设备的维护保养是工业生产中的一项重要工作. 如果机器故障可以在它们成为绊脚石之前被发现, 可以完全消除中断生产的风险. 传统上, 操作员依靠直觉和经验来判断机器的状态, 这不是那么可靠. 另一种常见的方法是严格按照操作维护手册进行日常维护. 需要大量的人力物力, 并且效率低下.
然而, 如果您等到机器出现问题, 然后被动地进行维护和修理, 造成的损失可能更大. 是否可以更主动地监控和评估机器的状态, 及时, 并准确地? 怎样才能正确的进行维护保养工作? 这一直是人们研究关注的问题. 在这篇文章中, 我们将讨论 LoRaWAN 如何帮助优化工业预测维护解决方案.
在深入了解什么是预测性维护之前, 让我们先学习几种不同的维护策略. 一般来说, 工业设备维修策略分为反应性维修, 预防性的维护, 和预测性维护.
反应性维护: 实际发生时解决问题
反应性维护也称为纠正性维护, 或故障维修, 是一种基于故障的维护方式. 这是最古老的维护定义, 这意味着当发生故障时, 技术人员赶赴现场紧急抢修恢复. 这种维护只发生在突然甚至灾难性的故障之后. 这是最昂贵的维护方法.
预防性的维护: 按计划解决所有问题
预防性的维护, 也称为定期维护, 是基于时间的维护. 根据生产计划和经验, 进行停机检查, 以指定的时间间隔拆卸和更换零件以防止损坏, 二次破坏和生产损失. 预防性维护应用极为普遍, 尤其是在工业领域.
预测性维护: 不要修复没有损坏的东西
预测性维护 (甲基丙烯酸甲酯) 是基于状态的维护. 机器运行时, 对机器的主要部件进行定期或连续的监测和诊断，以确定设备的状态, 从而预测其未来的发展趋势. 取决于趋势和可能的故障模式, 可以提前制定预测性维护计划, 这决定了时间, 内容, 方法, 以及待维修机器的必要技术和材料支持.
预测性维护是一种新兴的维护策略，它集成了机器状态监控, 故障诊断, 状态预测, 维护洞察力支持和维护活动. 它对工业的到来起着重要的作用 4.0.
在本质上, 预防性维护是根据设备的预期状况进行的定期维护, 设备状态由状态监测技术和统计过程控制确定, 这可能是定期维护, 定期功能测试, 等等. 然而, 这可能会导致不必要的维护和被动维护, 以及在故障诊断之外的某一设备故障后的维修.
预防性维护和预测性维护的区别在于预测性维护解决方案应用多个智能状态监测传感器作为数据记录器，以收集设备内的预处理数据并识别磨损模式并提供更准确的方法来预测故障. 预测模型包括统计监测, 并且随着人工智能和边缘计算的普及和进步, 神经网络和机器学习算法也用于识别数据和做出预测. 将实测数据与设备健康运行状态参数进行对比，判断是否需要维护，如何有针对性地安排维护工作.
预测性维护基于各种智能物联网传感器收集的大量数据. 通常, 这些传感器收集温度等信息, 湿度, 声音, 压力, 和功率来指示机器的振动或磨损. 当然, 有很多方法可以连接它们, 而 LoRa 是连接各种物联网设备最常见的选项之一. 它是一种被广泛采用的无线通信协议，可实现远距离和低功耗的传输. 而且, 其低传输带宽使 LoRa 设备能够穿透致密材料并长距离传输信号.
WiFi和蓝牙等替代无线连接技术也有其优势. 与 WiFi 和蜂窝的高带宽相比, LoRa 的低带宽支持传输更大的有效载荷，如视频和音频文件. Wi-Fi 通常最适合消费者物联网应用, 连接点较少且通信范围较小的地方. LoRa 的低带宽在工业应用中更高效，因为负载小意味着与 LoRaWAN 连接的服务器可以一次处理大容量消息——每个使用 LoRaWAN 的网关可以处理数百万条消息.
LoRa是智能通信技术领域美好未来的新曙光. 通过实施由 LoRa 嵌入式传感器和网关以及基于 LoRaWAN 协议的智能低功耗广域网组成的预测性维护解决方案, 温度等信息, 可以采集机器的动力和声音. 任何差异都将被向下传输，以帮助识别机器的故障状态. 因此，借助物联网驱动的 LoRa 通信，即使在远距离也可以维护机器. 基于LoRa的物联网预测性维护可分为四个部分尝试研究其架构.
