数据采集​​和分析的进步意味着维护和运营团队可以花费更多时间提高可靠性。

由Chris James，SKF

只要有机器，人们就可以了解需要监控和维护它们。虽然工业厂房资产管理原理仍然是恒定的，但该方法已经从反应性中发展以预测性维护。

然而，维护策略的未来更进一步。预测性维护使用机器数据中获得的洞察预测机器时出现问题，允许在问题升级到故障之前进行维护。在这的核心是条件监测，IE。，具体操作参数收集和分析数据的实践。

手动或自动化？

公司可以以两种方式收集机器条件数据。手动路由涉及用手持设备配备维护团队，他们可以在常规“Walkaround”检查期间测量和记录参数。自动方法涉及在通过网络传输数据的资产上安装永久传感器。

为任何给定资产选择正确的方法需要一个组织来平衡收集，通信，存储和分析数据的成本，以防止数据提供的效益。在实践中，这意味着许多组织在最关键的资产中使用永久安装的系统，并依赖于其余部分的手持数据收集。

改变游戏

当涉及到条件监测时，数字化过程我们在工业中遇到的是成本效益方程的两侧。它将推动公司从他们的机器收集数据的方式和他们有一旦拥有它的数据。

首先，永久安装的数据收集系统的成本变得越来越昂贵。部分地，这归功于强大，廉价的传感器和加工电子产品的开发。更重要的是，它是因为连接这些传感器变得更便宜，更易于做到。这重要是因为安装劳动以及专用布线和通信硬件，可以占永久条件监控系统总成本的60％至75％。

走无线

如今，公司有几种选择降低数据收集成本。他们可以将数据采集设备直接连接到其现有的有线网络，或者他们可以使用越来越常见的工厂和其他工业设施的安全Wi-Fi网络来实现无线网络。新一代低功耗无线“网格”网络技术使得可以安装电池电量多年来的传感器。在部署这些传感器时，能源预算仍需要对资产的关键性和有线替代方案进行平衡。

最新的无线状态监测系统正在提高以前被广泛认为不经济的规模的旋转设备性能计划。通过从连接专家的新兴和创新网络技术结合多十年来，通过结合机器健康监测所获得的知识来实现​​这一目标。

一个这样的示例是无线条件监控系统，其可以在经济上自动化振动数据收集。通过该解决方案，网状网络协议使传感器能够交换数据，围绕管道和液体存储箱等障碍物导航，而不是试图穿过它们。

认知共存技术扫描无线电频谱并切换频率以避免忙碌的信道并克服干扰。这增加了无线电可靠性，并且显着降低了小设备中电池的需求。它通过完全了解何时打开和关闭时，最小化能量使用。这意味着它可以在单一的电池上工作多年，在造纸厂等强硬的无线环境中。

从实际角度来看，有几个好处。自成形传感器网络不需要现有的基础设施，例如Wi-Fi，并且可以在足以覆盖当今宽大的监测点的规模上部署。可以扩展预测 - 维护程序，数据更频繁地捕获，这增加了缺陷检测速率，并导致避免昂贵的计划外机停机。

智能机器

由于新的发展，今天的先进状态监测系统也变得越来越昂贵，并且经营着分析方法如机器学习技术。这些方法是将机器条件数据的解释自动化到比以前可能的程度更大。这意味着公司可以通过更少的技术人员监控更多资产。

最后，新技术正在改变机器条件数据的使用方式。虽然中央位置或完全远程数据分析 - 没有什么新的，互联网和云计算已经使其更容易且较便宜的实现。这可以为各国世界各地运营的多个资产提供显着效益。相同的技术使分析结果更加接近，IE。，工厂经理现在可以在手机上看到设施的状态。

数字转型是否意味着达到古老的维护传统的追随舞遇？绝对不。机器仍需要人们维护，诊断和改进。涉及常规检查和根本原因解决问题时，无法替代实践方法。明天的维护专家可能会花在车间上的时间，但它们会花费较少的时间表演常规检查和测量，以及更多的活动，可以提供实际性能和可靠性改进。ep.

Chris James是Skf Group，Nieuwege，荷兰的永久安装的状态监测产品线管理器。他负责支持SKF数字化战略的有线和无线在线技术产品。