何謂預測性維護?

依據 IBM Services

預測性維護詳解。保持穩定執行。控制成本。

預測性維護是指在資產或設備發生故障之前根據所收到的相關資料先行維護的資產管理作法。這是資產管理的第三階段:

矯正維護:在發生問題或故障之後再進行修復

預防性維護:根據經驗執行排程修復

預測性維護:在資產資料指出即將故障時進行修復

 

何謂資產?IBM® 查照國際標準化組織 (ISO) 55000。資產是指「具有實際或潛在價值的東西、項目或實體」。它們屬於組織實體基礎架構的一部分,包括車輛、電子、固定裝置、機械、電腦等等。

預測性維護以系統和軟體功能形式出現,因為資產本身可提供的資訊越來越多,而且作業和維護功能也已數位化。具體因素包括:

  • 可透過已檢測與互連的資產收集大量資料
  • 可透過物聯網 (IoT) 收集資料
  • 融合 IT 與作業技術
  • 透過更進步的分析,從資料獲取洞察
  • 人工智慧 (AI) 技術如機器學習是指,系統能夠在無需程式設計的情況下自行從資料學習

 

從修正到預測問題

如果您可以在發生問題之前搶先預測,這樣還會有問題嗎? 

觀看影片

 

傾聽您的機器

收聽有關如何從以時間為基礎的方法移轉到預測性方法,以降低成本並減少故障和停機時間。

取得資訊圖(PDF,905 KB)

 

為什麼預測性維護很重要?

在東西壞掉之前先修理會比較有效率,而且更符合成本效益。它有助於......

  • 避免服務中斷並提高生產力
  • 延長資產壽命,並推遲重新購買
  • 降低維修的成本和複雜性
  • 減少額外或相關損害
  • 符合法規標準與規範
  • 管理備用零件、物料及庫存
  • 最終提高利潤

這些優點推動組織充分利用預測性維護技術與作法。根據 IBM 的研究(PDF,2.2 MB):「在幾乎所有的資產密集產業(例如石油和天然氣、製造或運輸)中,組織都面臨如何在資產生命週期中將資產價值最大化的挑戰。」

 

例如,有一份 IBM 研究報告(PDF,255 KB)就強調

英國智慧型照明和智慧型建築解決方案的設計製造商 PhotonStar Technology,他們開發了可收集設施和設備指標(例如能源使用和建築物居用率)、加密資訊並進行整合以供雲端分析的系統。他們的客戶在雲端使用儀表板來追踪效率、建立預測性維護計劃,並從遠端監視即時狀態。

日本汽車製造商使用 IoT 來模擬焊接過程的行為。他們想辨識故障和發生錯誤的因果關係,並找出最有效的設備故障預測因子。此系統提供 90% 的故障預測,而且其中毫無誤判;50% 的故障可提前 2 小時預測。該公司靠著先進預測,幫每次故障節省 1.5 小時。

主要飛機製造商開始利用 IoT 來維護精密組裝工具的校準,藉此提高製造品質。預測性品質分析使用製造現場工具提供的資料與設備故障資料,藉此產生一些模型以識別可能需要維修的工具。主動從製造現場移除待維護和待校準的故障工具,如此可大幅提升製造品質。此解決方案可讓您在一年內 100% 回本,它可以防止讓失準工具留在飛機生產工作流程中,從而避免數百萬美元的重做和數個月的生產延遲。

使用物聯網 (Internet of Things) 進行預防性維護

瞭解資產性能管理的優點,並運用 IoT 和認知功能來獲得資產性能洞察。

閱讀白皮書(PDF,818 KB)

 

有效預測性維護的關鍵功能

有效的預測性維護在數位化系統中,利用先進的分析與 AI 技術來融合源自檢測設備和物聯網的資料。IBM 在 Industry Week 中指出 A. T. Kearney 意見調查(PDF,2.2 MB)顯示,在使用電腦化維護管理系統的 558 家公司中,平均達成:

