隨著工業物聯網(IIoT)的出現，從設備收集數據正在從基於紙張的人工檢查轉向自動化係統。這提高了數據的質量和數量。支持iiot的遠程資產監控還極大地擴展了可以有效監控的參數的數量和種類。這些數據與當今更先進的分析相結合，使工業組織能夠實施新的、更有效的維護策略，從而在成熟度連續體上進一步發展，從反應性維護到預防性維護，到基於條件的維護，到預測性維護，最終到規定性維護。
隨著維護成熟度的提高，除了降低維護成本之外，還會帶來更廣泛的業務利益。這些包括提高按時發貨、收入、客戶滿意度、質量/產量、安全性和在製品(WIP)庫存。這些好處與執行指標一致;增加獲得項目批準和項目成功所需資源的可能性。
維護期限範圍擴大
對於與維護相關的活動，IIoT需要重新審視更高級別的維護成熟度和相關定義。最近對當前成熟度模型的回顧發現了許多版本和不一致。此外，該行業缺乏一個可以建立的標準。這種清晰度的缺乏使得比較解決方案變得困難，導致潛在用戶之間的困惑，並推遲了解決方案的應用。
雖然行業參與者通常對反應性維護和預防性維護都有很好的理解，但我們遇到了對基於條件的預測性維護和規定性維護方法的各種解釋，以及工業物聯網發揮作用的地方。為了使用戶能夠更好地評估可用的替代方案，需要對這些較高的維護成熟度級別進行更清晰的定義。
擴展維護成熟度模型
自2015年ARC報告首次發布資產管理成熟度模型以來，我們仔細研究了工業物聯網對成熟度模型的影響。我們現在將維護成熟度分為五種類型或級別:反應性、預防性、基於條件的、預測性和規定性。
反應性維護:
反應性(運行到故障)維護是設備最常見的方法，因為大多數資產的故障概率非常低，而且不重要。這種方法有助於控製維護成本，但隻適用於非關鍵資產。
預防性維護:
在這裏，維護是根據時間(類似於每年更換一次家用煙霧探測器的電池)或使用量(每5000英裏更換一次汽車機油)進行的。預防性維護適用於具有與使用年限相關的故障模式的資產，其中資產的故障頻率隨著使用年限、運行時間或循環次數的增加而增加。
狀態維修:
基於狀態的維護(CBM)涉及監控特定的資產參數。重點往往是值的振幅，振動監測是最常見的。CBM通常應用於生產(旋轉設備)和自動化(儀器和控製係統)設備。對於固定的工廠設備，如蒸汽鍋爐、管道和熱交換器，經常使用定期檢查和狀態評估。
預見性維護:
預測性維護(PdM)使用工程算法和/或具有多個輸入參數的機器學習來提供更高的準確性(更少的誤報或遺漏問題)，並在故障前提供更高級的警告。它將來自特定設備或係統的“小數據”與模擬該類型設備(有時稱為虛擬設備或“數字雙胞胎”)的算法結合起來，以監控狀態並在適當的時候發出警報。這提供了在計劃停機期間安排和執行維護所需的更提前通知。
規範的維護:
指令性維護建立在PdM的基礎上，提供診斷和維修指導的警報。還包括用於確定故障發生時間和影響的信息，以幫助評估優先級和緊迫性。
提高成熟度通常需要更多的工程投資。對於特定類型的設備，預測和規範維護的工程算法或模型的一個好處是能夠在許多類似的設備上複製它，就像一個模板一樣，比如客運列車上的門或輸電線路上的變壓器。這種方法提供了規模經濟，並為內在較大的工程和開發成本提供了財務理由。
更高維護成熟度的好處
用戶報告說，從預防性維護轉向預測性或規令性方法可節省50%的維護勞動和MRO材料。通過預測性和規定性維護，關鍵設備的計劃外停機時間幾乎為零。這種水平的設備可靠性影響到其他重要的業務利益，包括按時發貨、收入、客戶滿意度、質量/產量、安全性和在製品(WIP)庫存的改善。
不幸的是，維護和操作人員傾向於降低勞動力和MRO材料的成本，以在財務上證明項目的合理性。具有更高業務影響力的更廣泛的觀點通常會獲得高管的關注和成功所需的資源。
建議
工業物聯網允許組織從人工檢查到收集數據，到自動化係統。這極大地提高了數據的數量和質量，從而改進了維護策略。您如何才能最好地利用這種能力來提高組織的運營績效?根據ARC的研究和分析，我們建議工廠所有者-運營商采取以下行動:
- 使用更新的維護成熟度圖表向他人傳達您的策略
- 將供應商的IIoT服務納入采購新設備的選擇標準
- 從具有高可視性的關鍵設備的IIoT項目開始，這些設備一直存在重大業務影響或安全/環境事件問題
- 將最初的成功轉化為更廣泛的計劃，從而為關鍵資產和更廣泛的業務利益實現接近零的計劃外停機
- 為預測性和規範性維護應用建立一套一致的工業物聯網技術，以提高項目的可持續性
- 如果您的組織缺乏技術和/或IT資源，請與適當的本地、區域、國家或全球服務提供商合作以支持實現