预测性维护技术与制造业

2016-04-11粟志敏

上海质量 2016年4期

预测性维护技术与制造业

编者按

制造商对维护的态度正在发生改变。企业日渐将设备维护视作一种战略性的工作，不再是“一种必不可少的倒霉事”。预测性维护可以给制造业带来巨大的潜在收益，但在推行时也面临一定的挑战。罗兰贝格国际管理咨询有限公司是一家著名的跨国咨询公司。嘉实多公司是世界公认的润滑油行业的“专家”，两家公司一直在研究制造商对预测性维护技术的使用，于2014年11月在罗兰贝格公司网站发布了本文。

制造商日渐将设备维护视作一种战略性的工作，因为他们希望在降低维护成本和缩短故障停机时间的同时延长设备的生命期。过去，维护曾经被视作是“一种必不可少的倒霉事”，但这种日子已经一去不复返。制造商们不再选择成本高昂的突发性维护，让设备一直运转，直到出现问题，或者是采用低效的预防性维护，“不管出没有出现问题都进行维护”。

罗兰贝格国际管理咨询有限公司（Roland Berger）同嘉实多公司（Castrol）的研究发现，目前有越来越多的预测性维护解决方案可供选择，通过利用设备状态数据来预测即将发生的问题，只在必要的时候安排维护，由此帮助制造商提高维护工作的效率。在采用这些解决方案后，一流制造商的设备意外停机时间比行业平均水平大约降低5%，设备综合效率提高超过8%。

预测维护技术正在发展，在分析预测性维护可以给当今的制造商带来哪些好处之前，让我们先分析一下在制造领域的维护技术现状。

制造商目前使用什么方法来对自身设备进行监测？

目前，制造商普遍针对自己的核心设备采用状态监测解决方案，即对设备状态的一项或数项参数进行监测，例如震动、废油、温度或超声波。他们使用这些读数来判断潜在的问题。例如，震动分析可以用来判断部分常见的机械故障，比如轴偏心、零部件磨损或轴承松动等。

不过，因为众多设备状态监测解决方案通常重点关注一二种离散数据，所以无法全面地把握所有潜在的故障。此外，设备状态监测系统通常不能对发现的问题进行诊断，人们因此无法深入了解即将发生的问题究竟是否紧急。这些系统只是告诉人们读数不在正常的数值范围内。

在制造工厂内，即使针对关键设备的潜在机械故障发出警报，如果工程师们没有注意到问题的严重性和了解其根源，这种警报仍不会起太大作用。如果让工程师了解到问题的根源，知道问题可能出现的时间段，那么警报的作用会更大。例如，以磨床故障为例，能够指明主轴电机的某个轴承已经磨损，而且如果在一周内不更换的话，就有90%的可能出现故障。这正是预测性维护技术解决方案可以创造价值的地方。

先进的预测性维护解决方案有何不同之处？

最近数年里已经开发出先进的预测和诊断软件解决方案，并且在石油天然气、风力发电和航空航天领域得到广泛应用。最新的预测性维护技术比传统的设备状态监测有着众多优势。先进的预测性解决方案会从多个方面收集数据，并且使用分析建模技术来进行预测。这种解决方案可以更早地发现问题，进行诊断，根据问题的严重性确定予以解决的缓急，并且就可采取的行动提供建议，以预防设备故障的发生。对于维护部门来说，这种方式可以发现潜在的问题，并且对问题根源进行处理，避免问题升级，出现全面爆发或失控的状况。

预测性维护技术的工作原理是什么？

预测性维护解决方案会采用一种或多种建模方法，建模依据分别为实证、物理特征和经验。通过这些方法可以构建一个正常状态下的模型，也就是设备在特定条件下应该是什么样，然后再根据这些常态来监测偏差情况。任何与常态之间的偏差都意味着设备状态出现了变化。

如何来构建这个正常状态模型？采用实证方法的解决方案会使用设备的历史数据来构建模型，而基于经验的解决方案在建模时会使用从多个类似设备上收集的汇总数据。基于物理特征的方法则完全不同，在建模时会应用工程学的基本原则来了解设备在特定操作条件下理论上会如何运转。这些方法各有优势，也各有缺点，所以最先进的解决方案会对三种方法综合加以使用。但所有先进的预测性维护解决方案都拥有提前预测、诊断准确性高、为顾客不断创造高价值的优点。

预测性维护技术给其他行业带来了哪些好处？

先进的预测性维护技术解决方案早已在众多行业内得到有效的应用，其中包括石油天然气、发电和航空航天等行业。在这些行业内，预测性维护技术给客户们带来的好处可以使用一系列的指标来加以衡量，例如投资回报率和生产收入的提高。这些行业的共同点在于他们都要使用大型的旋转设备，这些设备相比制造业的众多设备而言没有那么复杂，而且类型更加单一。

案例研究一：石油天然气行业——减少了核心设备的故障停机次数，提高了产量。

美国能源部发现，在石油天然气行业推行预测性维护项目的结果显示，该项目普遍可以给顾客带来以下的好处：

——投资回报率提高10倍；

——维护成本降低25%～30%；

——设备故障现象减少70%～75%；

——设备停机时间缩短35%～45%；

——产量提高了20%～25%。

案例分析二：风力发电厂——降低了维护成本，提高了设备在恶劣环境下的正常运行时间。

在许多案例中，风力发电运营商表示，在涡轮机保修期结束后，预测性维护技术可以有效地降低运营和维护成本，提高生产收入。在一些案例中，预测性维护技术将投资回报期降低到少于6个月。

