無人機(jī)空中檢查-工業(yè)資產(chǎn)預(yù)測性維護(hù)指南

計劃外的資產(chǎn)維護(hù)會造成運(yùn)營混亂。生產(chǎn)會停止，對下游和上游產(chǎn)生影響。配額無法滿足，截止日期無法完成，生產(chǎn)力下降。所有這些都會造成巨大的物質(zhì)損失。

意外停機(jī)使世界上最 大的制造公司損失了11%的年收入，即總計 1.4 萬億美元。好消息是，通過預(yù)測性維護(hù)策略，可以很大程度上避免資產(chǎn)停機(jī)。

什么是預(yù)測性維護(hù)？

預(yù)測性維護(hù) (PdM) 測量和監(jiān)控不同資產(chǎn)的健康特征，以估計惡化趨勢并預(yù)測故障。它建立在持續(xù)定量數(shù)據(jù)收集和深入分析的狀態(tài)監(jiān)測實踐的基礎(chǔ)上，以便在出現(xiàn)任何明顯的損壞跡象之前檢測和預(yù)測問題。

換句話說，PdM 系統(tǒng)在正確的時間向正確的人提供關(guān)鍵信息。借助預(yù)測性維護(hù)洞察，資產(chǎn)管理人員可以：

l降低資產(chǎn)故障風(fēng)險

l降低維護(hù)成本

l延長資產(chǎn)使用壽命

l提高員工安全

l實現(xiàn)更大的可持續(xù)性

l提高組織生產(chǎn)力

大多數(shù) (95%) 預(yù)測性維護(hù)采用者報告了正的投資回報率，其中27%報告稱在不到一年的時間內(nèi)收回了全部投資。

百事公司在采用 PdM 系統(tǒng)后，由于設(shè)備故障、工作流程、中斷和增量維護(hù)成本的減少，其菲多利工廠每年的生產(chǎn)能力增加了4,000 多小時。

全球綜合能源公司 Suncor為 14 個地點的20,500 項關(guān)鍵資產(chǎn)實施了預(yù)測性維護(hù)解決方案，包括油砂、下游、勘探和生產(chǎn)以及管道，并在一年內(nèi)獲得了超過 3700 萬加元的價值。

預(yù)測性維護(hù)與預(yù)防性維護(hù)：主要區(qū)別

資產(chǎn)管理人員依賴五種維護(hù)策略：

1. 反應(yīng)性維護(hù)：資產(chǎn)故障或損壞后進(jìn)行的計劃外立即維修。

2. 糾正性維護(hù)：對出現(xiàn)損壞或退化早期跡象的資產(chǎn)進(jìn)行計劃或安排的修復(fù)。

3. 預(yù)防性維護(hù)：根據(jù)歷史數(shù)據(jù)，按照預(yù)先定義的時間表執(zhí)行。

4. 預(yù)測性維護(hù)：根據(jù)對服務(wù)質(zhì)量下降或故障可能性的實時洞察進(jìn)行安排。

5. 規(guī)范性 維護(hù)：圍繞數(shù)據(jù)驅(qū)動的建議進(jìn)行規(guī)劃，以防止未來的故障。

簡單來說：反應(yīng)性維護(hù)和糾正性維護(hù)是在事后進(jìn)行的，即當(dāng)損壞已經(jīng)很明顯時。預(yù)防性和預(yù)測性維護(hù)策略面向未來，但它們在精 確度方面有所不同。

預(yù)防性維護(hù)依賴于預(yù)期的資產(chǎn)狀況，基于歷史基線、過去的維護(hù)記錄和合規(guī)性要求。基于這些，團(tuán)隊的時間表計劃了糾正性維護(hù)，而沒有考慮實際需求。

相比之下，預(yù)測性維護(hù)是根據(jù)實際（而非預(yù)期）資產(chǎn)狀況進(jìn)行決策的，該情況借助高級分析模型確定。預(yù)測性維護(hù)工具將歷史記錄與各種實時數(shù)據(jù)點（例如超聲波聲學(xué)、熱測量、潤滑水平）進(jìn)行比較，以測量當(dāng)前資產(chǎn)的健康狀況。然后生成時間序列預(yù)測，以建議最 佳維護(hù)計劃。

以下是預(yù)防性維護(hù)和預(yù)測性維護(hù)之間的主要差異的并列比較：

核心預(yù)測性維護(hù)技術(shù)

