
我们的目标不是过早地更换一个零部件——在它仍然处于良好状态时, 而是在真正需要的时候才进行维修. 这就好比根据液位高低或皮带厚度, 而不是根据里程来为汽车提供维修保养服务.
通过最大限度减少不必要的维护和停机时间, 成本节约潜力巨大. 制造商的预测性维护成本平均每小时9美元, 而预防性维护成本为13美元 (高出44% ) .
数据驱动预测性维护
先进的技术, 包括红外热成像, 振动分析和油分析, 可用于预测故障. 根据经验, 通过使用传感器监测和收集机器数据, 然后使用自动分析确定何时可能发生设备故障, 可以预测70% 的设备故障.
当自动触发与订购和安装新零件相关的管理程序时, 后台也可以节省成本.
例如, 机器可以感知钻头磨损并自动订购新钻头, 提醒技术部门派出现场工作人员, 并将新零件的采购请求转发给ERP系统. 通过以这种方式自动化手动的, 容易出错的, 劳动密集型的管理功能, 制造商可以确保更高的效率.
然而, 将车间与后台连接起来并不那么容易. 现有业务流程中使用的机器可能会生成数据, 但挑战在于如何访问和评估这些数据. 生成的数据流需要集成到公司应用程序中.
机器, 设备, 传感器和人们需要彼此无缝连接和通信. 还经常需要一个物理操作的虚拟副本 (数字孪生) , 以便理解所有数据并构想出信息.
也可能需要部署人工智能等技术来支持决策和解决问题, 使网络系统尽可能自主.
还有一些特定的障碍需要克服. 制造商的专有信息需要保密, 使用数据过滤, 并采取额外安全措施保护财务和客户数据免受黑客攻击.
最重要的是, 任何数据管理平台都需要可扩展性来收集, 过滤, 处理和共享大量数据, 并具有高性能和高可靠性.
未来工厂
当机器数据可以用来执行高精度的物联网预测性维护时, 制造商可以集中精力利用数字能力来区分产品, 比如技术健康的自我意识.
制造商的价值不仅可以通过其车间流程质量来衡量, 还可以通过其保护资产的方式来衡量. 这可以通过使用物联网预测性维护来延长设备寿命并提高维护程序的效率来实现.
预测性维护是未来工厂的重要组成部分. 不仅可以自动化制造流程, 而且还可以自动化设备维护. 这样, 制造商就可以从全新的生产效率水平中受益.