  • 維護生產力提高 28.3%
  • 設備停機時間減少 20.1%
  • 物料成本節省 19.4%
  • 庫存maintenance和維修減少 17.8%
  • 還本時間 14.5 個月

若要順利運用這些系統,組織需要:

整合

做為資產管理的一部分,組織必須追踪、評估與管理各種實體和技術資產的可靠性。在此挑戰之上還有一個難題,就是應用程式和資料執行互不相通的技術基礎架構。整合「互不相通」系統可在搜尋與溝通潛在故障時提高可見性和效率。

 

包括 IoT

IoT 資料(例如天氣相關資訊)、支援 RFID 功能的資料、交通資訊,以及來自其他裝置和來源的資訊,這些可以擴增並加強預測性維護。 舉例來說,天氣可能會影響農業或石油和天然氣生產中的外部設備,或醫療和生物技術現場的高度敏感儀器。IoT 也可以合併可能多達數百萬個設備的資訊。舉例來說,升降電梯和電扶梯製造商 KONE Corp,他們從遠端監視並優化全球 110 多萬部建築物升降電梯和電扶梯的管理。

 

分析品質資料

能夠收集與分析資產相關資料,這可讓組織從矯正性移轉到預測性 維護。預測分析和 AI 技術(例如機器學習)可以套用至大量作業資料,讓組織能夠對設備效能有更詳細和準確的瞭解。

資料的分析品質或完整性也很重要。根據 IBM 的研究(PDF,2.2 MB):「資產資料的完善性是一個常被忽略的敗筆。如果欄位未填完或資料未驗證,根本無法進行分析。分析重要領域(資產登錄、項目庫存和工作完成)中資料欄位的完善性,這對支援可靠的分析報告而言很重要。」

 

專注於可靠性和效率

以強大的預測性分析為基礎,可靠性工程師可以根據作業資料和其他因素來建立統計有效的設備壽命模型。這些模型可讓他們專注於可能會影響作業可靠性和可用性的重要風險。

此功能也讓他們得以發展出有助於提高效率的維護策略:分析可能會指出現行設備維護排程和作法很理想,無需進行任何變更。或者,儘快指示維護以避免故障。又或者,延後維護以避免不必要的成本和工作。

 

預測性維護資源

數位技術如何推動作業革新

一份宏觀報告傳授領導者如何實現事半功倍,方法包括投資 IoT、行動性、雲端運算與分析。

閱讀報告

 

瞭解資產管理光譜

探索完整的資產管理光譜,以協助做出正確選擇,包括如何從小規模著手開始然後擴增成長。

閱讀部落格

 

智慧型連線:利用智慧型 IoT 來革新企業

從更廣泛的脈絡來瞭解預測性維護資產管理,並探索 IoT 如何改變作業和處理程序。

閱讀研究報告(PDF,255 KB)

 

請參閱更多的技術支援資源

 

個案研討

Hana Financial Group

Hana Financial Group 直接與韓國的 IBM Services 合作,以整併其 11 家關係企業的基礎架構和資源, 以便他們能夠採取主動方法來進行維護,並在潛在問題造成服務中斷之前提早識別。

進一步瞭解

 

VE Commercial Vehicles Ltd.

VECV 簡化並改善其分散多個地點的多重供應商環境、加快問題解決速度、 提高生產力、提升可用性,並加強其 IT 作業的永續運作

進一步瞭解

 

產品焦點

IBM Technology Support Services 與眾不同

運用預測分析和認知系統,每年減少高達 40% 的時間與資源浪費。

觀看影片

 

技術支援服務的五個新興趨勢

瞭解 5 個技術趨勢,它們將會推動技術支援服務產業的演進, 並在未來三到五年內塑造出支援服務的新典範。

隨需觀看網路研討會

 

IBM Hardware Maintenance Services

瞭解被動式、主動式、預防性與 IBM 認知支援之間的差異,以便支援您的硬體投資。

進一步瞭解(PDF,1.1 MB)

 

解決方案

技術支援服務

IBM 軟硬體支援服務

IBM 的技術支援創新

IBM 硬體保固與維護服務

多重供應商軟硬體支援