首页 地区的新闻 非洲 使维护更智能、更可预测

使维护更智能、更可预测

当涉及到资产管理时,维护一直是一个热门话题。传统的维护策略仍然缺乏对资产实际状况的真正洞察。然而,通过基于条件的监测(CBM)和其他数据捕获工具正在取得进展,以帮助缓解这一问题。

这是一个有点争议的说法,但有现实世界的数据支持,表明时间和金钱经常花在不必要的维护上,而不是缓解可能的关键设备故障。

国际数据公司(IDC)的实地、数字和咨询服务调查强调了这种观点,强调了设备性能越来越重要,特别是对任务关键设施。然而,研究人员指出,许多组织高估了他们完成这一任务的能力。

好消息是,由于能够捕获、整合和分析资产绩效数据和CBM(结合先进的分析技术),工厂和设施管理人员可以对关键资产行为获得前所未有的深入了解。

为此,我们看到越来越多的组织超越了预防性维护,这使得他们能够在事件发生之前就确定事件。尽管如此,向预测性和CBM的发展确实需要采取一些关键步骤,以实现优化的资产管理态势。

你读过吗?
如何提高可再生能源电力的安全高效维护
er植物

优化资产管理的步骤

第一步是对你的组织在当前维护范围中的位置进行自我评估。大多数工业组织都采用以下一种或几种资产维护方法:

  • Reactiv电子维护资源仅在故障发生后才进行188bet金宝搏网页登录部署。这一策略的成本极高,且具有破坏性;问题的解决往往是紧急的,停机成本可能会在任何时候升级;
  • 预防是基于预先设定的日历日期,而不管设备是否真的需要维修。这种策略已经使用了几十年,并已被证明是有效的,尽管代价昂贵;
  • 煤层气监控资产的实际状况,并确定所需维护的性质。它规定,只有当某些指标显示性能下降或即将发生故障时,才应该进行维护。这种方法节省了成本,提高了正常运行时间——可以说是双赢;和
  • 一个预测策略利用先进的分析,以减缓加速老化由于使用和挑战性的环境条件。它优化了生产力和整体设备效率(OEE)。此外,它利用分析来预测异常资产行为,并在问题出现之前就采取纠正措施。

你看了吗?
ESI见解#2:公用设施维护

让它接受考验

随着工业4.0和先进工厂数据设备的后续使用,组织现在看到数据性能的价值增加,并最终对先进维护策略的贡献。

数字技术利用机器学习方法,不断完善资产绩效洞察和运营绩效,从而提高工厂的生产率和盈利能力。

巴斯夫是世界上最大的化学品生产商,它在其一个生产基地使用基于云的CBM,监测电气设备,以核实56个电气分销资产组合的健康状况。

除了识别设备故障前的异常情况外,CBM服务还生成一个风险评估关键度矩阵,帮助巴斯夫确定哪些资产的健康风险相对于其对当前流程的关键程度更大。

IDC的调查强调:“通过与对你的行业和运营有深刻了解的合作伙伴合作,可以通过利用他人的集体学习,加快评估时间,避免潜在的陷阱。”

作者:Quintin McCutcheon(数字转型主管)和Patrick Kazadi(营销和业务发展总监现场服务

客座撰稿人
作者在本文中表达的观点不一定是出版商和/或协会合作伙伴的观点。虽然尽一切努力确保准确性,但出版商和编辑不能对任何不准确的信息提供和/或出版负责。
Baidu