預(yù)測性維護(hù)是一系列流程和技術(shù)的集合，用于實現(xiàn)實時數(shù)據(jù)收集和高保真分析。

典型的 PdM 系統(tǒng)通常有兩個關(guān)鍵組件：數(shù)據(jù)聚合模塊和高級分析引擎。前者從所有已授權(quán)的設(shè)備、傳感器和其他操作系統(tǒng)（例如資產(chǎn)管理平臺、SCADA、CMMS 等）收集數(shù)據(jù)。經(jīng)過適當(dāng)?shù)霓D(zhuǎn)換（質(zhì)量檢查、標(biāo)準(zhǔn)化等）后，匯總的見解將提供給算法，該算法執(zhí)行二元分類（例如正?；蚬收蠣顟B(tài)）、檢測異常（例如工作溫度不明原因上升）并發(fā)布時間序列預(yù)測（例如 4 周內(nèi)可能的服務(wù)質(zhì)量下降）。

為了更好地理解設(shè)置，讓我們分別看一下每個技術(shù)組件。

傳感技術(shù)

大多數(shù)公司依靠監(jiān)控和數(shù)據(jù)采集 (SCADA) 系統(tǒng)進(jìn)行遠(yuǎn)程資產(chǎn)和設(shè)備監(jiān)控以及性能調(diào)整?，F(xiàn)代 SCADA 系統(tǒng)匯總來自傳感器、執(zhí)行器、PLC 和通信網(wǎng)絡(luò)的數(shù)據(jù)，以提供性能基準(zhǔn)。

然而，數(shù)據(jù)收集通常僅限于過程變量（例如溫度或壓力下降）。SCADA 系統(tǒng)也僅在問題發(fā)生后才提供反應(yīng)性警報。這就是為什么許多領(lǐng)導(dǎo)者將 SCADA 洞察與來自傳感器和物聯(lián)網(wǎng)設(shè)備的額外數(shù)據(jù)相結(jié)合的原因。

由于制造技術(shù)的進(jìn)步，傳感器的尺寸越來越小，生產(chǎn)成本也越來越低。過去二十年里，每個傳感器的平均售價降低了一半，從0.66 美元降到了 0.29 美元。

此外，新的傳感設(shè)備更加耐用。例如，根據(jù)Wilcoxon 的估計，中等質(zhì)量的加速度計的 IM 率僅為 2%，而高質(zhì)量加速度計的 IM 率僅為 0.3%，其終身成本分別為 5,600 美元和 1,350 美元。

為了實現(xiàn)預(yù)測性監(jiān)控，資產(chǎn)管理人員通常會投資多種傳感器來捕獲溫度、振動、壓力或濕度等參數(shù)。這些傳感器可以是數(shù)字或模擬傳感器，用于振動分析、聲學(xué)監(jiān)控、油分析、電機(jī)電路監(jiān)控、磁場測量等。市場上有適合資產(chǎn)生命周期不同階段幾乎所有監(jiān)控需求的傳感器解決方案。

許多預(yù)測性監(jiān)控場景都需要物聯(lián)網(wǎng) (IoT) 設(shè)備。物聯(lián)網(wǎng)設(shè)備結(jié)合了傳感、微處理器、通信模塊，有時還結(jié)合了邊緣計算功能，以匯總數(shù)據(jù)并將其傳輸?shù)郊写鎯爝M(jìn)行分析。

工業(yè)物聯(lián)網(wǎng)網(wǎng)絡(luò)可以包括：

l智能網(wǎng)關(guān)用于聚合來自多個傳感器的數(shù)據(jù)

l邊緣設(shè)備在本地對受監(jiān)控資產(chǎn)執(zhí)行異常檢測

l支持物聯(lián)網(wǎng)的機(jī)器可實時共享狀況數(shù)據(jù)并支持遠(yuǎn)程性能調(diào)整

常規(guī)傳感器測量受監(jiān)控資產(chǎn)、設(shè)備和操作環(huán)境中的物理變化。物聯(lián)網(wǎng)設(shè)備收集、傳輸并有時處理來自多個系統(tǒng)的傳感器數(shù)據(jù)，以提供預(yù)測見解。物聯(lián)網(wǎng)系統(tǒng)的主要目的是實現(xiàn)受監(jiān)控設(shè)備、預(yù)測分析系統(tǒng)和用于資產(chǎn)管理的其他軟件之間的實時數(shù)據(jù)交換。

檢測解決方案

傳感器提供充足的狀態(tài)數(shù)據(jù)，但通常不能滿足所有監(jiān)測需求。例如，檢測厚度損失、絕緣層下的腐蝕或表面開裂。

許多監(jiān)管場景還明確要求定期進(jìn)行無損檢測 (NDT)，以提供更深入的評估。NDT 數(shù)據(jù)也可以（也應(yīng)該）用于優(yōu)化預(yù)測性維護(hù)。最后，工業(yè)資產(chǎn)（例如 400 英尺的消防煙囪或海上鉆井平臺結(jié)構(gòu)）的龐大規(guī)模使得傳感器部署要么過于困難，要么在經(jīng)濟(jì)上不可行。

