對于機器操作員和工廠管理人員來說，預防性維護和資產(chǎn)維修會消耗不必要的資源和費用，并嚴重阻礙高效運營。僅僅一個小時的停機時間就可能使一家大型企業(yè)的生產(chǎn)力損失超過10萬美元，并嚴重影響客戶滿意度。

事實上，三分之一的維護活動執(zhí)行得太過頻繁，據(jù)IBM稱，將近一半的維護活動無效。

制造商和資產(chǎn)管理公司正在尋找更好的維護方法，而答案在于將物聯(lián)網(wǎng)(IOT)與預測分析相結合，以提供預測性維護解決方案。

有鑒于此，物聯(lián)網(wǎng)(IoT)預測性維護應用市場正在快速增長，預計到2022年將達到109億美元。

為什么預測性維護會改變游戲規(guī)則?

想象一下，如果您在任何故障發(fā)生之前收到來自移動應用程序的警報，而不是必須根據(jù)過去的觀察來估計零件什么時候會過時，預測分析和傳感器觸發(fā)的警報會告訴您何時更換零件，從而減少計劃外停機時間并保持設備最佳的運行時間。

預測性維護還消除了維修成本，這對于制造商和最終用戶來說都是一個很大的未知數(shù)。當設備中的電子元件出現(xiàn)故障時，識別問題可能需要5分鐘或5小時。同樣，更換損壞或磨損的零件也是如此。

由于運營時間損失以及二次財務損失，主要故障的代價是高昂的，例如，如果商用或家用冰箱發(fā)生故障，那么冰箱內(nèi)的東西可能就會損壞。機器越大或越復雜，維護對生產(chǎn)和運行成本的影響就越大。即使是系統(tǒng)中的一個小缺陷，如果不及早發(fā)現(xiàn)，也可能導致意外且代價高昂的停機時間。

借助物聯(lián)網(wǎng)驅(qū)動的預測分析，您可以準確預測資產(chǎn)何時需要維護。

它是如何工作的

在物聯(lián)網(wǎng)設計階段，制造商對其生產(chǎn)流程和資產(chǎn)進行建模，以創(chuàng)建物聯(lián)網(wǎng)模型——數(shù)據(jù)收集和傳輸傳感器、應用程序、云、網(wǎng)關和其他系統(tǒng)部件的連接系統(tǒng)藍圖。他們可以配置一組“規(guī)則”，用于識別維護問題，并在需要維修或更換部件時發(fā)出警報。

一旦系統(tǒng)部署完畢，應用于物聯(lián)網(wǎng)系統(tǒng)數(shù)據(jù)的機器學習算法將分析相關歷史事件，并將其與物聯(lián)網(wǎng)模型進行比較，該模型是“應該是什么”的參考，以便預測事件故障。預測分析儀表板還總結了操作數(shù)據(jù)，使用戶能夠隨時了解系統(tǒng)的運行情況。

每項資產(chǎn)或“事物”都會生成數(shù)據(jù)，并將其狀態(tài)傳回云或外部系統(tǒng)。這創(chuàng)造了一個可以追溯到制造流程的閉環(huán)洞察力。

這些洞察力是預測性維護的核心——它們不僅僅是減少停機時間。

物聯(lián)網(wǎng)預測性維護的好處

分析資產(chǎn)和流程數(shù)據(jù)不僅可以最大限度地減少停機時間，而且還可以影響您公司的收入：

? 延長資產(chǎn)壽命：物聯(lián)網(wǎng)預測分析使制造商能夠執(zhí)行根本原因分析，并在機器或工廠停止運轉(zhuǎn)之前找到問題所在。

? 將預測性維護貨幣化：當設備制造商能夠證明他們增加了正常運行時間并降低了維護成本時，他們可以向客戶提供一定程度的可預測性，從而提高購買價格并將其作為戰(zhàn)略競爭優(yōu)勢。向客戶推銷基于數(shù)據(jù)分析的數(shù)字服務機會還可以為公司帶來經(jīng)常性收入和突破性增長。

? 減少停機時間并提高生產(chǎn)力：通過在問題導致整個系統(tǒng)出現(xiàn)故障之前發(fā)現(xiàn)問題，從而減少意外停機時間。減少計劃的人工檢查也可以提高生產(chǎn)效率和產(chǎn)量。

? 提高客戶滿意度：自動提醒客戶何時需要更換零件，并在特定時間推薦維護服務，這將使您的產(chǎn)品與市場上的其他產(chǎn)品區(qū)別開來，并讓客戶滿意。

? 減少人為錯誤的機會：維護機械設備需要對其機械、工程和操作有深入的了解。再加上一個完整的系統(tǒng)，包括到云、應用程序、軟件和固件的連接，您就有了一系列需要維護的東西。預測性維護在物聯(lián)網(wǎng)系統(tǒng)成為主要問題之前識別出“故障線路” ，并減少人為錯誤的可能性。

預測性維護永遠不能完全取代人工監(jiān)督，并且總是需要某種程度的人為干預。但是停機時間的減少，以及隨后運營成本的降低和產(chǎn)品穩(wěn)健性及客戶滿意度的提高，是制造商轉(zhuǎn)向物聯(lián)網(wǎng)的主要原因。