LoRa 传感器: 传感器数据是所有诊断信息的基础. 嵌入 LoRa 技术的传感器放置在设备上，用于监控设备功能并收集设备状态数据.
LoRa网关: 智能传感器收集的数据会持续定期发送到基于 LoRa 的网关.
云服务器: 然后网关将数据传输到云服务器，在那里将分析和处理信息.
应用服务器: 应用程序从云服务器检索数据, 并且可以在问题发生之前发现问题. 基于分析, 可以做出优化决策，并通过移动设备或计算机向设施经理发送警报.
对于任何处理重型和复杂机械的公司来说，拥有一个连接和彻底的维护计划是至关重要的. 借助利用 LoRa 技术的预测性维护解决方案, 工厂能够预测设备状况的未来趋势并在过程中进行修正. 以下是支持 LoRa 的预测性维护系统的一些好处.
延长设备寿命: 将有机会了解设备发生故障的原因以及可能的故障在哪里. 持续监控设备运行，有效预测设备故障, 从而提高机器可靠性并延长设备寿命.
增加产量: 机器的可用性越大, 生产效率越高. 生产经理可以通过持续监控设备性能有效避免计划外停机, 提高整体运营吞吐量.
降低维护成本: 支持 LoRa 的预测性维护使识别故障趋势并采取措施提前消除问题成为可能. 毕竟, 日常维护检查是一笔不小的开支. 还, 可以通过安排维修来降低维护成本，以最大限度地减少停机时间.
优化现场工作人员的效率: 使用多个传感器收集各种数据, 设施管理人员可以远程有效地管理现场工作人员. 他们可以安排维护活动并为现场工作人员制定计划，以减少维修响应时间.
更好的安全性和合规性: 通过对大量传感器数据的分析, 可以预测和应对可能的安全、健康和环境风险. 合适的 LoRa 维护方案可以更好地遵守法规.
根据麦肯锡, 预测性维护可节省高达 40% 从长远来看，维护成本和减少新机器和设备的资本支出高达 5%. 从目前的发展情况来看, 预测性维护技术尚未完全成熟, 距离大规模实施还有一定距离. 要求企业和供应商具备足够的行业知识, 从而在更多行业实现全面实施，实现效益和价值最大化.
| 公司 | 监控中的内容 | 用于运行 PdM 的技术 | 报告的好处 |
| 红外线 (比利时铁路) | 曲目, 铁路关系, 和架空线 | 功耗表 温度传感器 相机 本地数据库 机器学习引擎 |
|
| 世界 (全球包装和纸业集团) | 塑料生产机器 | 压力传感器 温度传感器 速度传感器 甲骨文数据库 机器学习引擎 |
|
| 克莱堡 (德国橡胶厂) | 油罐, 马达, 泵, 轧机电机 | 压力传感器 温度传感器 油位传感器 流量传感器 博世物联网套件 在线诊断网络 |
|
行业 4.0 指自动化技术在制造业的兴起. 这场革命使得利用机器收集的数据来实现更快, 更灵活、更高效的生产线. 公司能够以更低的成本生产更高质量的产品. 这一变化不仅提高了生产力，而且改变了经济形势. 它正在推动下一次工业革命.
在这场革命的核心, 然而, 是机械设备. 虽然这些机器可以让我们的工作更轻松, 他们的失败灾难令人头疼，有时会变成工业生产中的偏头痛. 预测性维护旨在避免这种灾难, 但它需要大量的机器设备运行数据.
“预测任何即将发生的机器故障，这样我就可以避免它。”得益于自动化技术的兴起, 这现在是可能的, 这就是为什么预测性维护可以改变行业 4.0.
借助支持 LoRa 的预测性维护解决方案, 您可以提前警告即将发生的问题, 仅在必要时进行维修, 并安排以避免重大中断. MOKOLoRa 是一家专注于 LoRa 战略的领先公司, 创新和产品开发. 如果您想使用 LoRa 技术开发您的状态监测维护解决方案, 请与我们的 LoRaWAN IoT 专家交谈.
Imagine a world without light...scary, 正确的? We’d all be stumbling around in the dark like…