什么是基于状态的维护 (CBM)？

基于状态的维护 (CBM) 涉及使用传感器和其他监控设备，收集有关设备性能的数据。然后使用算法、机器学习和人工智能，对收集的数据进行分析，识别可能表明维护问题的模式和异常情况。

过去，公司只能按固定的时间表或在设备出现故障时进行维护，这通常会导致维护成本高昂且效率低下（即意外停机和紧急维修）。然而，基于状态的维护提供了一种更新、更先进的维护管理方法。

CBM 不是按预定计划执行维护或等待设备故障，而是使用实时数据来确定维护需求，实现更高效、更具成本效益的维护。

基于状态的维护和预测性维护，两者都是资产管理方法，可以帮助组织最大限度地减少设备故障的可能性，并延长资产使用寿命。然而，两者在一些关键方面有所不同。

通过状态的维护，维护部门可以根据需要进行维护；这本质上是一个被动响应的过程。然而，预测性维护使用数据分析和机器学习，预测何时执行维护任务，代表了一种更积极主动的资产管理方法。

此外，CBM 依靠检查、测试和实时数据来评估设备的当前状况，而预测性维护则根据持续监控和数据分析来预测设备的未来行为。

这两种方法都可以帮助组织确保关键资产以最佳性能运行，因此其中一种方法（或两种方法）可能适合您的业务。然而，选择最佳策略取决于您拥有的设备类型、资产的关键性、所在行业和/或存放资产的环境等因素。

虽然 CBM 监控技术有多种，但以下是您最有可能遇到的类型。

红外热成像技术，使用热成像来检测过热和其他与温度相关的问题。它依靠非接触式测量，检测物体和表面的潜在温度变化。

红外热成像技术使用热成像相机，捕获物体或表面发出的红外辐射，并将其转换为可见图像（或热分析图）。然后利用热分析图，根据资产的基线温度来测量当前资产温度。

组织主要使用这种类型的 CBM 来监控电机、检查轴承以及检查气体、污泥或液位。

振动监测（或称振动分析）使用振动传感器，测量资产的振动频率，并检测可能表明存在问题的异常情况。

例如，由于电机和泵等旋转资产老化后振动往往更剧烈、更响，因此测量振动变化有助于在资产发生故障之前识别磨损和损坏。振动监测可用于检测各种问题，包括未对准、不平衡、轴承磨损或故障、轴弯曲、部件松动等故障。

油液分析通过评估资产中油液的特性（例如粘度、酸度等），检测污染物或磨损颗粒。这种技术通常涉及从设备收集润滑油样本，并发送到实验室进行分析。油液分析可用于监测发动机、变速箱和液压系统等资产。

超声波分析（或称超声波检测）使用高频声波来检测设备的泄漏、裂缝或缺陷。这种技术依靠接触式（结构传播）和非接触式（空气传播）数据收集技术来确定资产损耗。

接触法通常用于检测产生高频声音的机械问题，例如润滑问题、齿轮损坏和转子线棒断裂。非接触式方法可以检测容易产生低频声音的问题，例如压缩气体系统中的压力和真空泄漏。

对于装载气体、空气或流体的资产，监控时最好使用压力分析，即测量和评估资产内压力水平的过程。

维护团队可以利用压力分析，确定流体通过管道和阀门的流量和流速，优化空气压缩机和调节器的性能，以及控制储罐和管道中气体和液体的压力。

电气分析使用钳式电流表的电机电流读数，评估电气系统或组件的输入电能质量。测量电压、电流、电阻、电容、电感、功率等，可以帮助维护团队预测电压降、功率因数问题以及电路故障和失真。

CBM 生命周期描述了 CBM 流程的各个阶段，每个阶段对于项目的整体成功都发挥着不可或缺的作用。这些阶段包括规划、实施、监测、分析和改进。

在规划阶段，维护团队应明确定义其 CBM 计划的目标。目标应与组织的总体目标保持一致，并且具体、可衡量、可实现、相关且有时限。

制定目标后，就应该识别关键资产，并将这些资产作为基于状态的监控计划的重心。制定监测计划时，需明确列明所采用的具体监测技术、监测流程的实施频次及持续时长。

该计划还应确定负责监测和分析设备性能数据的人员。这种方法可确保维护部门有效利用资源，并将计划外停机时间降至最低。

最后，维护团队应在规划阶段建立基线。基线是 CBM 的重要组成部分，因为基线提供了衡量设备状况变化的参考点，有助于识别资产行为的模式。

可以利用的基线包括：运营基线（反映了资产的典型运营状况）；历史基线（基于资产的历史数据）；制造商基线（由设备制造商建立）；以及维护部门认为有用的任何其他基线指标。

