ABB预测性维护的“六步走”攻略

编译 | 二丫

多年来，企业管理资产的策略不断改变，但变化速度从未如此迅速与深刻。在更多低成本的精准传感器、更高速的通信、强大的计算能力（包括云计算与边缘计算）、机器学习、高级分析技术的推动下，作业公司拥有了极具吸引力的资产选择。借助丰富的专业知识，可以精准施策，以完美适配所有作业需求，从而能够自信地规划和落实更重要的资产优化与作业提效方案。

许多维护策略都已完备地记录在案，用于更好地管理资产。常规方案通常是计划例行维护，也就是按照设备制造商建议的时间间隔进行维护。如果管理得当，会按照时间或某些性能参数规划预防性维护，若没有成功实施，则可能会演变为被动故障与修复方案，进而导致作业中断。

尽管机会很多，但制造业与能源行业的许多公司仍在基础资产上使用反应性、预防性维护制度。尽管各种研究表明，预防性维护仅适用于18%的工厂设备，但这些公司仍将资金投入到基于时间的维护上。对其余82%的设备进行预防性维护，实际上可能反而会导致故障。

实际上，在维护方面并没有所谓的万能方法。对公司而言，最佳的发展方向是评估其在资产绩效管理进程中的位置，然后根据每个工厂的作业场景、设备每个部分的作用（潜在失效方式、对整个流程性能或设备利用率的重要性），为这些资产或设备选择正确的维护策略，

掌握了这些信息，再考虑维修与故障成本，就可将适合的系统部署到位。从软件和技术、人员和流程等方面的系统角度来看，该策略将是最具成本效益、最高效的资产管理方式。关键是在有意义的地方部署预测性维护。

因此，一旦完成了“可靠性基础”，即知晓关键性、故障机制、可用性以及成本因素的基本步骤，那应该从何处开始部署预测性维护策略呢？

第一步是要了解流程与设备的现状。“你无法衡量你不知道的东西”，通常情况下，某家公司需要了解其资产的现状。这可能需要获取工厂层面的已有数据，并将这些数据可视化，以用于制定有效决策。

公司可以将这些数据与IT、维护管理系统层面的数据结合起来，以更好地了解维护记录与工厂状况。在这种情况下，关键是获取以前丢失的数据，并将其安全可靠地整合到IT领域，然后对其进行操作、分析，并根据这些数据做出决策。

挪威油气公司OKEA的数字化转型之旅的首个基石是在Draugen石油平台上使用的ABB Ability EdgeInsight系统。该解决方案以不到1秒的延迟，提供了从控制系统到云端的实时数据流。OKEA公司能够利用云端的仪表板，结合实时生产数据与KPI数据，监控他们的生产情况。这种边缘解决方案使实时数据易于获取，有助于作业者随时随地访问这些数据。它还大幅缩短了不同用户诸多案例的价值体现时间，包括预测性维护。

ABB Ability EdgeInsight系统能够获取现场设备、网关以及作业系统的可编程控制器的数据。然后，它将各种现场协议转换为统一的标准通信协议，并将标准化结果提供给IT基础设施，同时确保不访问现场网络，保障关键作业系统的安全。

一旦实现数据可见，下一步就是弥补工厂关键资产中可能会缺少信息的任何缺口。在这里可以添加额外的数据点，以更深入了解资产状况。可将大量传感器安装在电气设备、旋转设备以及其他工厂资产上，然后成为基于状态的维护制度的一部分。这可以是与控制系统相连的形式，也可以是完全独立的系统，可根据资产的状况做出明智决策。

许多传感器可以弥补数据缺口。ABB Ability传感器将传统的电机、泵与轴承转化为无线连接的智能设备。它从设备表面测量关键参数，可用于获取机器状况与性能的相关有效信息，使用户能够识别系统内的低效率，减少作业与维护的相关风险。