因此，許多公司投資于額外的檢查系統(tǒng)。例如，工業(yè)檢查無人機(jī)可以收集 RGB 和熱圖像、進(jìn)行超聲波厚度測量或執(zhí)行多光譜分析。專用無人機(jī)有效載荷可以幫助資產(chǎn)管理人員在更短的時間內(nèi)更精 確地獲取大型基礎(chǔ)設(shè)施的額外狀況數(shù)據(jù)。

Voliro T 無人機(jī)擁有 360 度的運(yùn)動自由度，可以執(zhí)行近結(jié)構(gòu)檢查，并且精度高，所需時間比使用傳統(tǒng)方法（例如手持式 NDT 設(shè)備和繩索通道或升降平臺）少 2 倍。

Voliro T 具有六個可互換的有效載荷，可用于執(zhí)行壁厚測量（使用超聲波 A 掃描或 EMAT 技術(shù)）、涂層厚度測量、絕緣層下腐蝕檢測和防雷系統(tǒng)測試。

通過我們的解決方案，您可以從高架管道、大型儲罐、輸電塔、火炬塔和煙囪收集可靠的狀況數(shù)據(jù)，以制定預(yù)測性維護(hù)策略。

為了監(jiān)控小型生產(chǎn)設(shè)備，領(lǐng)導(dǎo)者也在投資計算機(jī)視覺系統(tǒng)。例如，實時監(jiān)控傳送帶操作，以檢測設(shè)備性能是否欠佳。例如，檢測容器的液體填充率低，這可能表明系統(tǒng)配置不良或水封退化導(dǎo)致?lián)p壞?；蛘弑O(jiān)控遠(yuǎn)程資產(chǎn)。一家美國熱電纜供應(yīng)商安裝了一個自主計算機(jī)視覺系統(tǒng)來檢測其資產(chǎn)上的結(jié)冰情況。當(dāng)冰層高度超過設(shè)定的閾值時，系統(tǒng)會自動調(diào)整電纜加熱水平。

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)

機(jī)器學(xué)習(xí) (ML) 和深度學(xué)習(xí) (DL) 將匯總的條件數(shù)據(jù)轉(zhuǎn)化為運(yùn)營洞察：設(shè)備狀態(tài)、基于事件的警報、與時間相關(guān)的預(yù)測、深入的缺陷描述等。

支持預(yù)測性維護(hù)解決方案的算法包括：

l回歸模型（例如線性或支持向量回歸）用于預(yù)測連續(xù)、可變的結(jié)果（如剩余使用壽命），預(yù)測退化趨勢，或估計環(huán)境壓力源對設(shè)備性能的影響。

l分類模型（例如決策樹或梯度提升）用于對數(shù)據(jù)中的模式進(jìn)行分類。它們用于預(yù)測故障的二元分類、根本原因分析分類和各種性能異常分類。

l時間序列模型（例如 ARIMA 或 LSTM）使用順序數(shù)據(jù)來預(yù)測資產(chǎn)的未來狀況和性能趨勢。例如，預(yù)測設(shè)備故障、檢測性能逐漸下降或識別重復(fù)出現(xiàn)的故障模式

l卷積神經(jīng)網(wǎng)絡(luò) (CNN)可以檢測多維數(shù)據(jù)（例如空間數(shù)據(jù)、資產(chǎn)圖像和傳感器讀數(shù)的組合）中的模式，以提供更準(zhǔn)確的分類和預(yù)測。

一個 PdM 可以結(jié)合多種 ML 和 DL 技術(shù)來提供更準(zhǔn)確的洞察。深度學(xué)習(xí)（例如 CNN）可用于從數(shù)據(jù)中提取特征，然后時間序列 ML 模型可以調(diào)整預(yù)測。

診斷和決策支持工具

預(yù)測性維護(hù)系統(tǒng)通常與其他軟件集成，以簡化調(diào)度和維護(hù)工作流程。例如，與計算機(jī)化維護(hù)管理系統(tǒng) (CMMS) 集成可讓您通過預(yù)測性見解通知調(diào)度。通過及時實施建議，可以避免停機(jī)并有效利用資源。

