从预防性维护、预测性维护到智能维护
来源: | 作者:pmod6d781 | 2022-11-22 | 4709 次浏览 | 分享到:
在智能维护的概念出现之前，预防性维护和预测性维护的理念已经开始在传统设备维护工作中出现。预防性维护与预测性维护是两种截然不同的定义，一字之差，千里之别；同时“预测”一词的通俗性，又容易让很多人望文生义，进而衍生出很多对这些重要概念的误解。


本文尝试讨论以下问题：

1、预防性维护和预测性维护的区别是什么？

2、预测性维护可以算命么？（预知什么时候设备会坏？）
3、预测性维护是否仅仅是实验室技术，不可实现？
4、什么是设备智能维护？
5、智能维护和预测性维护&预防性维护是怎样的关系？


什么是预防性维护？什么是预测性维护？


预防性维护和预测性维护都在IAFT16949中有过清楚定义：

预防性维护是指，为了消除设备失效和非计划性生产中断的原因而策动的定期活动(基于时间的周期性检验和检修)，它是制造过程设计的一项输出。

预测性维护是指，通过对设备状况实施周期性或者持续性监视来评价在役设备状况的一种方法活一套技术，以便确定应当进行维护的具体时机。

从上述国际标准定义中不难发现，预测性维护和预防性维护的基准、手段和目的均有不同：
基准不同：预防性维护以维护时间为基准，是定期维护;预测性维护以设备状态为基准，是定状态维护(达到某个状态就进行维护)。

手段不同：预防性维护是采用定期维护的手段实施维护工作。工程实际中常见的点检、巡检、定期维护，定期小修、大修等都属于预防性维护。预测性维护的手段则是基于对设备实际状态的周期性或者持续性监控。目前常见的CMS(condition  monitoring system)就是预测性维护的主要手段之一，但CMS不等于预测性维护，也不是有了CMS就一定能达成预测性维护。

目的不同：从两个概念的定义来看，预防性维护的目的是预防设备的失效和非计划性生产中断;而预测性维护的目的是确定应当维护的具体时机，换言之，预测性维护的重要产出是对最佳维护时机的判断。


预测性维护是对未来的预测么?

严格意义上说，预测性维护的定义中，并没有涵盖对未来的“预知”。预测性维护是对当下状态进行的评估，对当下设备是否需要进行维护或未来维护时机的判断。那些认为预测性维护等价于剩余寿命预测的理解，显然与预测性维护本质的定义不符。
当然，通过对一定历史数据的分析处理，借助大数据和人工智能技术，可以对未来的设备剩余寿命做出趋势性估计，但这只是作为预测性维护的一个技术支撑，而非本质。同时，对未来的预估受数据和算法的影响很大，以后进行相关算法的讨论的时候再展开。


预测性维护是不是空中楼阁?

如果严格按照预测性维护的技术定义来讲，基于设备自身状态参数的实时监控和对状态偏离进行感知和察觉，当前完全可以做到。从这个意义上说，预测性维护绝不是空中楼阁。

1、预测性维护不是对未来的算命。保持合理认知和期待。

2、预测性维护工作本身是系统，软件、硬件，算法和人的综合性工作，是IT技术、数据分析技术和工业机理技术融合的工作，而不单纯是一个算法的工作。现在的工业水平远远没有普遍达到设备按照算法执行指令的程度，对设备的实际维护维修工作还是需要人工来进行的。

3、目前主要的预测性维护实践还未达成理想预期，简单的监控手段无法实现及时发现”状态的变化“。例如大型旋转设备的振动监测与分析系统，理论上的确能发现早期轴承等机械故障;但实践中，往往基于国标的报警偏晚，而专业且复杂的频谱分析又难以在日常工作中持续开展。


智能维护

智能维护与预防性维护、预测性维护并不是一个递进关系，而是交叉关系，如下图所示。借助于过去10多年大数据和人工智能技术的发展，智能维护的概念又变得火热;但智能维护本身也并不等价于那些”智能算法“。正如上篇文所说：设备维护的根本问题，在工业中的实践其实并没有变化，无论何种技术手段，都是为了更早、更准确识别早期“故障”，并合理制定维护计划，实现最优的维护性价比。


智能维护与预防性维护

预防性维护是设备定期进行维护的工作。日常对设备进行的各种维护保养而产生大量的数据，不仅数据量大，而且数据种类多，格式复杂，数据状态复杂等。这些数据最终在智能维护时将有助于最佳维护周期的选定。

此外，我们可以对设备预防性维护的周期和设备实际故障状态进行分析，进而评估设备当前运维程度，并给出调整意见。最终实现最优的预防性维护时间间隔，从而提升维护效率降低设备使用成本和维护成本。


智能维护与预测性维护

目前预测性维护的主要的手段是CMS技术，当设备特征数据被实时测量和监控之后，产生了大量的数据，同样的，这些数据也是种类多，数量大，格式复杂，数据质量良莠不齐，对这些数据进行处理也需要使用大数据技术。

更重要的是，在预测性维护领域，最重要的工作是对设备应有设计状态的偏离进行监督和评估。这就需要使用人工智能技术以及相应的机理算法，对设备状态建立某种基准模型和评估模型，从而通过算法实现对设备状态的评价。当判断、分析的工作从人脑转移到机器，那么智能技术就得到了实践。预测性维护就进阶成了智能预测性维护。


说了这么多，然后呢?

我们用两期的内容详细的讨论了关于设备维护、设备智能维护相关的基础性概念常见的误区。我们认为，只有建立客观、科学、标准、一致的认知，讨论设备智能运维才是有意义的。在设备维护的数字化、智能化项目中，OT、DT、IT专家往往存在基本概念的理解偏差(互联网企业叫”没有对齐“)，这样就会导致项目启动、开展、验收和落地使用过程中遇到种种问题。这也是我们认为概念”对齐“是智能运维项目需要处理的第一要务的原因。

”对齐“很重要，但是”对齐“不是最终目的，设备智能运维项目的最终目的是“落地”。而项目开展和落地的过程中，在设备智能运维这个特定的领域，有独特的要求和难度。在接下来的文章中，我们将和大家分享”智能运维项目开展“的智慧，敬请期待!