状态监测系统可对非关键电机与旋转设备进行自动、无线监测。它有助于检测可能导致设备故障与停产的机器振动和异常温度。用户可以远程访问该系统提供的信息。借助无线功能，该系统可轻松安装在现有基础设施上，不会造成任何额外停工。此外，设计、规划、材料与安装成本都低于传统的有线解决方案。

Goliat油田是油气行业受益于无线监控维护的典型案例。它是挪威巴伦支海地区的一个海上油田，位于哈默菲斯特西北85公里处。该油田使用了全球最大、最复杂的圆筒形FPSO，并采用了最先进的建造技术，以应对在北极环境中作业的技术挑战。Goliat的容量为100万桶石油，由于采用了陆地供电与零排放的作业理念，再加之利用了基于状态的最新监测技术，它将对环境产生最小的影响。

其中一项先进技术是应用于Goliat的旋转机械装置组（从涡轮机到压缩机和柴油发电机）的无线监控系统。该状态监测系统的应用范围也扩展至整个电气系统，包括变压器、配电盘、驱动器、HVAC、电缆以及海底系统等。同时，密切监测了对安全、可靠运行至关重要的整个船舶系统，如卸货站、船体结构与起重机系统，设备模型监测当前性能与当前参数预期性能，并指出潜在或实际偏差。发送设备故障、事件与警告至状态监测系统，并通知作业者建议维护的区域。 

当涉及从传统设备获取信息时，边缘设备再次发挥了关键作用。ABB Ability Genix APM Predict拥有整体数据集，是一种用于收集、分析这些数据的软件解决方案。Genix APM Predict从不同系统中收集实时状态数据，并将其展现在单个仪表板中，因此用户就可同时获得设备健康数据与作业情况，从而节约行动时间。

这是过渡到预测性维护策略的有效方法。它使控制室内外的用户都能即时、安全地获取他们所需的设备数据，以做出有助于优化作业、降低维护与作业成本的决策。

状态监测在德国化学公司BASF改善其维护作业的过程中起着重要作用。它有许多非关键的低压电机与泵，在日常维护中都是依靠人工检查。然而，手动收集的信息并不能提供足够多的当前状态退化或潜在故障相关的在线信息。旋转机械装置的机组管理已被BASF公司确定为一项协同创新举措，这将有助于进一步提高工厂的整体可用性、可靠性与作业效率。

为了克服这个问题，ABB公司提供了一套从传感器到高级分析与企业仪表板的端对端解决方案，适用于旋转机械装置的机组管理。该方案运行复杂的机组诊断算法，以改善整个机组的运作。借助这个系统，BASF公司通过ABB Ability系统上运行的分析算法，可轻松评价工厂中每个组件的状态。这反过来又为BASF公司提供了足够信息来监控设备，并识别机器中即将出现的问题。BASF公司利用该方案能够提前检测出故障，优化维护作业，从而为推进预测性维护提供了替代方案。

许多预测性维护方法都采用纯数据科学方法进行预测性分析。使用机器学习与基于模型分析相结合的方法或更加有效。这样做可以将实际性能与预期性能进行比较。通过对比各工厂的机组，不仅可以预测故障的发生概率，还可以预测故障的发生时间。协助分析以确定根本原因，并制定适当的措施方案，以恢复正常状态。

ABB Ability Genix APM采用了这种方法。该软件的核心是专家开发的久经验证的模型，通过预测分析提供诊断，以便及早发现设备问题。这使作业者能够在故障或失效发生很久之前就采取措施。

利用能够表征工厂健康状态的数据，来配置设备的统计模型。设备涵盖物理模型中定义的组件、装置与系统。然后使用启发式信息（如果有的话）来补充机器学习算法，以实现“两全其美”。这种信息主要以所有可靠性工程师都熟悉的故障模式与影响分析（FMEA）的格式来表达。