反過來，與資產(chǎn)管理平臺的集成可以幫助您進(jìn)一步優(yōu)化資產(chǎn)生命周期。通過使用預(yù)測資產(chǎn)管理工具，可以為不同資產(chǎn)類別提供風(fēng)險暴露評分，可以平衡資產(chǎn)績效與維護(hù)成本。您還可以優(yōu)化供應(yīng)鏈流程，以重新訂購替換、備件或新零件，以及執(zhí)行糾正措施的資源調(diào)度。

預(yù)測分析輸出還可以轉(zhuǎn)化為根本原因分析 (RCA) 工具，以幫助技術(shù)人員調(diào)查導(dǎo)致性能下降或資產(chǎn)故障的根本問題。

最后，預(yù)測模型作為更先進(jìn)的決策支持系統(tǒng)的基石，可以實時推薦（有時自動應(yīng)用）特定的維護(hù)或性能調(diào)整操作，即規(guī)范性維護(hù)解決方案。

巨視安防

預(yù)測性維護(hù)用例的類型

ML 和 DL 啟用了新的分析領(lǐng)域，使用更廣泛的參數(shù)和數(shù)據(jù)類型組合。與早期的數(shù)據(jù)分析系統(tǒng)不同，基于 ML 的解決方案可以交叉關(guān)聯(lián)來自不同來源（例如振動傳感器、熱成像和油監(jiān)測系統(tǒng)）的數(shù)據(jù)，以提供更豐富的運(yùn)營見解。

根據(jù)條件，所有預(yù)測性維護(hù)用例可分組為：

l間接故障預(yù)測

l異常檢測

l剩余使用壽命估計

這三種類型之間的差異歸結(jié)為數(shù)據(jù)輸入/輸出、應(yīng)用方法和交付結(jié)果。

間接故障預(yù)測

故障機(jī)制很復(fù)雜，因為有多種因素在起作用——化學(xué)暴露、使用頻率、正確利用等。一些故障也會發(fā)生得相當(dāng)快，如應(yīng)力腐蝕開裂。

預(yù)測性維護(hù)工具可根據(jù)不同的性能變量、操作條件、運(yùn)行歷史和過去的維護(hù)操作來估計故障的可能性。機(jī)器學(xué)習(xí)算法通常會根據(jù)上述因素的組合來分配風(fēng)險評分，以提示何時可能發(fā)生故障。

波音公司部署了一個預(yù)測性機(jī)器學(xué)習(xí)模型，用于檢測液壓擾流板動力控制單元中可能導(dǎo)致飛機(jī)停飛事件的早期腐蝕跡象。該模型基于來自飛行傳感器數(shù)據(jù)和維護(hù)記錄的超過 2000 億個數(shù)據(jù)點進(jìn)行訓(xùn)練。當(dāng)兩根冗余銅線中的一根腐蝕到開路故障的程度時，它可以高精度地檢測出來。這對波音公司來說是一個很大的優(yōu)勢，因為機(jī)載飛機(jī)系統(tǒng)只有在兩根電線都發(fā)生故障時才會發(fā)出警報。

在石油和天然氣行業(yè)，間接故障預(yù)測有助于確保更好的石油鉆井平臺維護(hù)。例如，預(yù)測性維護(hù)系統(tǒng)可以處理來自鉆井設(shè)備的調(diào)節(jié)數(shù)據(jù)（振動水平、溫度變化、腐蝕性液體存在、過去的維護(hù)），以發(fā)出有關(guān)可能出現(xiàn)故障的警報。有了這樣的預(yù)見，鉆井平臺操作員可以優(yōu)化備件交付，以避免運(yùn)營中斷。

在電力和能源領(lǐng)域，故障預(yù)測有助于延長風(fēng)力渦輪機(jī)和變壓器的資產(chǎn)壽命。通過結(jié)合控制系統(tǒng)日志、潤滑系統(tǒng)數(shù)據(jù)、振動分析以及無人機(jī)捕獲的葉片和塔架數(shù)據(jù)，操作員可以檢測到磨損的早期跡象，從而最 大限度地減少停機(jī)時間并最 大限度地提高能源產(chǎn)出。

異常檢測

異常檢測是預(yù)測性維護(hù)解決方案的另一項重要功能。在這種情況下，算法經(jīng)過訓(xùn)練可以檢測出任何與“正?！辟Y產(chǎn)概況的偏差，這些偏差表明可能存在故障、缺陷或性能下降。異常檢測為團(tuán)隊提供有關(guān)損壞或停機(jī)風(fēng)險的“早期預(yù)警”，從而可以更快地進(jìn)行干預(yù)。

工業(yè)鍋爐和壓力容器等資產(chǎn)的維修比更換更具成本效益。然而，微小的裂縫很難發(fā)現(xiàn)，尤其是當(dāng)它們開始在內(nèi)部擴(kuò)散時。然而，可以檢測到的是它們存在的跡象，例如壓力或流速的降低。

