自动化设备调试和维修方案

---

如何做自动化设备设备维保？

---

对于工厂来说，设备资产管理是重中之重。 自1952年提出设备维护概念以来，至今共衍生出四种设备维护策略。

1.纠正性维护（CM）也称为事后维护，是一种旨在使设备发生故障后恢复正常状态和运行的维护活动。 此类维护发生在设备故障后。 由于存在因故障造成的停工损失、设备不可逆损坏等诸多缺点，已逐渐被工厂放弃。

2.预防性维护（PreventiveMaintenance，PM）

它包括根据设备发生故障前的实际生产状况和维护经验，对设备进行定期、定期的检查。 维护，维护，因此也称为定期维护。 这种维修方式可以减少故障发生后对企业和设备的损坏问题，但仍然无法避免因维修投入较高而导致维修要求过高而导致备件仓库投资过大和成本浪费的问题。

3.基于状态的维护（CBM）

通过检测设备状态参数（如振动、温度等）的变化来识别设备中正在发生的故障。 这是通过状态传感技术实现的预测性维护策略。 这种维护方法是基于大多数设备故障不会瞬间发生的事实。 故障的发生往往需要一个过程。 如果总结出这个过程的特征信息，就可以提前对设备进行检查，避免造成严重后果。 如下图设备性能曲线所示，CBM通过传感检测到P点，可以在F点之前进行修复，避免设备故障带来的后果。 与前两种维护方式相比，CBM维护成本低，能有效维护设备。

4.预测性维护（PdM）

是基于CBM发展起来的维护方法。 设备运行时，对设备进行周期性、连续的状态检测和故障诊断活动，以确定设备当前的运行状态，预测设备的未来状态和发展趋势，提前制定预测性维护计划并确定设备是否需要进行维护、次数、内容、方式、方法、技术和材料。 技术预测维护系统如下图所示。

通过了解不同的设备维护策略，随着配套技术的发展，预测性维护具有预测性维护、维护工作量低、减少停机时间、延长设备使用寿命等优点。 数据和人工智能，预测性维护技术已经越来越成熟，逐渐被大工厂所选择。

完整的预测性维护流程包括三个主要阶段：数据收集和处理、健康预测以及维护管理和执行。

在数据采集和处理阶段，通过物联网对设备特征数据进行采集和分类，为预测健康状态提供数据库。

1.健康预测阶段

健康预测阶段首先应根据机理或数据建立预测模型，将设备的特征数据输入到预测模型中，以便设备状态和未来的变化趋势，提前预测未来可能发生的故障以及设备的健康状况，通常以百分比表示。

2.维护执行与管理阶段

维护执行与管理阶段将健康分析结果与工厂设备的执行管理相结合，制定维护策略并监控执行情况。 策略的记录了维护实施过程，通过维护管理数据的积累，不断迭代更新维护策略，为工厂节省更多成本。