数字世界的规模每两年翻一番，预计将从 2013 年的 4.4 万亿千兆字节增长到 2020 年的 44 万亿字节。根据 EMC Digital，企业对这个数字世界中约 85% 的数据负责宇宙。
据分析公司 Aberdeen Research 称，工厂停机时间（包括机器故障）可能使制造商每小时损失高达 260,000 美元。制造工厂只是为这种数据生产做出贡献的一种企业，它收集过程数据以进行监控机械状态。自动化零件供应商 EU Automation 的美国经理 Claudia Jarret 表示，工厂工程师可以充分利用这些数据并确保他们的维护计划对工厂有利。
客户需求同时保持灵活性，敏锐地意识到工厂停机的威胁，Jarret 解释说。根据分析公司 Aberdeen Research 的数据，由于包括机器故障在内的多种因素，停机可能使制造商每小时损失高达 260,000 美元。
因此，预防性维护至关重要，即在设备出现故障之前对其进行维护，而不是侧重于在发生故障后修复设备的反应性维护。
但对于食品和饮料或汽车零部件制造等高产量、低利润的行业，预防性维护可能会被错误地理解由于前期成本高昂，无法实现。
预防
Jarret 说，值得庆幸的是，等待系统因电机过热或传热系统泄漏等原因而出现故障的日子已经一去不复返了。工厂经理现在计划定期检查、升级和故障排除以避免故障。这些简单的步骤是预防性维护的一种方式nce可以进行。
由于零件供应商能够在 24 小时内向全球运送更换件，因此无需在现场存储零件或遭受长时间的停机等待它们到达。但是随着状态监测等工业 4.0 技术变得更容易获得，甚至可以使用更智能、更准确且耗时更少的方法。
许多制造工厂现在使用预测性维护，这是一种复杂的预防性维护形式，以确定设备的运行状况并在故障发生前准确预测故障。这不仅可以降低因停机而导致故障的风险，还意味着可以订购任何必要的更换部件并备有库存，以防设备出现故障。
此外，监控设备的运行状况可以允许逐步调整，当以前需要进行大修才能进行改进。改造可以提高流程效率，最终通过消除低效元件来降低成本，并通过维护或更换易损件来延长设备使用寿命。
从哪里开始
工厂经理的第一步Jarret 建议，在实施任何预防性维护计划时应该采取的是收集尽可能多的数据。这应该包括对相关工厂停机时间的实际成本的准确估计。整理智能传感器收集的数据、销售数据和改造系统应该可以让您考虑到销售损失、产品浪费和紧急维修成本，这可以提供有用的基线数据。
利用他们在工厂的经验，维护工程师也应该参与制定一个理想的工厂计划，包括他们认为需要更高级别维护的区域，例如较旧的本质上容易发生故障的设备或机械，例如电机、涡轮机或其他运动部件。
然后可以将此计划与预算一起使用，以制定切合实际的维护计划，包括什么级别的预防性维护可以受雇。对于某些制造商而言，这将意味着定期检查设备，例如工厂的某个部分每月检查一次，或更不稳定的机器每天检查一次。
数据
如果真正的预测性维护是目标，温度、压力和振动等数据由传感器收集，并将持续集成、存储和分析。制造商的下一个问题是如何充分利用这些有价值但庞大的数据集。
制造商必须决定如何充分利用从智能传感器获取的所有有价值但庞大的数据集在他们的机器上。Onc数据收集完毕后，下一步就是开始分析，以充分发挥其潜力。一种流行的数据分析选项是云分析服务。在这里，原始数据被传输到云端，在那里可以存储和分析可以预测事件（包括故障）的趋势。许多服务还包含一个警报系统，可以通过门户网站、应用程序、电子邮件或短信向相关人员发送即将发生故障的警告。
其他制造商可能担心网络安全，长期- 存储在云中的数据的长期稳定性，或数据收集和分析之间的滞后，将在内部分析原始数据。虽然这通常会占用更多资源，但它使工厂经理可以完全控制他们的数据。
过时
无论实施哪个系统，预测性维护都可用于管理过时, 除了减少停机时间和提高流程效率外。
这就是我ans 零件可以在正确的时间订购，以适应维护计划。传统上，制造商必须保留可能需要更换的零件库存，这些零件会占用车间宝贵的空间，而这些空间本可以用于运营。备件也可能体积庞大，如果存放在工厂地板上，会产生健康和安全隐患，包括绊倒或火灾危险。
相反，制造商可以选择仅在必要时订购更换零件，从而最大限度地提高他们可以使用的空间和资源。由于 EU Automation 等供应商能够在 24 小时内向全球运送过时零件，因此现在无需在现场存储零件或遭受长时间的停机等待它们到达。
采用预测性维护时，收集的数据还可用于其他目的，例如提高流程效率和确保及时订购更换零件。正确收集和分析这些数据a 对于最大限度地发挥其潜力至关重要 - 随着数据量的增加，这一点每年只会变得更加重要。