一家石油公司實施了基于狀態(tài)的監(jiān)控解決方案來跟蹤其熱交換器的性能。該系統(tǒng)實時監(jiān)控設(shè)備溫度、碳?xì)浠衔锪魉佟毫推渌麉?shù)，以檢測泄漏的早期跡象。在測試階段，PdM 系統(tǒng)檢測到反復(fù)出現(xiàn)的異常，從而立即檢查并更換了幾個老化的熱交換器。這為公司節(jié)省了數(shù)千美元的直接和間接成本，例如監(jiān)管調(diào)查和破裂時的聲譽(yù)損失。

剩余使用壽命 (RUL) 估計

RUL 表示距離資產(chǎn)需要維修或更換還剩多少時間。根據(jù)資產(chǎn)類型，RUL 可以使用行進(jìn)距離、執(zhí)行的重復(fù)周期或自開始使用以來的時間等參數(shù)來定義。

如果受監(jiān)控資產(chǎn)以可預(yù)測的方式退化，則可以使用機(jī)器學(xué)習(xí)算法根據(jù)傳感器數(shù)據(jù)建立準(zhǔn)確的估計值。該算法可以不斷將資產(chǎn)性能與其“正常”基線進(jìn)行比較，以警告早期惡化跡象。根據(jù)數(shù)據(jù)可用性，當(dāng)前兩個數(shù)據(jù)集不可用時，RUL 模型可以根據(jù)終身資產(chǎn)數(shù)據(jù)、運(yùn)行至故障數(shù)據(jù)或規(guī)定的閾值退化值進(jìn)行訓(xùn)練。退化模型通過預(yù)測條件指標(biāo)的閾值交叉來估計 RUL。

您可以通過確定不同類型的跟蹤資產(chǎn)的主要故障指標(biāo)來為 RUL 模型構(gòu)建適當(dāng)?shù)臄?shù)據(jù)集。例如，Novity 高級交付經(jīng)理Preston Johnson 表示，油分析、聲發(fā)射和超聲波測試數(shù)據(jù)可以為估算化工廠離心泵的 RUL 提供最 佳數(shù)據(jù)。

在采礦業(yè)中，RUL 模型通常用于預(yù)測露天礦場運(yùn)輸卡車發(fā)動機(jī)的剩余使用壽命。由于車輛經(jīng)常暴露在惡劣的條件下，因此需要更頻繁地進(jìn)行維修。RUL 模型可以根據(jù)以下數(shù)據(jù)點進(jìn)行訓(xùn)練：

l發(fā)動機(jī)溫度波動

l燃料消耗率

l發(fā)動機(jī)振動水平

l油品質(zhì)量和污染物存在

使用在已知條件下收集的傳感器數(shù)據(jù)，訓(xùn)練 RUL 模型來預(yù)測發(fā)動機(jī)接近故障時這些指標(biāo)如何變化。例如，隨著發(fā)動機(jī)部件的退化，模型可能會將振動強(qiáng)度的增加與燃油效率的降低識別為即將發(fā)生故障的跡象。

巨視安防

結(jié)論

預(yù)測性維護(hù)簡化了資產(chǎn)健康狀況分析，為操作員提供對性能惡化、結(jié)構(gòu)可靠性和故障風(fēng)險的實時預(yù)測。借助早期預(yù)警，操作員可以優(yōu)化計劃的維護(hù)停機(jī)時間窗口，減少因故障導(dǎo)致的計劃外停機(jī)時間，并提高員工的工作效率。

然而，預(yù)測性維護(hù)計劃的成功在很大程度上取決于數(shù)據(jù)的可用性。特別是，如果我們談?wù)摰氖潜O(jiān)控橋梁、水壩、儲罐或管道等大型工業(yè)資產(chǎn)。在這種情況下，傳感器和物聯(lián)網(wǎng)部署可能并不總是具有成本效益，而由于檢查的復(fù)雜性，手動數(shù)據(jù)收集非常耗時。

我們的目標(biāo)是利用我們的工業(yè)檢測無人機(jī)解決這一挑戰(zhàn)。Voliro T可在幾分鐘內(nèi)部署，使用一系列可互換的有效載荷（超聲波傳感器、EMAT、DFT 儀表、防雷系統(tǒng)測試工具包和脈沖渦流儀表）在高空收集 NDT 數(shù)據(jù)。以更少的人員在 2 倍的時間內(nèi)收集可靠的資產(chǎn)狀況數(shù)據(jù)，以獲得預(yù)測性維護(hù)計劃中缺失的見解。