欢迎光临智能维护网!
推荐微信咨询

微信扫一扫,咨询更方便

工业智能维护定制专家

微信公众号:ZBBZGL
繁体中文
咨询热线:13808969873
咨询电话:13706488893 咨询QQ:1967799205 微信号码:QDLXZMJ
网站地图
当前位置: 主页 > 关于我们 > 预测性维护
工业设备智能维护,设备点检运维管理系统解决方案专家
 

预测性维护

预测性维护{维修}(Predictive Maintenance,简称PdM)(又称:预知性、预见性维护{维修})是以状态为依据(Condition Based)的维护,在机器运行时,对它的主要(或需要)部位进行定期(或连续)的状态监测和故障诊断,判定装备所处的状态,预测装备状态未来的发展趋势,依据装备的状态发展趋势和可能的故障模式,预先制定预测性维护计划,确定机器应该修理的时间、内容、方式和必需的技术和物资支持。预测性维护集装备状态监测、故障诊断、故障(状态)预测、维护决策支持和维护活动于一体,是一种新兴的维护方式。
  
预测性维护不仅在名字称呼上有不同,在概念的内涵和外延上也有出入,因此又有狭义和广义预测性维护两种概念。
  
狭义的预测性维护立足于“状态监测”,强调的是“故障诊断”,是指不定期或连续地对设备进行状态监测,根据其结果,查明装备有无状态异常或故障趋势,再适时地安排维护。狭义的预测性维护不固定维护周期,仅仅通过监测和诊断到的结果来适时地安排维护计划,它强调的是监测、诊断和维护三位一体的过程,这种思想广泛适用于流程工业和大规模生产方式。
  
广义的预测性维护将状态监测、故障诊断、状态预测和维护决策多位合一体,状态监测和故障诊断是基础,状态预测是重点,维护决策得出最终的维护活动要求。广义的预测性维护是一个系统的过程,它将维护管理纳入了预测性维护的范畴,通盘考虑整个维护过程,直至得出与维护活动相关的内容。
  
修复性维护(Corrective Maintenance),又称事后维护(Break-down Maintenance),是“有故障才维护(Failure Based)”的方式,它是以设备是否完好或是否能用为依据的维护,只在设备部分或全部故障后再恢复其原始状态,也就是用坏后再修理,属于非计划性维护。
  
预防性维护(Preventive Maintenance)又称定时维护,是以时间为依据(Time Based)的维护,它根据生产计划和经验,按规定的时间间隔进行停机检查、解体、更换零部件,以预防损坏、继发性毁坏及生产损失。这种维护方法也就是目前所普遍采用的计划维护或定期维护,如大、中、小修等。

预测性维护的相关概念
  
预测性维护最早在西方发达工业国家兴起,预测性维护的概念源起于英文名词“Predictive Maintenance”,到现在为止,预测性维护已经有了几个相似的名字,这是因为在不同领域,不同的人员根据自己研究的侧重点不同,给出了不同的翻译和不同的定义。追根溯源,应该从英文的定义谈起。
  
Predictive Maintenance,其英文解释为Condition Based Maintenance(CBM)或On-condition Maintenance。PdM一般翻译为预测性维护或预知性维护,而预测维护和预知维护与前面的翻译相比,仅仅是多字少字的问题;CBM一般翻译为状态基维护或基于状态的维护,这个翻译按英文字面的意思直译过来,同时引入了“基”的概念,使翻译专业化。有时CBM也被翻译为预测性维护,因为它的英文原意就是对PdM的概念解释;On-condition Maintenance一般翻译为视情维护,这是翻译者根据中国人的习惯意译过来的。在实际运用中,几个中英文名词有时被随机地组合,这都无可厚非,因为它们本身是一回事。
  
沿袭运用到今天,几个名词在概念上有了一些细微的差别。预知性维护被定义为:以设备诊断技术为基础,结合设备故障的历史和现状,参考运行环境及其它同类设备的运行情况,应用系统工程的方法进行综合判断分析,从而查明设备内部情况、故障和异常的性质,预测隐患的发展趋势,提出防范措施和治理对策,这样一套方法总称为预测方法,把应用预测方法得到的结果纳入维护管理就是预知维护。它强调了预测方法,包罗了维护管理;而基于状态的维护和视情维护立足于状态,强调了状态,它们的理论依据是:机械和装备有自己的状态,即将出现问题的机械或装备将出现一些可以观察、感觉或测量到的信号(如噪声、振动、发热、裂纹或电量的改变等)。这里状态有两层含义,一是指在某时某刻某种条件下装备的即时状态,这是狭义的状态的概念。二是包含了即时状态的前身和后续,指的是整个生命周期内的状态,即广义的状态概念。


《中国制造2025》提出“加快开展物联网技术研发和应用示范,培育智能监测、远程诊断管理、全产业链追溯等工业互联网新应用。实施工业云及工业大数据创新应用试点,建设一批高质量的工业云服务和工业大数据平台”。2025计划中提到的智能监测、远程诊断与工业云和工业大数据平台的深度融合指明了智能(预知性预测性预见性)维护领域的最新发展方向。
 
智能维护属于预测性(预知性)维护,是对设备和产品性能衰退过程的速测和评估, 旨在保障企业产品加工制造系统的“零故障”。在工业智能制造领域,智能维护网提出“工业智能维护”的概念,主要是利用物联网技术和装备监控技术与无线传感技术使企业管理技术和信息技术全面融合,实现管理过程自动化、数字化、智能化、智慧化的全过程,并加上绿色智能的手段和智慧系统等新兴技术于一体,协助企业打造高效节能的、绿色环保的、环境舒适的智能化工厂。

预测性维护技术体系

预测性维护发展到现在,基本上形成了自己的技术体系,如图所示。


Image:预测性维修技术体系.jpg
  
1.状态监测技术
  
状态监测技术发展到现在,在各工程领域都形成了各自的监测方法,状态监测的方法依据状态检测手段的不同而分成许多种,常用的包括:振动监测法、噪声监测法、温度监测法、压力监测法、油液分析监测法、声发射监测法等。
  
2.故障诊断技术
  
单讲“故障诊断”,它是一门新发展的科学,而且越来越受到重视,尤其是在连续生产系统中,故障诊断有着非常重要的意义。按照诊断的方法原理,故障诊断可分为:时频诊断法、统计诊断法、信息理论分析法及其它人工智能法(专家系统诊断、人工神经网络诊断等)、模糊诊断、灰色系统理论诊断及集成化诊断(如模糊专家系统故障诊断、神经网络专家系统故障诊断、模糊神经网络诊断等)。
  
3.状态预测技术
  
状态预测就是根据装备的运行信息,评估部件当前状态并预计未来的状态。其常用的方法有时序模型预测法、灰色模型预测法和神经网络预测法。而对于预测方法的开发一般有三种基本途径:物理模型、知识系统和统计模型。在实际应用中,可将三种途径综合在一起,形成一种结合了传统的物理模型和智能分析方法,并能够处理数字信息和符号信息的混合性故障预测技术,对于实现预测性维护更为有效。
  
4.维护决策支持与维护活动
  
维护决策是从人员、资源、时间、费用、效益等多方面、多角度出发,根据状态监测、故障诊断和状态预测的结果进行维护可行性分析,定出维护计划,确定维护保障资源,给出维护活动的时间、地点、人员和内容。维护决策的制定方法一般有故障树推理法、数学模型解析法、贝叶斯(Bayes)网络法(适用于表达和分析不确定和概率性事物)和智能维护决策法等。(来源:MBA智库百科;有改动)