预见性维护是监控机器或机器部件的能力，通过预见机器故障并采取预防措施来避免计划外停机。
必须实施两种类别的技术，以创建预测维护解决方案，首先是硬件。智能传感器通常是关键组件和PMMI商业智能报告“包装和预测性维护，”他表示，“未来可能的趋势是，处理能力将直接嵌入传感器。”边缘计算设备也被用于一些先进的预测性维护解决方案。
为了确定在包装机中实现智能传感器的位置，重要的是要理解哪些数据是有用的。接受采访的OEM和集成商表示，运行时间，当前/电压抽取和速度是三种最有用的数据类型，但报告指出，对于预测性维护，运行时间可能不可靠，因为电机的许多故障driven equipment happen during the first year due to manufacturing defects or installation error, and not at the latter part of the machine’s life.
关键是有大量的数据可供参考。首要任务应该是利用机器中已经安装的任何现有智能设备，如plc和变速驱动器。一旦传感器布置好，边缘计算设备就可以与系统绑定，并可以决定哪些数据是有用的——只将特定的数据传输到云上，从而节省数据传输和存储成本。
在数据收集之后，第二个关键技术是软件和分析(通常托管在云上)。因为大多数机器制造者不具备内部编写软件的能力，所以在这个阶段通常需要一个预测性的维护专家。大多数预测性维护硬件解决方案都有自己的专用软件;但是市场上还没有一种单一的解决方案，可以把所有的数据都放在一个保护伞下。
弄清楚如何通过预测性维护进行批准，可以是其适应的阻碍。最终用户受益于减少的停机时间和增加的机器寿命，改进也将有益于底线。但对于OEM而言，一个带有“自然”延长寿命的机器也意味着新的商业模式在随着时间的推移中必须保持盈利。该报告表明，需要解决方案，以满足两个组的需求，一个有希望的候选人是“作为服务，”或MAA的机器。该模型涉及基于在最终用户和OEM之间设置的性能目标的定价。一个示例是一个OEM，其模型涉及留住包装机的所有权并根据机器的成功运行来对客户充电，从而激励OEM以最小化停机时间并最大化机器寿命。
下载下面的免费报告。
来源:PMMI Business Intelligence，包装和预测性维护
