预测性维护——利用人工智能和物联网将故障防患于未然

编者按：预测性维护是通过监测生产线上设备运行时声音、压力、热量、振动等信号的变化，感知设备状态和即将出现的故障，在设备发生故障之前的适当时机进行处理的维护方式。越来越多的企业工厂开始推广和引入对设备的预测性维护。本文小编分享一篇来自村田制作所的文章，介绍了如何利用人工智能和物联网将故障防患于未然，通过对设备预测性维护进行设备维保的变革。以下是文章具体内容，供大家学习交流。

不论哪个行业，生产线上的设备不停机工作都是提高效率的关键之一。实际上，由于设备故障导致的 “非计划停机”的情况经常发生，严重时设备会受到损伤，出现需要大修更换零部件的情况，从而导致设备长期停机，严重影响到后续的生产。

说到提高工厂生产线效率，我们往往会关注提高设备本身的性能。实际上，由于很难对生产线设备出现故障导致的非计划停机和一些突然发生的短时间停机做出预测和应对计划，因此会更加难以提高整体的生产效率。对设备即将发生的故障进行预测并制定应对计划已成为建设智慧工厂的重要课题。

利用物联网降低设备短时间停机时间

日常点巡检是维持产线安全运行和计划生产所必不可少的。这也是一项需要大量的时间、成本和人员的作业。但近年来，劳动力短缺问题日趋明显，维护人员越来越少。由于点巡检不是直接创造产品价值的作业，所以很多企业希望在此项作业中尽可能减少人工的投入。

图.在工厂提高点检和维护的效率是智慧工厂的重要课题（全景网）

在生产过程中，非计划的短时间停机是生产中部分工序的作业迟延、装置发生故障、装置间协调不良等多种因素不断积累而造成的。由于它是由多种因素综合而造成的，所以很难事先预测它的发生。

随着新技术的出现，现在已经能够通过物联网收集并实时掌握装置的运行状态和点巡检作业人员的实时动作。通过积累收集的数据并进行大数据分析，参考过去发生的事例即可对即将出现的非计划短时间停机进行预测。这样在预测到会发生的停机时，可以对设备或人员提前进行调整，制定相应的计划来将其防患于未然。

从预防性维护到预测性维护

另一方面，设备出现的故障大多是由于机械零部件的疲劳、污垢和异物的附着、腐蚀和温度变化引起的膨胀等造成的。这些导致故障的变化是渐进式的，而且原因复杂，所以很难预测故障会何时发生。

目前，为了最大限度避免设备故障的发生，企业大多会选择进行彻底的定期点检，并对使用了一定时间后的消耗性零部件进行提前更换。这种预防故障发生的方法称为“预防性维护”。预防性维护存在两个问题。一是装置的零部件存在差异，故障可能比预期发生得更早。另一个是零件仍然可以使用，却在使用到寿命结束之前就进行了更换，造成了浪费。

近年来，企业已经可以利用物联网和人工智能感知导致故障的迹象并提前进行处理。这种维护方法称为“预测性维护”。通过在设备上安装传感器收集声音、压力、热量、振动等数据，利用人工智能等分析技术，提前感知制造装置的故障和缺陷的迹象。通过预测性维护，可以将消耗性零部件使用到寿命结束，有计划地订购和维护零部件。

图.预防性保养和预测性保养的区别

在智慧工厂里实现强大的感知能力

在已经运营多年的工厂中，可能会有一些通过装置运行的声音和利用工具直接或间接感受到设备的振动就能感知异常的熟练工程师。这些熟练工程师感知异常的能力极大的防止了设备非计划的短时间停机情况的出现。

但由于技能继承困难，继承技能的人才也不多，熟练工程师的数量持续减少。在智慧工厂，我们可以构建一套体制，对工厂内的所有装置以一年365天、一天24小时的运行状态进行监控，不遗漏任何异常，这是依赖个人技能的传统方法不可能实现的。

传感元件的进化让预测性维护成为可能

此外，由于数据收集和分析技术的进化和异常感知精度的提高，现在不仅可以预测故障，还可以事先感知产品的正品率降低和质量劣化等。为了提高异常感知的精度，必须从正确的位置收集足够数量的数据。为此，构成收集数据的物联网终端的传感元件的进化必不可少。

首先，为了不限制收集数据的场所，需要减小这些电子元件的尺寸、重量和能源消耗。此外，还要具备在恶劣环境中也能稳定运行的高度耐环境性和抗噪性。

随着技术的变革，将环境内的光、温度差、电磁波、振动等能量转换为电能、作为物联网终端的电源使用的环境发电技术的使用范围也开始逐渐扩大。随着电池驱动物联网设备耐环境性的技术——氧化物型全固态电池实用化，物联网设备的设置场所也会进一步增加。

PreMaint专注于设备的预测性维护与健康管理。设备的多源关键参数信息实时传输至PreMaint设备健康管理平台中，平台内嵌的大数据分析技术和机理模型有效判断设备的劣化趋势，给出诊断意见，设备工程师可以通过PreMaint预先制定预测性维修计划，在设备出现大型故障前提前做出行动计划。