制造业中的设备维护是DX（Digital Transformation，数字化转型）的典型应用之一，其核心是预估性维护。
在一般的制造业工厂中，为了提高盈利能力，设备维护对于预防故障和问题及支持迅速恢复至关重要。在这些设备维护工作中，应对工厂设备的高阶化和大规模化导致的设备维护本身高等化，以及随着劳动年龄人口的减少而出现的省力化等已成为亟待解决的问题。
针对这一问题，以物联网、传感技术和传感器数据利用为前提的预估性维护（Predictive Maintenance；PdM）得到了大量关注。近年来，国营和民营企业都掀起了推进DX（Digital Transformation，数字化转型）的热潮，设备维护的DX化也不断取得进展，作为其核心的预估性维护受到的关注度日益增加。
因此，对于那些想要知道和理解预估性维护基础知识的人员，我们打算主要就从传感器数据解析的角度进行的预估性维护，提供一套以《通过传感器数据×数据解析进行的设备维护DX》为题目的系列文章。希望本系列文章能够对这类人员有所帮助。本系列的第1篇文章中，我们将对通过传感器数据的数据解析进行预估性维护的概要以及引进预估性维护前应该注意的要点进行解说。
什么是预估性维护？
关于维护方法，人们根据其实施基准提出了多种方案，一般分类如图1所示。预估性维护是划分到设备维护当中构成预防性维护的1种方式，有时也称为状态基准维护（Condition-Based Maintenance；CBM）。
预估性维护被定义为“根据从传感器等获得的参数变化检测到的劣化状态进行维护的形式”（英国标准）。预估性维护根据证据来决定实施维护，与其他维护方式相比，可以说是一种基于合理的判断基准的维护方式（图2）。因此，能够掌握设备状态的多种传感器以及能够根据该数据决定进行维护的诊断技术（数据解析）是预估性维护的关键。
预估性维护的核心：传感器和数据解析
预估性维护中使用的传感器种类繁多，但一般来说，使用专门用于检测随着设备运行而发生的特征现象的传感器。用于检测运行过程中产生的热量和振动的热传感器和振动传感器可以说是其中的代表例子。下一节将提到的那样，除了根据维护对象选择传感器和安装位置之外，传感器本身的价格等也是重点。
与传感器一样，预估性维护中也使用了许多数据解析技术。一个代表性例子是异常检测（Anomaly Detection）技术。异常检测可以通过将某个数据与正常数据的偏离程度进行数值化来判断它是否异常。另一方面，可以将设备其从正常稼动状态偏离的程度作为设备劣化的一个判断基准。因此，可以说设备劣化与预估性维护的目的之间存在很强的关联性（图3）。
此外，为了计算偏离程度，有时会使用传感器的原始数据，有时又会使用经过预处理（例如噪声消除）的数据或使用将数据中发现的显著特征（例如周期性）作为单独数据提取出来的特征量。
关于用于预估性维护（包括异常检测）的数据解析技术的分类、特征和具体方法，我们予定在本系列的第2篇及后续文章中依次解说。
引入预估性维护的5个要点
支持预估性维护的传感器技术和数据解析技术正在日新月异地发展，各公司提出了多种解决方案服务的建议。这并不是说仅仅通过引进这些服务就可以实现设备的预估性维护。
引入预估性维护之前应该做的事情有哪些呢？
这里是我们总结的引进预估性维护时需要注意的5个方面的代表性要点。在讨论引进预估性维护时，务请将其作为参考。
选择理想的维护方式
预估性维护不一定是全部维护对象的理想维护方式
例如，如果是故障少、发生故障时对整个生产的影响小的设备，通过事后维护就可以充分应对
为维护对象选择理想的传感器
需要根据维护对象选择并设置理想的传感器（例如旋转设备：振动传感器）
还要注意是否能在维护对象中连续、稳定地获得传感器数据
引进和运营的成本
预估性维护的缺点之一是初始引进成本较高（例如传感器、通信设备、数据库等）
一般情况下，引进成本的参考金额约为维护对象设备投资额的2%以内
传感器等的运营成本为维护总成本的1%左右
安排预估性维护人员和建立运营体制
与传统的维护方式相比，预估性维护需要安排专业人才和建立维护体制
专业人才的培训体制也不可或缺
选择适当的数据解析方法
根据因设备劣化而导致的传感器数据变动模式，存在适当的技术和方法
可准备的数据量、故障检测性能与结果可解释性之间的权衡、异常阙值设定等需要考虑的事项很多（预定在本系列以后的文章中解说）
理想的预估性维护是根据具体情况确定的，具体取决于要维护的对象设备的性质、预算和资源状况。因此，可以说不能以自上而下的命令方式引进预估性维护和相关服务，而要在引进之前与利益相关者充分讨论其可行性，并找到估计适合自己公司的预估性维护。
总 结
在社会对工厂生产设备维护提出了高阶化、省力化要求的背景下，目前备受关注的设备维护方式就是预估性维护。预估性维护是一种利用传感器和测量数据揭示设备的劣化状态，并根据结果和证据做出实施维护的决策的合理维护方式。
预估性维护的技术核心是物联网及传感技术、数据解析技术这2项技术。它们都实现了日新月异的发展，因此，可以说设备维护有可能实现更进一步的高阶化和省力化。
另一方面，在引进预估性维护之前有许多要点需要考虑。如果忽略了这些要点就引进预估性维护，甚至可能面临降低维护性价比的风险。
除了工厂设备、生产体制、供应链之外，还有预算和人员等，每家公司的设备维护状况各不相同。适合每台设备的维护方式是哪一种？通过预估性维护实现维护的高阶化和省力化需要什么样的体制等？什么是自己公司的理想维护？对此进行重新思考或许非常重要。
全部评论