在实施阶段，团队安装传感器和数据采集系统，并培训人员如何使用 CBM 工具。此阶段需要团队开发数据管理系统，并将 CBM 集成到组织的维护管理系统中。

监控阶段是任何 CBM 计划中最重要的部分。这一阶段涉及从传感器和数据采集系统收集数据（最好是连续收集），以实时监控设备的状况。

在分析阶段，团队手动或使用软件工具，解读监控阶段收集的数据。这包括识别模式和趋势，以及检测异常和潜在故障。

一旦团队解读了分析结果，就会制定并实施行动计划。这可能包括安排维护活动、调整运行参数或对设备或监控系统本身进行改进。

团队还将记录 CBM 计划的结果，并将其纳入未来的规划和实施活动中。

值得注意的是，CBM 生命周期不是一次性过程，而是一个连续的循环。因此，CBM 计划的成功取决于组织是否/如何不断改进和完善其维护方法。

基于状态的维护，是一种提高设备可靠性和降低维护成本的有效策略。然而，基于状态的管理计划，只有得到妥善设计和执行，才是有效的。以下是一些最佳实践，有助于您的组织优化 CBM 流程。

理解 p-f 间隔和 p-f 曲线，有助于确定维护活动的最佳时机，因而对于预测性维护计划非常有用。

p-f 曲线直观地表示了故障严重性与发生资产故障所需时间之间的关系。通过分析特定设备的 p-f 曲线，可以识别最严重的故障，并根据严重程度确定维护活动的优先级。

p-f 间隔则显示了一旦检测到即将发生的故障，可用于执行维护的时间。p-f 间隔可以帮助维护人员在设备出现故障之前，提前安排维护活动。

CBM 过程会生成大量数据，需要及时存储、分析并采取行动。数据管理和分析软件有助于理解数据，并将其转化为可操作的洞察。

此外，许多 CBM 计划与计算机化维护管理系统 (CMMS) 和企业资产管理 (EAM) 系统兼容，使得 CBM 与现有资产管理计划的集成更加简单。

CBM 计划要求维护团队根据设备的实际状况安排维护时间。为了有效地做到这一点，组织需要实施一个维护排期系统，能够根据性能数据，相应地确定维护任务的优先级。

基于状态的维护不是一次性的实施，而是一个持续监测、分析、改进的过程。各组织应不断鼓励维护人员确定需要改进的领域，并根据结果实施变革。

基于状态的维护 (CBM) 是一种提高设备可靠性和使用寿命的有效策略。CBM 的核心优势在于其精益化的资产管理理念，同时还能带来其他更为细致的附加价值。

预防设备故障与停机：通过及早发现潜在问题与即将发生的故障，CBM 支持运维团队在最便利、成本效益最优的时段安排维护工作。这有助于降低应急维修相关成本，减少生产计划延误，并最大化资产运行时间。

延长资产使用寿命：运维人员基于实时数据定期开展维护工作，可使设备始终处于最优运行状态，减少磨损损耗，进而延长资产使用寿命。

提升作业安全性：CBM 能够提前发现未来可能引发安全风险的潜在问题，使运维团队在事故发生前采取纠正措施，最终降低作业场所的人员伤亡及事故风险。

降低维护成本：CBM 摒弃了按预设计划进行维护的模式，仅在设备确有需要时开展维护工作，从而有效减少不必要的维护开支。

提高维护效率：CBM 通过减少维护工作所需的时间与资源投入、提升维护作业的精准度，助力优化维护流程，提高整体维护效率。

基于状态的维护计划能助力组织制定主动预防性维护计划，但在实施过程中可能面临诸多挑战。

实施成本高昂：核心挑战之一是需投入专业设备并配备相关专业技术能力。实施 CBM 需要使用先进的传感器和监控设备，以及分析资产数据的软件和算法。

这在前期可能很昂贵，但 CBM 的长期收益通常超过初始投资。此外，技术进步已降低 CBM 计划的实施成本，使其能惠及更广泛的组织和群体。

海量数据采集与分析需求：CBM 依赖实时诊断数据为决策制定及维护作业提供依据，因此需持续开展数据采集与分析工作。这需要强大的数据收集系统和维护软件，能够在填充大量数据时对其进行分析。此外，组织需对相关人员开展培训，使其具备数据解读能力，并能根据分析结果采取相应措施。因此，计划采用 CBM 策略的企业应提前做好相关准备。

系统集成流程复杂：为实现最优效能，CBM 必须与企业现有系统及设备进行深度集成。由于一些行业拥有与现代监控设备不兼容的旧设备或旧版系统，集成可能会很困难。一些组织最终可能需要使用新传感器和监控设备改造现有设备，或升级系统以确保与 CBM 的兼容性。企业亦可评估具备适配连接器的解决方案，以助力与遗留系统的集成落地。

数据安全考量至关重要：CBM 依赖海量数据的采集与存储，这可能引发数据安全相关担忧。重要的是要确保数据存储安全，并且只有经过授权的人员才能访问敏感数据。