维护可能是一项复杂的工作，需要彻底的规划和对设施风险状况的敏锐理解，高风险设施尤其如此。维护不是在“真空”中发生的，如果是意外或计划外的，可能会导致昂贵的停机时间。即使是有计划的维护也可能导致长时间的停机，造成巨大的损失。例如，仅美国的炼油厂每年就因停工21.3万小时而损失约470亿美元。我们需要的是一个全面而不突兀的维护机制，这就是预测性维护（PdM ）的用武之地。

什么是预测性维护（PdM ）?

即使是最先进和最昂贵的机器和设备也可能是不可预测的，日益复杂的资产需要尽可能灵活和智能的维护。准确预测资产何时需要维护可以极大地简化维护部门的工作量和应对现代机械复杂性的能力，预测性维护提供了这种解决方案。

PdM使用人工智能(AI)持续实时地评估运营数据，顾名思义，它是基于预测结果能力的维护。例如，它可以借助智能传感器和资产内部或附近的类似技术来持续监测资产的当前状态。这使得可以预测潜在的故障或故障，从而最大限度地降低不可预见或突然故障的风险。例如，执行振动分析和声学分析的传感器有助于确保机械资产不会因部件之间的过度振动或磨削而发生故障。同样，热传感器可以帮助检测机器中的“热点”或过热，从而防止未来因烧焦的组件或电路而导致的故障。

近年来，各行业一直试图通过工业物联网(IIoT)实现PdM, IIoT是嵌入数字软件、传感器和网络连接的物理设备的整个网络，能够在工业设施中的设备之间交换数据。计算机视觉(CV)或其他数据驱动的机器学习模型通常也是关键因素，工业物联网无疑改善了设施管理的“圣杯”，即PdM。例如，人工智能可以用算法处理资产状况的数据，在异常恶化之前检测到异常，即PdM的基本内容。这种方法可以将资产的平均修复时间(MTTR)减少60%，从而显著减少昂贵的停机时间。

巨大的停机成本

对于资本密集型和生产密集型设施来说，停机时间是一种削弱，甚至是致命的打击。这些数字确实让人感到麻木:例如，在美国，一个小时的停机时间要花费电力公司30万美元。一份名为《停机的真实成本》的报告发现，《财富》全球500强制造和工业企业每年因计划外停机损失近1万亿美元，相当于损失330万工时，平均年收入损失8%。

PdM的优势

在认识到停机时间的惊人影响后，聪明的组织已经转向了预测性维护策略。他们了解利用人工智能在故障或中断发生之前识别资产早期预警信号的价值，而不是依赖于坚持固定时间表的基于时间的维护。

PdM有许多好处，其中最明显的是它可以在故障发生之前预测潜在的故障。通过这样做，PdM延长了资产的使用寿命，从机器和设备中提取最大价值。其结果是降低设施的整体风险状况，包括安全风险因素，并最终改善设施的财务底线。然而，如此多的公司仍然没有实施PdM。根据GE的统计数据，只有不到24%的油气运营商采用了基于预测数据和分析的维护方法。

数据的重要性

高质量的数据是有效实施PdM的基本要求。在这方面，当PdM仅基于工业物联网和人工检查实施时，它面临挑战。过度依赖通过工业物联网收集数据，可能会使物理检查边缘化或减少，这对于在固定传感器覆盖区域之外的位置收集数据是非常宝贵的。即使经常进行人工检查以补充工业物联网基础设施，由于人为错误造成的数据不一致也是不可避免的。

自主移动机器人的预测性维护

为了克服这些挑战，高风险设施正在转向自主移动机器人进行可靠的检查，并将其作为设施管理的积极盟友。自主机器人检查可以实现持续的物理检查计划，即使是在危险地点或难以到达的区域，同时解放维护人员去做其他不那么繁琐和危险的工作。

除了令人印象深刻的灵活性和移动性，使移动机器人能够监测可能位于固定数字传感器覆盖范围之外的位置和资产，它们还具有成本效益，更容易安装。资产所有者无需为设备配备数千个昂贵的传感器，而是可以在单个移动机器人上安装一个移动传感器平台。

移动机器人不仅能收集高质量的数据，还能将收集到的数据转化为可操作的信息，不给数据误读留下任何空间，这是通过被称为技能的人工智能和计算机视觉应用程序实现的。技能是“容器化”的应用程序，可以处理传感器数据，并影响机器人的行为以执行特定任务。例如，具有读取模拟设备技能的机器人能够精确地检测模拟设备的针位，并准确地记录读数。如果读数高于或低于预先定义的阈值，就会发出警报，这样一个自主移动机器人不仅仅是一个“数据收集器”。

因此，单个机器人可以可靠地、重复地从设施中不同位置的资产中收集多种类型的数据，并将可操作的信息传递到操作员的指尖。数据可以实时处理，也可以直接与企业资产管理(EAM)系统集成，该系统集成了用于所有维护计划和执行的计算机化维护管理系统(CMMS)，其结果是一个智能、直观和精简的PdM制度。

加速迈向工业4.0

得益于人工智能、工业物联网、机器学习(ML)和自动化，设施变得“更智能”，工业4.0需要智能维护来匹配。预测性维护是确保智能维护的绝佳选择，始终是主动的，而不是被动的。机器人检查和人工智能增强的PdM可以大大改善数据分析和数据，可以对高风险设施的维护决策产生明显的影响。

然而，PdM并不是要取代维护人员以及他们为维护功能带来的无与伦比的人力因素。相反，改进的数据收集和分析功能允许维护经理和团队对资产做出更明智的决策。具有嵌入式传感器和定制AI技能的自主移动机器人可以在简化和简化维护操作方面发挥很大作用，单是它们的多功能性和可观的投资回报，就值得对资本密集型设施进行认真考虑。

原文链接：https://metrology.news/enabling-predictive-maintenance-through-robotic-inspection/

---煤油灯科技victorlamp.com翻译整理---