这套在线系统不断检查工厂的现状。这些实时信号可以来自任何来源，通常来自分布式控制系统（DCS）、状态监测以及其他自动化系统。这些数据与脱机训练中获得的特征模型进行比较，然后以每个信号的关键诊断指标（KDI）、每个故障模式的关键故障指标（KFI）以及设备效率相关的关键性能指标（KPI）的形式向用户提供总结信息。除了这些指标外，基于网页端的用户界面还提供了详尽的分析工具，例如图表、汇总统计指标、未来指标预测等。由于机器学习模型和FMEA启发式方法的通用性，资产健康状况可适用于所有部门以及许多应用。

ABB与意大利Enel Green Power水电站的合作提供了创新型预测性维护解决方案，降低了维护成本，提高了性能、可靠性与能源效率。该方案利用ABB Ability Genix APM系统，将三分之一的机组从基于时间的维护改进为基于状态的预测性维护。

自2018年初以来，ABB公司与Enel公司密切合作，在意大利和西班牙的5座Enel工厂内开展了试点项目，共同开发、测试了先进的预测性维护方案，其中包括那不勒斯附近的千兆瓦电厂Presenzano。该方案拥有数字软件技术与服务，将分析超过19万个信号，部署大约800个数字资产模型，旨在通过预测性维护改善工厂的生产业绩，减少意外故障，实现更有效的计划性维护作业。该整合预计将节约机组维护成本，提高工厂生产力，可靠性的增加预计将对作业支出产生重大影响，整个机组的维护成本将节省10%，发电量将增加2%。

在维护过程达到这一阶段后，下一步就是利用关键的统计数据来规划与扩展整个机组或企业，以实现真正的节约和优化。预测性分析和资产性能映射方案能够监测、分析、规划与执行优化的管理策略。

它们可以链接至其他系统，如人力管理或企业整体管理方案。针对客户面临的特定资产或问题组合，都能够提供正确的解决方案。ISO 55000是跨行业通用的国际资产管理体系标准。

始于此，维护策略的目标将是发展为规范的维护制度。在这种情况下，就像预测性维护一样，其基础是先进的分析技术，它将指导维护作业，但附加的好处是，它可以根据信息采取行动，而不仅仅是提出建议。它可以监测传感器的读数，判断资产是否达到最佳性能，而且可以给技术人员发出工作指令，并订购作业所需的任何部件。

哈萨克斯坦PKOP炼油厂（奇姆肯特炼油厂）实施了资产绩效管理方案，获得多项新能力，包括关键性分析、变更管理，以及与企业资产管理（EAM）系统互联的更强大的可靠性管理。数字化工厂平台，加上专业的咨询服务，将改善作业与维护关键设备相关的业务流程。该项目的实施将把计划维护停机频次从每年减少一次降至每三年一次。

预测性维护策略能否成功的关键因素是需要拥有丰富的行业经验以及工厂作业、流程与资产知识。ABB公司在帮助客户进行维护方面已拥有数十年的经验，虽然解决这些问题的个别方案已经改变，但可靠性工程的核心基础并没有改变。

为达到可靠性要求的最高标准，无论应用多么先进的技术，公司都不能忽视人的重要作用。工厂需要形成一种以可靠性为中心的文化氛围，让每个人都认识到他们的个人责任，就像广泛认识到安全的重要性一样。

“可靠性文化”可以被定义为这样一种文化：在资产的整个生命周期中，所有层级的员工都持续参与到识别、理解、应用正确的可靠性行为与实践中。

各岗位、各层级员工都致力于改进他们所依赖的流程、系统与工作关系。高水平的设备可靠性有望提高安全、环保与生产效益。从了解（评估）当前状态、建立改进团队、增加-检查-调整优化流程到能力开发，这一整套过程将确保形成可靠性优化制度，并获得收益。

卓越的可靠性是过程，而不是终点。组织机构若采用这套方法，将能够更好地持续优化作业，延长正常作业时间。业务与技术正在不断变化。您将如何规划未来的预测性维护之路呢？