在当今的过程工业中，所有组织，无论 智能机器的 复杂程度如何，都对减少停机时间以及缩短维护部门的平均维修时间（MTTR）感兴趣。根据美国能源部的数据，预测性维护（在工厂资产发生故障之前对其进行修复的能力 ）具有很高的成本效益， 比预防性维护（定期进行基于日历的维护）节省了大约 8％至12％，最高可达无功维护的40％（对操作设备不进行任何维护，直到其意外损坏） ， 更多信息尽在振工链 。

但是使用已安装较旧机器的组织的组织获得预测性维护的好处的能力有限。他们缺乏从加工机器和仪器中捕获车间数据的方法。缺乏这种连通性的工厂大部分都以手动模式运行，随着频繁的停机时间降低生产率和效率，它们的竞争潜力会随着时间的流逝而受到侵蚀。

智能机器的预测性维护优势

为机器配备传感器和更新的自动化控制器–捕获智能机器数据的能力是第一步，而传感器是测量重要性能指标（如热量和振动）的理想廉价设备。例如，在电气设备领域，电气柜内部的热量升高通常表示连接松动或绝缘层腐蚀。如果不加以检查，这种情况可能会导致短路甚至电弧闪光事件，进而导致长时间的停机。认识到存在热量异常，可以使维护人员在发生代价高昂的意外停机事件之前，提前进行修复，而对操作的影响最小。

建立机械行为参数和阈值–作为系统集成商，我们与工厂工程师和操作员合作，为所涉及的电气或机械设备建立可接受的性能参数（例如温度范围）。我们的建议基于行业标准和研究信息，例如电动机和泵的效率。然后，我们将该信息传输到我们的软件引擎，并根据这些参数进行分析。最后，我们设置系统以在超出参数时发出警报。

开发用作顾问的仪表板–我们使用流程图和软件工具为客户创建自定义仪表板。这些仪表板旨在收集可用信息的新来源（从传感器生成），并提供有关工厂和资产绩效的更深刻见解。仪表板还用于计划适当的维护干预顺序。

选择正确的工具可确保您安心

停机的每一分钟都会导致财务和竞争成本。因此，在制定预测性维护策略时做出正确的选择是关键。

施耐德电气通过提供数字工具来支持我们使过程工业维护方法现代化的努力，这些工具 可帮助您以更加经济实惠且侵入性更低的方式捕获和分析数据。这些产品中集成的预测分析功能使维护人员可以轻松地识别异常并提供异常情况的通知。

受预测控制影响的决策必须足够快地做出以对流程的运行产生积极影响。快速准确的决策将导致对资产绩效的真正控制，进而实现最佳的企业绩效 ， 更多信息尽在振工链 。