预警的价值,在于它给您留出多少处理时间。Meta Smart Factory 在 CMMS 内部运行预测性维护:振动或温度读数一旦超限,系统自动生成维护报修单;随后的工单会预留备件,如果用了 APS,还会在生产排程里拿到一个维护窗口。
和我们聊聊您的设备维护预测性维护系统从设备采集振动、温度、电流或循环次数等状态数据。当读数越过阈值,或偏离这台设备自身的正常值时,它会在故障让生产停下之前生成维护任务。它只对那些足够早给出可测量征兆、来得及处理的故障有效。在 Meta Smart Factory 中,它是 CMMS 的一部分,和预防性维护计划放在一起,所以预警会直接变成工单。
先从 PLC 里已有的数据入手:驱动电流、节拍时间、压力和温度,采集成本远低于加装新传感器。只有在这些信号看不到故障的地方,才需要增加测量仪表。
报警挂在一块没人打开的看板上,什么也改变不了,所以设备维护模块会把它一路带到维修完成。超过阈值会生成带优先级的报修单,从故障发生到关闭全程留痕。技术人员在移动设备和 MSF 触控面板上接收工单和设备履历。工单会预留备件,库存不足时自动生成采购订单。
有了 APS,议定的维护窗口会作为排程约束送到排产员那里。每台设备的 MTBF 和 MTTR 由工单字段(报修时间、开始修复时间和完工时间)算出,两者都来自技术人员已经填写的记录。
一个故障值得监测,前提是它逐步劣化,并且足够早地给出可测量的信号,让人来得及处理。振动和电流对旋转部件的机械磨损很灵:轴承损伤、齿轮磨损、不对中和不平衡。控制板卡和 I/O 卡基本是随机失效,撞机或调机失误背后也没有渐进过程。安全阀和联锁在它所防的那件事发生之前不输出任何信号,所以模块按周期给它们做功能测试。
第一批有用的阈值来自工程计算,例如轴承故障特征频率,或同等负载下高于设备自身正常值的温升,不需要故障历史。AI 平台中的异常检测使用 LSTM 自编码器,学习传感器的正常行为。它需要足够多的正常运行数据来覆盖正常波动,而且每个模型在报警正式上线之前都先跑影子模式。剩余使用寿命(RUL)预测需要跑到故障为止的样本,多数工厂并没有。
预防性维护按日期、运行小时或产量触发计划,不管设备当时状态如何。预测性维护依据振动、温度、电流或能耗等传感器数据采取行动。本模块两者都支持,无论哪种触发,最后都落到同一张工单上。
能。预防性维护计划、工单、备件预留和设备履历都只靠记录就能运行。头几个月会积累故障代码和停机履历,日后任何状态监测都以此为基准来评判。再把自己十二个月的非计划停机分类清楚,就能看出哪些设备值得装加速度传感器。
不需要,它能独立运行,操作员可以在设备 HMI 或浏览器上报修。MES 带来的是根据已记录停机自动生成的报修单,APS 带来的是把维护窗口作为排程约束。
光靠它很少能降。预警只有稳定地早于该备件的供应商交货周期才有用,而交期波动和最小起订量依然存在。先把预警变成计划内的维护窗口,攒够一年的实际数据再回头看库存水位。
用您自己的设备和数据做概念验证(PoC)。视产品而定,通常需要 2 到 12 周。