什么是预测性维护?

IBM Services

预测性维护崩溃。全天候保持正常运行。控制成本。

预测性维护是一种资产管理实践,根据所收到的数据在资产或设备出现故障之前对其进行修复。这是资产管理中的第三个阶段:

纠正性维护:发生问题或故障后进行维修

预防性维护:根据经验进行定期维修

预测性维护:在资产数据指示即将发生故障时进行修复

 

什么是资产?IBM® 遵循国际标准化组织 (ISO) 55000。资产是“具有实际或潜在价值的事物、项目或实体”。它们是组织物理基础设施的一部分,包括车辆、电子设备、固定装置、机器、计算机等。

预测性维护已成为一种系统和软件功能,因为可以从资产本身获得越来越多信息,并且运营和维护功能已数字化。具体因素包括:

  • 通过互联互通的物联化资产收集的大量数据的可用性
  • 通过物联网 (IoT) 收集的数据的可用性
  • IT 与运营技术相互融合
  • 分析技术不断发展,助力从数据中挖掘洞察
  • 人工智能 (AI) 技术,如机器学习 - 能够在没有编程的情况下自行从数据中学习

 

从事后修复到预测问题

如果您可以在问题发生之前预测问题,那么它还是个问题吗? 

观看预测性维护服务视频

 

洞察机器

了解如何从基于时间的方法转向预测性方法,从而降低成本,减少故障和宕机。

获取信息图 (英文PDF, 905 KB)

 

 

预测性维护为何重要?

与故障出现后进行修复相比,事前预防和维护更加有效,成本也更低。这有助于...

  • 避免宕机并提高生产力
  • 延长资产的寿命并推迟新采购
  • 降低维修成本和复杂性
  • 减轻额外损失或相关损失
  • 满足法规标准和实现合规性
  • 管理备件、材料和库存
  • 最终提高盈利

这些好处会推动企业利用预测性维护技术和实践。IBM 称 (PDF, 2.2 MB):“在几乎所有资产密集型行业(如石油和天然气、制造或运输),企业都面临着如何在整个资产生命周期中实现资产价值最大化的挑战。”

 

例如,一项 IBM 调研强调 (PDF, 255 KB)

英国智能照明和智能建筑解决方案设计和制造公司 PhotonStar Technology,开发了系统来收集设施和设备度量指标,例如能源使用和建筑物占用,然后对信息进行加密和整合,以供开展云端分析。客户使用仪表板来跟踪效率,创建预测性维护计划并远程监控实时状态。

一家日本汽车制造商使用 IoT 对焊接流程行为进行建模。该公司希望确定故障原因,并找到设备故障的主要预测指标。该系统提供了 90% 的故障成功预测率,且无误报;还提前 2 小时预测到了 50% 的故障。由于能够提前预测故障,该公司实现单个故障处理时间缩短 1.5 小时。

一家大型飞机制造商正在使用 IoT 来维护精密组装工具的校准,力求提高制造质量。该制造商利用来自车间工具的数据以及设备故障数据,开展预测性质量分析,打造有效的模型来识别可能需要维护的工具。这样,便能够前瞻性地将故障工具从车间拆除,然后对工具进行维护和校准,从而显著改善了制造质量。该解决方案在一年内实现了 100% 的投资回报率 — 通过防止失调工具残留在飞机生产工作流程中,避免了数百万美元的返工和数月的生产延迟。

使用物联网进行预防性维护

了解资产运行状况管理的优势,并使用 IoT 和认知功能来获取资产运行状况洞察。

阅读白皮书 (英文PDF, 818 KB)

 

有效预测性维护的关键功能

有效的预测性维护通过数字化系统,利用先进的分析和 AI 技术,将仪器和 IoT 中的数据融合起来。IBM 在《工业周刊》上发表的一项 A. T. Kearney 调查报告中 (英文PDF, 2.2 MB) 指出,其中 558 家使用计算机化维护管理系统的公司平均实现了:

