制造业的预测性维护
——如何提高工作效率，最大限度地减少停机时间和降低成本

来源：互联网

2015/2/16 15:31:54

IBM Business Analytics解决方案为制造商提供领先的预测性维护功能和全面的销售及运营规划。IBM SPSS预测分析综合不同数据源的数据，并自动检测故障模式，主动部署维护和维修资源，并大大节省下游成本。

生产线的预测性维护

停止生产线的两个原因就是定期维护或设备故障。执行及时维护对于防止故障发生至关重要，这些故障可能会导致代价高昂的生产中断。但依赖于一个固定的时间表，可能会带来比必要的零件和人工成本更高的成本。预测性维护利用制造商已有的、可用的丰富数据，如设备类型、运行天数、工作电压、距离上次服务的天数、距离下次服务的天数、故障历史记录、计划内和计划外的维护成本、零件分析和因依靠涉及的机械来确定的其它数据。

一个完全自动化的流程实时分析这些数据。它快速检测故障模式，并确定问题的根源。于工程师可以每周7天、每天24小时地访问每一个设备上的数据，他们可以评估所有资产的可靠性，并建立一个维护计划，及时执行检查和/或维护以防止发生故障。这就不需要只是为执行“定期维护”而关停一条生产线。

实际的预防性维护建筑设备制造商

一家大型设备制造商通过使用预防性维护主动发现问题并在故障发生之前采取行动，在短短两周内节省了1百万美元。

通过在其所有生产运营中最大限度地减少停机时间和节省维修费用，该制造商在短短四个月内获得了1，400％的投资回报率。

随着运营状况的变化，可实时更新每件装备的可靠性信息。在预测性维护软件中所包含的先进算法，可以确定每件资产在未来任何一个时间点上的可靠性，因而可以在最佳和最具成本效益的时刻检查和维护这些资产。预测性维护还识别所需要的更换零件，以支持这种高度准确的维护计划。它不再需要存储没有必要且昂贵的备件。利用预测性维护，制造商现在可以最大化所分配的劳动力资源和备件库存。其结果是去除不必要的维护，避免代价高昂的停机时间/维修和减少MRO库存账面成本。

现场级客户服务的预测性维护

预测性维护可以解决一系列客户服务问题，包括顾客对因计划外维修和产品故障而造成停机的投诉，以及缓解严格的客户SLA所带来的压力。

请考虑以下场景。某HAVC制造商使用预测性维护，发现其一个设施中生产的鼓风机风叶将可能因长时间使用而过早损坏。不幸的是，直到组装的空调单元已经出售给最终客户时，才发现这个问题。

使用预测性维护，该制造商可以确定特定的生产过程是否比其它生产过程更频繁地出现故障。他们分析了根本原因，以确定问题的来源，然后分析故障的财务影响，以确定是召回已出售的产品，或只是对其分销商发一个服务公告。他们的分析还显示故障发生的位置，以及某个给定区域对更换零件的需求。然后，他们可以确保在适当的时候能够提供正确的更换零件供应。

减少保修索赔

因此，在大多数的客户还不知道存在问题的时候，该公司就向其服务渠道提供了解决方案，从而避免了许多昂贵的保修索赔。

在许多类似的情况下，预测性维护都可以识别在现场的设备何时可能出现故障或需要维护，以预测未来的索赔成本，最大化设备(包括销售给客户的设备或用于提供服务的设备)的正常运行时间/服务时间。这可以帮助制造商避免由于识别后期产品问题而带来的高服务成本和产品召回。它也可以最大限度地减少或消除不良宣传以及因召回或顾客的负面产品评论所导致的销售额下降。