基于状态的维护 (CBM) 是一种预防性维护策略,依靠对资产或设备的监控来确定何时需要进行维护。
CBM 涉及使用传感器和其他监控设备,收集有关设备性能的数据。然后使用算法、机器学习和人工智能,对收集的数据进行分析,识别可能表明维护问题的模式和异常情况。
过去,公司只能按固定的时间表或在设备出现故障时进行维护,这通常会导致维护成本高昂且效率低下(即意外停机和紧急维修)。然而,基于状态的维护提供了一种更新、更先进的维护管理方法。
CBM 不是按预定计划执行维护或等待设备故障,而是使用实时数据来确定维护需求,实现更高效、更具成本效益的维护。
探索 IBM Maximo,了解 IoT 数据、分析和 AI 如何帮助简化您的资产运营。
订阅 IBM 时事通讯
基于状态的维护和预测性维护,两者都是资产管理方法,可以帮助组织最大限度地减少设备故障的可能性,并延长资产使用寿命。然而,两者在一些关键方面有所不同。
通过 CBM,维护部门可以根据需要进行维护;这本质上是一个被动响应的过程。另一方面,预测性维护使用数据分析和机器学习,预测何时执行维护任务,代表了一种更积极主动的资产管理方法。
此外,CBM 依靠检查、测试和实时数据来评估设备的当前状况,而预测性维护则根据持续监控和数据分析来预测设备的未来行为。
这两种方法都可以帮助组织确保关键资产以最佳性能运行,因此其中一种方法(或两种方法)可能适合您的业务。然而,选择最佳策略将取决于您拥有的设备类型、资产的关键性、所在行业和/或存放资产的环境等因素。
虽然 CBM 监控技术有多种,但以下是您最有可能遇到的类型。
红外热成像技术,使用热成像来检测过热和其他与温度相关的问题。它依靠非接触式测量,检测物体和表面的潜在温度变化。
红外热成像技术使用热成像相机,捕获物体或表面发出的红外辐射,并将其转换为可见图像(或热分析图)。然后利用热分析图,根据资产的基线温度来测量当前资产温度。
组织主要使用这种类型的 CBM 来监控电机、检查轴承以及检查气体、污泥或液位。
振动监测(或称振动分析)使用振动传感器,测量资产的振动频率,并检测可能表明存在问题的异常情况。例如,由于旋转资产(例如电机和泵)老化后振动往往更剧烈、更响,因此测量振动变化有助于在资产发生故障之前识别磨损和损坏。振动监测可用于检测各种问题,包括未对准、不平衡、轴承磨损或故障、轴弯曲、部件松动等故障。
油液分析通过评估资产中油液的特性(例如粘度、酸度等),检测污染物或磨损颗粒。这种技术通常涉及从设备收集润滑油样本,并发送到实验室进行分析。油液分析可用于监测发动机、变速箱和液压系统等资产。
超声波分析(或称超声波检测)使用高频声波来检测设备的泄漏、裂缝或缺陷。这种技术依靠接触式(结构传播)和非接触式(空气传播)数据收集技术来确定资产损耗。接触法通常用于检测产生高频声音的机械问题,例如润滑问题、齿轮损坏和转子线棒断裂。非接触式方法可以检测容易产生低频声音的问题,例如压缩气体系统中的压力和真空泄漏。
对于装载气体、空气或流体的资产,监控时最好使用压力分析,即测量和评估资产内压力水平的过程。维护团队可以利用压力分析,确定流体通过管道和阀门的流量和流速,优化空气压缩机和调节器的性能,以及控制储罐和管道中气体和液体的压力。
电气分析使用钳式电流表的电机电流读数,评估电气系统或组件的输入电能质量。测量电压、电流、电阻、电容、电感、功率等,可以帮助维护团队预测电压降、功率因数问题以及电路故障和失真。
CBM 生命周期描述了 CBM 流程的各个阶段,每个阶段对于项目的整体成功都发挥着不可或缺的作用。这些阶段包括规划、实施、监测、分析和改进。
在规划阶段,维护团队应明确定义其 CBM 计划的目标。目标应与组织的总体目标保持一致,并且具体、可衡量、可实现、相关且有时限。
一旦制定了目标,就应该识别关键资产,并将这些资产作为基于状态的监控计划的重心。需要制定一份监控计划,列出将使用的具体监控技术,以及监控过程的频率和持续时间。该计划还应确定负责监测和分析设备性能数据的人员。这种方法可确保维护部门有效利用资源,并将计划外停机时间降至最低。
最后,维护团队应在规划阶段建立基线。基线是 CBM 的重要组成部分,因为基线提供了衡量设备状况变化的参考点,有助于识别资产行为的模式。
可以利用的基线包括:运营基线(反映了资产的典型运营状况);历史基线(基于资产的历史数据);制造商基线(由设备制造商建立);以及维护部门认为有用的任何其他基线指标。
在实施阶段,团队安装传感器和数据采集系统,并培训人员如何使用 CBM 工具。此阶段需要团队开发数据管理系统,并将 CBM 集成到组织的维护管理系统中。
监控阶段是任何 CBM 计划中最重要的部分。这一阶段涉及从传感器和数据采集系统收集数据(最好是连续收集),以实时监控设备的状况。
在分析阶段,团队手动或使用软件工具,解读监控阶段收集的数据。这包括识别模式和趋势,以及检测异常和潜在故障。
一旦团队解读了分析结果,就会制定并实施行动计划。这可能包括安排维护活动、调整运行参数,以及改进设备或监控系统本身。团队还将记录 CBM 计划的结果,并将其纳入未来的规划和实施活动中。
值得注意的是,CBM 生命周期不是一次性过程,而是一个连续的循环。因此,CBM 计划的成功取决于组织是否/如何不断改进和完善其维护方法。
基于状态的维护,是一种提高设备可靠性和降低维护成本的有效策略。然而,基于状态的管理计划,只有得到妥善设计和执行,才是有效的。以下是一些最佳实践,有助于您的组织优化 CBM 流程。
理解 p-f 间隔和 p-f 曲线,有助于确定维护活动的最佳时机,因而对于预测性维护计划非常有用。
p-f 曲线直观地表示了故障严重性与发生资产故障所需时间之间的关系。通过分析特定设备的 p-f 曲线,可以识别最严重的故障,并根据严重程度确定维护活动的优先级。
另一方面,p-f 间隔显示了一旦检测到即将发生的故障,可用于执行维护的时间。p-f 间隔可以帮助维护人员在设备出现故障之前,提前安排维护活动。
CBM 过程产生了大量数据,需要及时储存、分析和采取行动。数据管理和分析软件有助于理解数据,并将其转化为可操作的洞察。此外,许多 CBM 计划与计算机化维护管理系统 (CMMS) 和企业资产管理 (EAM) 系统兼容,使得 CBM 与现有资产管理计划的集成更加简单。
CBM 计划要求维护团队根据设备的实际状况安排维护时间。为了有效地做到这一点,组织需要实施一个维护排期系统,能够根据性能数据,相应地确定维护任务的优先级。
基于状态的维护不是一次性的实施,而是一个持续监测、分析、改进的过程。各组织应不断鼓励维护人员确定需要改进的领域,并根据结果实施变革。
基于状态的维护 (CBM) 是一种提高设备可靠性和使用寿命的有效策略。CBM 的主要益处在于精益的资产管理方法,但还其他细微之处彰显优势。
基于状态的维护计划使组织能够制定主动维护计划,但实施可能会遇到挑战。