一家全球性风力发电运营商发现，借助预测性维护技术，他们可以在中等规模的风力发电厂节约大概25万美元的运营和维护成本。

另一家运营商在使用预测性维护技术跟踪设备的健康状态时看到，自己的一台涡轮机的发电量大幅低于标准水平。他们发现，之所以存在这个问题，是因为他们无意之间在这台涡轮机上设置了限制。通过解决这个问题，他们可以创造额外的收入。如果没有预测性维护解决方案，他们无法实现这个结果。

制造领域为什么会对先进的预测性维护技术感兴趣？

其他行业在采用预测性维护技术后所得到的好处对制造商而言也同样具有吸引力。这些好处包括有：

——消除了不必要的维护工作；

——降低了零部件更换成本；

——缩短了计划外的停机时间；

——延长了设备的使用寿命。

综合在一起，这些好处可以提高制造商设备的整体生产能力和盈利能力，因而预测性维护解决方案不管是对维护部门还是对管理层而言都具有同等的吸引力。

在制造业广泛采用预测性维护解决方案会面临哪些挑战？

正如我们所看到的，制造商将会从预测性维护技术解决方案中受益匪浅。但制造行业却在逃避采用先进的预测性维护技术。我们认为，为了让预测性维护技术得到广泛应用，目前存在的一些障碍必须予以克服。这些障碍只存在于制造领域，而且可以被划分成两大类：

——开发适用于制造业的解决方案存在种种难点；

——制造领域尚未做好准备。

1.开发适用于制造业的解决方案存在种种难点

技术方面存在的众多难点，让解决方案供应商在为制造行业提供全面的预测性解决方案方面面临巨大的挑战。

（1）要能为多样化的大型设备提供支持

与那些已经广泛采用预测性维护技术的行业不同，多数制造型企业使用的设备复杂多样。例如风力发电厂内，最重要的是涡轮机的三套主件。但在普通的制造工厂内，会使用多种多样的设备，而且这些设备对于生产来说全都一样重要。因此，成功的预测性解决方案必须能适用于大量复杂且不同的设备，这对于现有的解决方案提供商来说是一种技术挑战。

（2）要能在动态的操作条件下发挥作用

其他行业的设备种类要少一些，操作条件的变化也相对少一些，而制造业的设备通常在一个多变的条件下运转。这是因为工人的参与度非常高，加工的材料多种多样，单一的设备要进行多种操作，而且所生产的成品也是变化的。这种操作条件的改变给预测性维护技术提供商带来了相当大的复杂性，现有的提供商尚未能完全解决这个问题。

（3）能与多种不同制造商生产的设备进行互操作

此外，针对制造业的预测性维护解决方案必须能够应用于工厂的一系列设备，而且必须能与这些设备进行互操作。这也是一项技术挑战，因为每家设备制造商用来测量设备内部状态的方法可能存在差异。

2.制造领域尚未做好准备

就大幅提升预测性维护技术在制造业的使用率而言，一些促进要素已经具备，但还有一些要素尚未形成。

（1）可用的设备数据

在当今的制造业，用来监测设备健康状态的数据正越来越多，而且众多“智能”机器现在都有内置的传感器和数据收集功能。企业在考虑是否对旧设备进行改造时，会把改造的成本和工作量与设备的重要性进行均衡。

就收集预测性维护所必需的数据而言，数据收集现在有了新的标准（例如MT Connect），而且核心设备的仪表化在提高，这些都会让数据收集在未来不再是一项挑战。

（2）在短时间内解决设备故障的紧迫性

在制造工厂内，设备故障可能意味着生产力大幅受损。在研究中，我们与一位维护工程师进行过交流。他此前曾经在一家顶尖的汽车厂工作。他回忆说，如果设备故障在3分钟不能解决，进而导致生产停止，那么就会被视为相当严重的事故。

（3）对预测性维护技术的不信任

与制造业维护工程师的探讨显示，相比于传统的维护方法，他们对于预测性维护技术持较高的怀疑态度。在大部分制造企业内，维护工作很大程度上依然依赖人工来进行。这些维护人员通常不相信科技能够和自己一样准确可靠地发现机器故障。他们在新技术的采用方面动力不足，原因也在于担心自己的工作会因此受到威胁。从文化的角度来说，新维护技术在多数制造工厂内的接纳度偏低。

（4）不愿意进行长期投资

制造行业的成本压力是众所周知的，所以给维护预算也带来了一定的负面影响。鉴于预算压力，制造商通常不愿意大笔投资新的技术项目。这种对长期投资和长期项目的谨慎态度是另一种影响预测性维护技术在制造业广泛传播的因素之一。但事实是只有22%的维护经理满意当前的维护项目。他们认为自己花了太多时间来“灭火”，而且预防性维护工作的效率和效力低下。预防性维护工作中1/3的费用是浪费的。