儘管取得了巨大進步, 但工業物聯網仍處於青春期階段. 通過高級分析, 大數據, 邊緣計算和雲計算, 我們很清楚未來工廠將是什麼樣, 以及製造商需要走多遠才能完成工業4.0的變革之旅.
然而, 所有這些進步彙集一起以降低成本和提高效率的方法就是預測性維護. 工廠車間機器可以監控和評估自己性能, 甚至在必要時為自己訂購替換零件.
通過實施預測性維護, 製造商可以提高安全性, 減少停機時間, 延長設備壽命.
不斷髮展的維護案例
製造商有足夠動力來提高設備效率和效果. 維護不善會使工廠生產效率降低5-20%, 而計劃外停機估計每年會使美國製造商損失500億美元.
減少生產中斷也意味著更可靠的產品交付, 有助於保持客戶忠誠度. 這種更高的客戶保留率可以帶來更多的收入.
以前, 製造商根據預期磨損使用預防性維護或維修設備, 以防止故障發生. 預測性維護比預防性維護更加有效, 因為糾正措施與機器的實際狀況密切相關.
我們的目標不是過早地更換一個零部件——在它仍然處於良好狀態時, 而是在真正需要的時候才進行維修. 這就好比根據液位高低或皮帶厚度, 而不是根據裡程來為汽車提供維修保養服務.
通過最大限度減少不必要的維護和停機時間, 成本節約潛力巨大. 製造商的預測性維護成本平均每小時9美元, 而預防性維護成本為13美元 (高出44% ) .
數據驅動預測性維護
先進的技術, 包括紅外熱成像, 振動分析和油分析, 可用於預測故障. 根據經驗, 通過使用感測器監測和收集機器數據, 然後使用自動分析確定何時可能發生設備故障, 可以預測70% 的設備故障.
當自動觸發與訂購和安裝新零件相關的管理程序時, 後台也可以節省成本.
例如, 機器可以感知鑽頭磨損並自動訂購新鑽頭, 提醒技術部門派出現場工作人員, 並將新零件的採購請求轉發給ERP系統. 通過以這種方式自動化手動的, 容易出錯的, 勞動密集型的管理功能, 製造商可以確保更高的效率.
然而, 將車間與後台連接起來並不那麼容易. 現有業務流程中使用的機器可能會生成數據, 但挑戰在於如何訪問和評估這些數據. 生成的數據流需要整合到公司應用程序中.
機器, 設備, 感測器和人們需要彼此無縫連接和通信. 還經常需要一個物理操作的虛擬副本 (數字孿生) , 以便理解所有數據並構想出資訊.
也可能需要部署人工智慧等技術來支援決策和解決問題, 使網路系統儘可能自主.
還有一些特定的障礙需要克服. 製造商的專有資訊需要保密, 使用數據過濾, 並採取額外安全措施保護財務和客戶數據免受黑客攻擊.
最重要的是, 任何數據管理平台都需要可擴展性來收集, 過濾, 處理和共用大量數據, 並具有高性能和高可靠性.
未來工廠
當機器數據可以用來執行高精度的物聯網預測性維護時, 製造商可以集中精力利用數字能力來區分產品, 比如技術健康的自我意識.
製造商的價值不僅可以通過其車間流程質量來衡量, 還可以通過其保護資產的方式來衡量. 這可以通過使用物聯網預測性維護來延長設備壽命並提高維護程序的效率來實現.
預測性維護是未來工廠的重要組成部分. 不僅可以自動化製造流程, 而且還可以自動化設備維護. 這樣, 製造商就可以從全新的生產效率水平中受益.