预测性维护改变了维护部门的工作方式

更可预测的维护等同于调度优化

通过布莱恩·克里斯琴森 2022年11月15日
由Limble CMMS提供

预测性维护见解

  • 预测性维护等同于调度优化,允许更高效的工作流和更少的停机时间。
  • 预见性维护和预防性维护是齐头并进的,因为预见性的工作是了解何时进行预防性维护。

维护工作很难做好。即使是最好的机器和设备也可能是不可预测的,而且,随着资产在技术上变得越来越复杂,维护的复杂性也会增加。能够更精确地预测资产何时可能需要维护,对于简化维护部门的工作负载非常有用。预测性维护(以下简称PdM)通过使用人工智能(AI)实时评估操作数据,促进了这方面的工作。它主要通过资产内部或附近的智能传感器来实现这一点,这些传感器持续监测资产的当前状态,从而实现对潜在故障或故障的预测。本文将探讨PdM改变维护部门工作方式的四种方式——而且是更好的方式。

由Limble CMMS提供

由Limble CMMS提供

预测性维护=减少计划外停机时间

计划外停机严重影响工业/制造业的生产和财务底线,以及科技和服务行业。研究数据显示,在过去三年中,82%的公司都经历过计划外停机,每小时损失高达26万美元。更糟糕的是,计划外停机的成本平均为200万美元。因此,任何企业都必须尽量减少计划外停机时间。PdM实现了这一点。

PdM-related技术它本身有助于理解这种维护的能力,从而极大地降低计划外停机的风险。例如,专注于振动分析和声学分析的传感器意味着机械资产不太可能因过度振动或部件之间的研磨/碰撞而发生故障。同样,热传感器可以帮助检测技术中的热点,这些热点可能意味着过热,还可以帮助阻止未来由于烧焦的机械部件或电路而导致的故障。归根结底,PdM降低了计划外停机的风险和发生的几率。

预测性维护=提高生产力

维修部门的工作时间经常很紧。一个主要的故障可能会对维护计划造成严重破坏,这意味着团队可能会落后于计划的/预定的维护工作。正在进行的技能短缺在维修行业,只会让维修部门面临更大的时间限制和物流相关的压力。良好的PdM实践将意味着更少的资产故障或故障,更少的维护意外将提高维护人员的生产力。

生产力本来就是一个与时间相关的因素——你的生产力越高,你就有越多的时间来把工作做好。因此,PdM提高生产力的一个关键好处是,当出现其他维护问题时,它为维护人员提供了时间和余地来集中精力处理它们。重要的是,它还为维护团队提供了其他好处,例如通过培训和提高技能来提高他们的技能的时间。

底线是,更可预测的维护等同于调度优化和更少的对维护部门生产力的负面影响

预测性维护=更好的底线

PdM可以通过多种方式改善财务底线。例如,机器中的传感器可以帮助检测潜在的问题,以免导致故障。因此,PdM可以改善平均修复时间(MTTR)税率高达60%。

此外,同样的传感器可以帮助验证所进行的维护或修理是否已成功完成。作为维护焦点的PdM可以带来更好的资产效用并延长其寿命。从长远来看,这只能省钱。

从最广泛的意义上讲,PdM减少了浪费,无论是在劳动力、零部件、能源还是其他成本方面,更不用说提高了那些运转良好的资产的寿命。减少浪费意味着维修部门可以更有效地操作和提供服务。

底线是,更智能、技术增强的维护自动等同于财务底线的改善。

预测/预防关系

预防性维护(PM)是基于预先计划的、基于时间的定期维护。这种形式的维护可能被视为在维护世界中某种程度上已经过时了,维护世界越来越多地由技术驱动,并专注于实时数据和解决方案。人们普遍认为,尽管PM在任何积极的维护机制中都有自己的位置,但PdM是两点之间的在工业4.0和智能制造的背景下,现代维修快速发展的现实,特别是在规定维修之前的步骤,如下图所示:

PdM应该是PM的改进,因为浪费的时间更少。这是因为,与PdM不同,PM是固定的,不管设备的实际状况如何,都要进行维护。这肯定意味着有些维护可能是不必要的。

PdM的工作基于不断收集的实时数据。因此,数据在任何时候都是精确和相关的。相反,项目管理是提前计划的,因此依赖于可能不能准确反映资产当前状态的历史和聚合数据。

底线是,预防性维护当然比反应性维护更好,但预测性维护更好。

由于人工智能、机器学习(ML)、物联网(IoT)和自动化,生产变得越来越智能,维护也变得越来越智能。华体会下载首页预测维修是连接传统预防性维修和未来规定性维修的桥梁。它在很大程度上改变了维修部门的工作方式。它确实使维护功能更加智能和高效。


作者简介:Limble CMMS创始人兼首席执行官。