Dan Riley，Analytics Manager，州际公路
预测性维修是对关键设备的状态和性能进行分析，以减少设备故障的发生。在过去，经验丰富的工厂操作人员可能通过经验、良好的操作或其他资产行为来预测结果。今天，这是通过各种软件工具和分析类型完成的。
理解预见性维护是至关重要的——如果你有重大资产或机器接近生命的结束,或者计划外停机高影响你的生产计划,选择它作为一个解决方案为您的工厂会导致储蓄的方式更多的业务正常运行时间和更快的诊断问题。
要为您的工厂提供最大的预测性维护，您应该了解逐步的过程：
- 数据采集。收集的数据通常是时间序列过程数据，如历史学家数据。分析的常用标签包括电流，温度，压力，流量，振动等。
- 数据清理。为避免无效地使用数据，您必须找到异常值和缺少值，并使用纠正技术来保留数据。此步骤包括删除异常值，过滤毫无意义的数据，并纠正偏移时间参数。清洁数据减少了道路上的问题，并为Insights提供了分析团队可以提供的洞察力。
- 识别条件指标。这涉及区分正常资产操作和各种故障类型。例子包括健康的电机操作参数，密封泄漏，磨损轴承，阻塞入口或故障组合。识别故障特征的方法包括基于时间的分析和频率分析。
- 训练模型。识别出健康操作和故障状态后，培训模型。这对于了解故障指示器的准确性非常重要。通过运行多个测试并确保一致性，您可以准确选择数据模型类型。机器学习算法有很多品种。用于构建高级模型的五个算法系列是：分类，回归，聚类，密度估计和减少维度。回归家庭最与连续数据一起使用。
- 部署和集成解决方案。这一步骤可能发生在三个地方：内部部署，您的本地网络和数据系统存储在现场;在边缘，数据如此高的速度，您需要它尽可能靠近数据源来减少延迟;或者在云中，您公司已经拥有一些基于云的系统或架构，并且具有希望查看数据的远程工程师网络。
- 再培训模型。Retringing基于实时过程数据，如果新功能或故障会随着时间的推移而出现。随着新故障发生，分析师可以识别问题并与客户和客户团队寻求解决方案。
这些步骤包括预测性维护的过程。当您可以观察资产趋势时，您将实现更多操作正常运行时间，并且可以看到机器何时下降。无计划的停机时间已成为计划，有效的维护。此外，当您避免突然关闭机器时，您可以通过减少磨损来延长生命。
故障类型识别通过使您的机器启动并更快地工作来提供价值。当你能看到行为时，你就可以修复中断，而不是依靠猜测。预见性维护还可以帮助您估计故障时间，省去了猜测游戏，并让您对机器何时会出现故障有一个可靠的想法，以便您可以在自己的时间内为维护和关闭做准备。
最终，投资于预测性维护可以为许多类型的工业工厂和各种类型的机器带来回报。要了解预测性维护如何使您的工厂受益并防止停机，请选择具有工业分析经验的分析团队。
Dan Riley是一个与分析团队的分析经理斯特纳斯，一个认证的成员控制系统集成商协会（CSIA）。有关州际公路的更多信息，请访问其配置文件工业自动化交流．
公司在本文中
