预测性维护：让设备故障“未有形而除之”，实现高效维护

总所周知，当生产设备发生故障时，造成的代价不仅仅是机器维修费用或者更换设备费用，更严重的则是生产线停产，生产线停产意味着企业每分钟都在损失极大的代价，而定期维护可以避免计划外的停机，降低故障发生风险，在提升设备维护成本的同时却无法保证设备不会发生故障。

    那么如果机器能主动告诉你哪个部件需要更换？哪个部件可能会发生故障呢？

传感器和物联网、大数据等新型技术的发展实现了设备与人之间的无障碍沟通。预测性维护借助于传感器技术、通信技术等采集设备生产数据，通过对这些数据进行分析与处理，可以实现在事故发生前进行“故障预测“，并且能精准的定位到故障所在，并提供相应的解决方法。

举一个最常见的例子：汽车年检和保养。大家都知道，买车之后都要定期进行车检和保养，但是这样的措施也不能保证汽车能够避开所有故障。现在部分汽车已经有了传感器，能够提醒驾驶员车辆状态是否有误，以减少意外发生率和车主损失。

对于制造业而言，生产设备制造过程复杂，设备价值高，一旦出现异常，损失巨大。为了应对突发的设备故障问题，公司还需要配件库存，这些配件有的也许会不够用，有的也许很久也用不上。对此情况，预测性维护系统会有极大的改善。

预测性维护最大的价值是基于剩余使用寿命（RUL）的预测，在维护机会窗内选择成本最低的维护策略和排程计划，同时综合考虑所有设备的维护需求，制定全局最优的维护方案。简言之就是把不确定的信息确定化，并为客户节约成本、提高效率。

ROBOCARE平台的预测性维护功能通过设备数据采集、解析、边缘计算，将数据监测、故障诊断、预测维护和状态决策融合为一体，提高客户的核心竞争力。

主要功能：

数据采集：采集设备的运行状态、参数，如：温度、湿度、风力、压力等；

边缘计算：网络边缘分布式极端，数据可进行本地预处理，提高实时性和安全性。设备实时监测，故障快速排除。

工业云平台：实时运行数据上传云平台进行分析，提前预知设备的异常状态，提前发现问题，解决问题，最小化设备停机概率。

可视化分析：通过多种表格、图形数据展示设备运行数据，实现管理可视化和决策智能化。

预测性维护：将设备的运行数据实时采集并回传，云端数据中心利用大数据的分析与综合决策，实现远程管理及预测性维护，降低维护成本及故障率。

预测性维护为制造业带来的优势：

减少停机时间并提高生产率，提升产品质量和产品产量；

减少零件更换，充分利用现有设备，延长设备使用寿命；

降低安全隐患，减少设备突发故障造成的损失；

作为“工业4．0”的关键创新点之一，预测性维护能优化设备的维护时机，让设备故障“未有形而除之”在实现更加高效维护的同时降低成本，具有广阔的应用前景。