预测性维护可能是最吸引制造商采用物联网的商业用例。
生产线资产的预防性维护(工业4.0出现之前的常见做法)是制造商的主要成本负担。事实上，40%的预防性维护成本都花在了对实际故障几乎没有影响的资产上了。
毫无疑问，预测性维护预测计划外停机事件和质量偏差的能力被证明是游戏规则的改变者。
这是由于预测性维护的8个主要好处：
- 减少生产时间损失：预测性维护允许计划外停机时间比反应性维修所需的停机时间短得多，并且可以安排在方便且成本较低的时间来维护。
- 降低维护成本：在需要时进行维修，而不是在许多情况下多余的例行维护。
- 降低劳动力成本：需要技术人员完成具体而目标明确的任务。
- 降低设备成本：只处理有问题的部件，防止不必要的更换和维修造成相邻部件的磨损。
- 二次损坏的可能性较低：预测性维护可以在问题加重并对设备造成更大范围损坏之前及早发现问题。
- 减少库存费用：使用预测性维护，只为所需的零件和材料下订单。
- 经久耐用的机械：由于拆卸频率较低，设备使用寿命更长，并延长了剩余使用寿命(RUL)。
- 降低基于风险的成本：更少的计划外维修可降低安全风险，并降低对其他部件或设备造成损坏的可能性。
什么是预测性维护软件?
预测性维护是使用物联网技术，并通过分析机器数据来识别模式并在问题发生之前预测问题，从而防止机器故障的一种方法。
在智能工厂内的人机交互中，预测性维护软件使制造商能够监控预测性维护功能。
因此，预测性维护软件为用户提供准确、可靠、可定制的可视化实时交互是至关重要的。
了解贵公司的需求
每家制造厂的运作方式都不同。清楚地了解您的运营需求、优先级和经济动态是实施预测性维护软件的关键，该软件将为您的运营带来***的投资回报。
在决定部署哪个软件时，应包括工程师、技术人员和管理人员的意见和经验。
回答以下8个问题，更好地了解贵公司的需求：
- 公司计划外停机的每月成本是多少?
- 生产中断的常见原因是什么?
- 质量偏差的常见原因是什么?
- 您希望预测哪种类型的问题——机械故障(如电机或轴承故障)或以流程为中心的问题?
- 内部数据分析的专业水平如何?
- 谁将使用该软件?
- 外部系统是否可以访问生产线上的数据?它是否保存在数据库(例如数据历史记录)中?
- 运营系统中的数据是否与业务系统(IT)和流程中的数据集成，以实现有效和准确的数据分析?
在预测性维护软件解决方案中寻找什么
以下是评估预测性维护软件解决方案时需要考虑的6项关键功能：
- 工业人工智能：集成到平台中的人工智能算法，可用于通过与特定制造类型相关的用例来提高效率。例如，机械故障和流程相关问题都需要特定类型的机器学习。
- 简单直观：预测性维护软件应易于操作人员、技术人员和管理人员使用，例如，数字双界面可以在生产线环境中显示预测性维护见解和支持数据，从而实现快速直观的根本原因分析。
- 人机共生：预测性维护软件应该能够从生产线专家那里获得与传感器数据并行的输入。通过这种方式，当算法从专家知识中学习时，可以利用人类经验进行更准确的预测。
- 可操作性和规范性：来自软件的洞察力应该导致行动，并提供关于需要做什么以及如何做的信息。通过查明预测的故障，技术人员通过访问和检查标准操作任务来执行规定的纠正措施。
- 可衡量的结果：预测性维护软件应该能够使用可量化的指标报告其价值和改进后的业务成果。
- 兼容性：生产线通常由各种设备制造商生产的工业资产组成。预测性维护软件应该有能力处理不同类型和品牌的资产，并在集成IT系统(ERP、MES、QMS等)的同时，无缝连接历史数据记录和产品生命周期控制系统。
始终检查软件内容
就解决方案本身以及软件供应商提供的支持和附带服务而言，预测性维护软件市场是多样化的。
确保您确切了解预测性维护软件的功能——包含哪些内容，哪些内容不适用。
规划就是一切
一旦考虑了以上所有因素，就应该有一个基本原则来指导您做出正确选择——快速而简单的部署。
考虑可以部署的解决方案，以便在3个月内实现价值，并且可以根据业务需要不断进行调整。
领先的供应商将能够为您提供定制的部署时间表。时间表应包括所有不同的部署阶段，以帮助您通过原型制作、验证以及最终解决方案交付来配置预测性维护系统。
