制造业和加工业每年因计划外停机和资产质量不佳而损失约200亿至600亿美元。大多数组织都充分意识到这一点，并表示提高正常运行时间是他们实施预测性维护计划的主要目标。预测性维护是一种维护计划，可监控设备的性能和状况以降低发生故障的可能性。目标是预测何时可能发生故障，然后通过实施纠正性维护来防止故障。预测性维护只能通过状态监测（在正常运行条件下持续监测资产）才能成功。状态监测通过在线监测、定期监测和远程监测三个方面来完成。这些方面是通过实施热像仪、声音监测、振动分析和油液分析等方法实现的。ReliablePlant想知道世界各地的工厂正在使用哪些类型的维护，以及维护人员如何看待与预测性维护相关的某些主题。为此，ReliablePlant对发电、石油、采矿、食品加工和造纸等20多个行业的近150名维护经理和主管进行了调查，询问他们目前的维护计划。以下是一些主要发现：76%的受访者表示他们目前使用预防性维护（与2018年的研究相比略有下降），而65%的受访者目前使用预测性维护（与2018年的研究相比增加了11%）。近60%的受访者表示他们使用反应式（运行到故障）维护（比2018年的调查增加了9%）。与近10年前相比，维修人员仍然将振动、油液和热成像分析视为预测机器早期故障的绝佳方法，其中62%的维修人员仅关注振动分析。对于联网的预测性维护，缺乏内部技术人员是大多数受访者（71%）最关心的问题，其次是数据标准化问题（69%）。超过5%的人将基于互联网的系统用于他们的预测性维护计划。您的工厂目前使用哪种维护方式？根据美国能源部的数据，实施预测性维护非常具有成本效益，比预防性维护节省8%到12%，比反应性维护节省40%。根据PlantEngineering去年进行的一项维护调查，80%的维护人员仍然支持预防性维护。同一项调查显示，51%的工厂使用预测性维护。有了这些信息，我们想知道受访者目前使用哪种维护方式。当被问及他们的工厂目前使用哪种维护方式时，预防性维护比预测性维护更常见，为76%，比去年略有下降。65%的维护人员使用预测性维护，比PlantEngineering的调查结果增加了14%。有趣的是，近60%的受访者表示他们使用反应性维护（从运行到故障）。40%的主动维护（监测和控制根本原因）和34%的规范性维护（监测和列出解决问题的处方）作为我们的回应。哪种技术对即将发生的机器故障提供最好的预警？2010年，机器可靠性解决方案公司AzimaAI进行的一项调查显示，振动、油和热成像分析（按此顺序）是执行预测性维护计划的主要组成部分。事实上，这三者都被大量使用——85%用于振动分析，75%用于油液分析，71%用于热成像分析。在预测性维护工具方面，我们想知道受访者认为哪种技术是一种出色的预警监控方法。巧合的是，这似乎与AzimaAI十年前的调查一致。超过一半(51%)的受访者表示，振动分析是监测潜在问题的绝佳方法，其次是油液分析(23%)和红外热成像(11%)。21%的受访者表示超声波和电机电流分析是很好的预测指标。虽然振动分析被大多数人认为可以提供出色的机器故障早期预警监控，但油液分析却常常被忽视。Noria产品开发和LPD服务总监BennettFitch表示：“在大多数情况下，油液分析可以在振动分析之前提供故障迹象。”您目前是否正在实时查看和分析预测性维护数据？实时分析数据是预测性维护。该策略的更大好处之一。这些数据可以来自机器内置传感器（通常是物联网传感器）的源源不断的信息流，也可以来自油视镜等工具，让您可以看到油的当前状况。实时数据也可以来自红外摄像机和振动传感器等设备。然后将结构化和非结构化数据路由到一个可扩展的数据库，在那里可以对其进行分析以形成维护计划和安排任务。当被问及他们目前是否实时查看和分析预测性维护数据时，25%的受访者表示他们没有实时查看和分析任何列出的技术。20%的人只分析一种技术，其中62%的人最常使用实时振动分析。近55%的受访者分析了不止一种技术，最常见的组合是振动和热成像。结果如下：振动分析：55%是，45%否油液分析：34%是，66%否红外热成像：46%是，54%否超声波：34%是，66%否电机电流分析：30%是，70%否您对以下与互联预测性维护解决方案相关的问题有多关心？在实施预测性维护时，与Internet的集成几乎是必然的。需要在某个地方跟踪大量基于条件的历史数据，最有可能通过集成企业资产管理(EAM)或计算机化维护管理系统(CMMS)软件或其他类型的系统。事实上，根据PlantServices的一项研究，几乎一半的维护人员使用集成的EAM/CMMS或Historian软件来收集和跟踪数据。现代工厂设备比过去更智能，因为大多数机器现在都与基于互联网的软件交互以提供和跟踪实时数据。我们询问了受访者哪一项最能代表他们工厂当前的预测性维护水平：基于计算机、基于SCADA、基于无线、基于互联网或无。有点令人惊讶的是，只有大约5.5%的受访者表示他们使用基于Internet的系统。（来自IoTHome.com）大多数人(65%)表示他们使用基于计算机的系统，而大约4.9%的人使用基于SCADA的系统，或者以上都不是(19%)。将近89%的工厂不使用基于互联网或无线连接的系统。造成这种情况的一个可能原因是缺乏熟练的员工。根据PlantServices进行的2019年劳动力调查，截至2018年，寻找熟练劳动力来填补空缺职位一直是受访者面临的第一大挑战，其次是缺乏知识获取/再培训/技能提升。在过去的十年里，这个问题似乎并没有得到改善。根据Azima2010年的一项调查，人员配备不足、内部专业知识不足和培训不足是成功实施预测性维护计划的三大障碍。ReliablePlant想了解维护经理和主管对物联网预测性维护解决方案最关心的问题，并询问了与安全、信息技术(IT)集成、投资回报、数据可移植性、缺乏内部技术人员、供应不足等相关的问题商业能力和与数据标准化有关的问题。（来自iothome）受访者最担心的是缺乏内部专业知识（71%的人表示担心或非常担心）。这比10年前增加了11%，但仍然是最令人担忧的问题。在实时监控不止一种技术的受访者中，大多数人关心或非常关心该技术如何与IT集成。最后，对于目前不做实时监控的，数据标准化是个大问题。
