400-104-0028
您好,欢迎来到设备邦![请登录][免费注册]
设备邦 > 供应商动态 > 智能维修-数字化与工业互联网条件下的预测性维护策略

智能维修-数字化与工业互联网条件下的预测性维护策略

2018/1/23 13:24:44 来源: 设备邦

摘要:以强调预测性维修为基本应用,通过工业系统与高级计算、分析、感应技术以及互联网连接融合,实现设备之间的连接,实现人机互通的工业互联网,正在全面崛起。这些改变将以提高工业系统可靠性与维修性为目标,通过减少工业系统非计划停机,建立更安全、更高效、更绿色的工业体系。


数字化、自动化、智能化的工业生产方式,让工厂运营正朝着更高效、更经济的方向发展。智能制造使得制造系统自由度高度约束带来管理简单化的同时,其系统可用度要求将随之提高。


备注:可用度(A)=MTTR(平均故障间隔时间)/(MTTR(平均故障修复时间)+MTBF),时间以分钟计算。MTBF越大越好,代表了系统的可靠性水平;MTTR越小越好,代表了系统的维修性水平。


在自由度较高的传统制造系统中,生产组织虽然灵活,但面临管理难度大,造成制造效率低下,运营费用增高,库存居高不下。在智能制造新的制造系统中,非计划停机,则意味无法在减员或通过在制品库存条件下实现对冲,造成制造效率低下,使得产品交付能力下降。故智能制造,必须具备与之匹配的智能维修系统。


一、基于P-F的维修策略


设备潜在故障(劣化、隐患)特征与功能丧失故障的一段区间,称为P-F间隔,如图一所示。设备故障发生前发生的一些征兆,通常是可以识别的物理态反馈,通过这些现象和背后的规律,在P-F区间,开展针对性的维修,称之为预测性维修。摸清设备故障的PF间隔属性,有利于制定有效、针对性的维修策略,同时也满足设备经济管理的需求。


P-F间隔与维修策略


P点以前,是采用以可靠性为中心的预防性维修策略,由于设备并未出现故障劣化和隐患特征,这种维修策略并不满足经济性原则,通常适用于可靠性保护(如润滑,防腐等单项应用领域)、复杂系统的可靠性补偿(如定周期更换某些零部件)。


P-F间隔,是采用以维修性为中心的预测性维修策略,是在P点以后通过人工、辅助工具对设备进行定期检查、观测和监测,发现设备的劣化状态和隐患现象,并在F点以前择机纠正和修复。从时间和性能来看,预测性维修是最经济,对生产效率损失是最小的。预测性维修的重点和难点,在于如何确定优化检查、观测和检测的周期,以及如何组合不同的技能和方法,以提高对结果诊断的准确性。


F点以后,设备出现功能故障进入事后维修通道,事后维修不仅造成生产效率损失,并造成维修费用上升。在流程性行业或自动化较高的产线,一般对容易发生故障的设备采用在线冗余备份,以提高产线整体的可靠度,或通过维修快速响应、备件快速供应和维修技能强化的事后维修通道优化,以降低MTTR,减少对生产效率的影响。


二、复杂条件下的预测性维修


典型的设备磨损分为磨合,稳定磨损,急剧磨损三个阶段,对于一般机械设备而言,第一阶段按照厂家的规定的时间b点更换润滑油等预防性规定动作,第二阶段实施定期的检查、监测,在b点,依据状态实施针对性的维修,如图2所示。


典型耗损型故障的性能失效曲线


但实际上,我们处于更复杂的工业系统,除了本身复杂的设备以外,伴随自动化、智能化的进程,未来的许多工厂,整条生产线,甚至整个工厂将构成一个整体的系统。这将意味着,整个系统由机械、电力、传感器、工业控制,甚至数字化、分析工具称为这个系统的部件组成,其在机械部分遵循模式典型耗损故障曲线和非典型曲线的叠加,如图3所示。


非典型故障的性能失效曲线


面向智能制造转型的工业制造系统,追求更高效、更经济更绿色的生产方式的同时,更面临更严苛的可靠性和预测性维修要求,复杂系统面临更多、更综合的故障触发因素,见表1。


故障形成机理


这些复杂故障使日常设备管理变得焦头烂额,我们需要全面的展开预测性诊断应用比例,这包括:


a.在组织内部强调基于隐患和劣化现象的微缺陷处理机制,提高预测性维修在组织内部的应用比例;
b.强化预测性诊断人才的培养,使设备维修工程师具备发现隐患和处理的能力,并配备专业诊断设备、以辅助发现这些潜在的故障。


然而,我国的制造业现状是,预测性维修应用的比例并不高,绝大多数的企业仍然处于已修代管的状态,为此我们必须寻找到能够加速这一过程的有效路径。


三、基于数字运维与工业互联网条件下的智能维修策略


从设备管理的经济性、技术性和目标性而言,强化可靠性和维修性,以工业制造系统可用度提升为核心目标,不断优化维修通道,是数字运维建设的重要内容,如图4所示,包括:


a.以目标导向,数据驱动决策,优化维修通道,不断降低事后维修通道比例,降低预防性维修通道比例,提高预测性维修比例;
b.预测性维修通道与工业物联网高度融合,通过数据采集、建模和分析应用,实现诊断方式从手动诊断、自动诊断和自诊断方式的全覆盖;
c.以不断探索P-F间隔规律为目标,通过数据的自适配,不断优化P-F间隔,提供更精准的时间点,持续提高维修的计划性,减少突发事后故障的数量和比例;
d.加速知识交互和积累,基于数字化条件下的设备病历数据系统:不仅是对这些宝贵经验的有效记录和存档,防止员工流失造成的知识流失;通过算法优化,还将实现同类设备的知识匹配,实现知识重用,发挥知识价值最大化。


通过工业互联网连接装备制造厂商、维修服务商、技术方案提供商、备件服务商,实现故障发现与全局处理的预测性维修生态协同,如图5所示。


数字运维与工业互联网的融合,实现了不同工厂之间的知识重用,并强调工业制造系统预测性维修需求与解决方案的智能匹配,有效解决工业服务产业链协同。


数字运维+MRO领域B2B产业互联网框架


四、总结


以工业制造业价值需求为导向,数据驱动决策的数字运维,将成为工业互联网的基础。本质上,旨在解决对于工业制造业对于价值增值,建立更经济、更高效的设备管理诉求与B2B工业服务资源高效的匹配,从而促进工业产业升级转型。


而最佳实践,是基于园区或产业供应链,通过规模化的应用落地,将有利于将理念、模式得到完整的模式建立和验证。而最终形成基于园区、行业、区域的网格化演进,有利于实现全国范围内的推广和普及,这需要B2B服务商、政府园区、行业研究机构共同完成。

关键词:    智能维修    数字化    工业互联网
[扫描关注设备邦]
官方免费咨询热线

400-104-0028

 QQ:

 邮箱:shfmarket@163.com