  • 维护工作效率提高 28.3%
  • 设备宕机时间减少 20.1%
  • 材料成本节省 19.4%
  • 库存维护和维修减少 17.8%
  • 投资回收期为 14.5 个月

要成功使用这些系统,企业需要:

集成

资产管理过程中,企业必须跟踪、评估和管理广泛的物理和技术资产的可靠性。此外,更糟糕的是,运行应用程序和数据技术基础架构碎片化严重。集成“彼此孤立”的系统可提高在查找和通知潜在故障方面的可视性和效率。

 

采用 IoT

IoT 数据,例如天气相关信息、支持 RFID 的数据、交通信息以及来自其他设备和源的信息,可以支持和增强预测性维护。 举例来说,天气会干扰农业或油气生产中的外部设备,还会影响医疗保健和生物技术等领域的高度敏感的仪器。IoT 可以整合来自数百万台设备的信息。例如,电梯和扶梯制造商通力公司就可以远程监控和优化全球范围内各种建筑物中 110 万部电梯和自动扶梯的管理。

 

分析优质数据

收集和分析资产相关数据的能力让企业能够从纠正性维护转向预测性维护。预测性分析和 AI 技术(例如机器学习)可以应用于大量运营数据,帮助企业更详细、更准确地了解设备性能。

所分析的数据的质量或完整性也很重要。IBM 称 (英文PDF, 2.2 MB):“资产数据的质量是常被忽略的失败因素。没有完整的字段或经过验证的数据,根本不可能完成分析。分析关键领域的数据字段(如资产注册表、项目库存和工作完成度)的质量情况,对于支持可靠的分析报告至关重要。”

 

注重可靠性和效率

凭借预测性分析带来的优势,可靠性工程师可以根据运营数据和其他因素,创建具有统计意义的设备寿命模型。这些模型使他们能够专注处理影响运营可靠性和可用性的关键风险。

这项能力还支持制定可提高效率的维护策略:分析可能结果显示,当前设备维护计划和实践十分完美,无需进行任何更改。也可能显示需要尽早安排维护,以便避免故障。还可能显示,应该推迟维护,以避免不必要的成本和工作。

 

预测性维护资源

数字技术如何推动运营变革

一份高级别报告显示了领导者如何通过投资 IoT、移动、云计算和分析技术等不同的方法,实现卓越的成果。

阅读报告(英文)

 

了解资产管理范围

探索整个资产管理范围,帮助做出正确的选择,包括如何从小规模着手,然后逐步扩展。

阅读博客(英文)

 

智能连接:通过智能物联网重塑企业

从更广泛的背景下了解预测性维护资产管理的意义,并探索 IoT 如何改变运营和流程。

阅读研究报告 (PDF, 255 KB)

 

查看更多技术支持资源

 

成功案例

韩亚金融集团

韩亚金融集团直接与 IBM 服务部在韩国开展合作,整合了其 11 家附属公司的基础架构和资源, 从而能够采取积极主动的方法开展维护工作,并提前发现潜在问题,防患于未然。

了解该集团如何化解问题,成功转型(英文)

 

VE Commercial Vehicles Ltd.

VECV 简化了其跨位置多供应商环境的支持,从而加快了问题解决速度, 提高了生产力,提升了可用性并增强 IT 运营的业务连续性

了解该公司如何在 IBM 的全面支持下迈上绩效高峰

 

产品亮点

IBM 技术支持服务与众不同

利用预测性分析和认知系统,每年将时间和资源浪费减少多达 40%。

观看预测性维护视频

 

技术支持服务的五大新兴趋势

了解五大技术趋势,这些趋势预计将推动技术支持服务行业的发展,并在三到五年内形成新的支持服务模式。

技术支持服务领域的五大趋势白皮书

 

IBM 硬件维护服务

了解 IBM 提供的前瞻性、预防性和认知性支持之间的差异,以支持您的硬件投资。

了解硬件维护白皮书

 

解决方案

技术支持服务

IBM 硬件和软件支持服务

IBM 在技术支持方面的创新

IBM 硬件保修和维护服务

多供应商硬件和软件支持