预测性维护让工业资产更具“韧性”
在我们的日常认知中，“预测”似乎带有某种玄幻色彩。但在工业领域，设备资产的预测却是切实可行的。
预测性维护借助数字化技术深度分析数据，将人员、过程和技术结合在一起，预测工业资产的未来状态，并及时做出更明智的决策，从而提高设备的性能、运行时间、产品质量和劳动生产率。
随着国内工业企业的成长和科技演进，企业对设备资产的需求逐渐由“静态”关注台账和设备全生命周期跟踪管理，转向“动态”监测设备实时状态，减少非计划停车。这种需求的变化也促进着认知的转变：它将工业人的思维方式从被动、手动管理的运营，转变为更具预测性、规范性和主动性的预测性运营。
料事机先、让设备数据“活”起来
通过数字化手段进行设备预测的基础是日积月累的设备数据。“如今，有很多工业企业都会对设备实时运行数据进行采集，但这些数据被分散地储存在各个工厂里，在设备运维中真正被利用起来的却少之又少，如果将他们深度加工，其价值远不仅限于此。”霍尼韦尔中国互联工厂业务总经理吴东华如是表示。
霍尼韦尔资产管理解决方案
在具体的应用中，该方案服务于设备健康监控，资产管理和预警等多方面，可以兼容多个厂商的设备和系统，解析数据并进行实时监测设备的运行状况、能耗情况，从而为用户提供一个可访问企业全类型资产的访问环境。
不同于现有的手动主观评估方式，霍尼韦尔资产管理解决方案基于系统数据，将操作员的行为和操作有效性与工厂绩效紧密联系在一起，降低生产的各个环节的风险，预测并防止灾难性的情况发生，确保生产安全无虞。值得一提的是，通过人工智能模型“训练”，该服务可最大限度激活数据，根据相关指标为用户提供相关优化建议，助力用户做出科学决策。
据麦肯锡公司发布的数据显示，基于人工智能的预测性维护可以将可用性提高多达20%，同时将检查成本降低25%，并将年度维护费用降低多达10%。
认知提升、实现预测维护“三个零”
不难发现，借助于大数据和人工智能等手段，数据可以进行更高层次的提炼和加工，从而发挥出我们意想不到的价值。对于工业企业而言，开展预测性维护也是数字化转型的必经之路。
在石油石化行业，霍尼韦尔将预测性维护与霍尼韦尔UOP的工艺技术相结合，对正常装置和设备进行性能监视分析。
以裂解炉的结焦预测为例
通过裂解生产乙烯的过程中会发生结焦，随着结焦过程的加剧，裂解炉需要进行周期性停料清焦，严重影响裂解炉的正常运行，造成经济损失。通过预测性维护，用户可实时监测裂解炉状态，提前进行工艺处理，防止事故的发生。
再以换热器为例
常用换热系统大多以水为载热体,由于某些盐类物质会从水中析出, 附着于换热管表面形成水垢。年深日久，积垢层逐渐变厚、变硬，严重影响换热器性能。通过预测性维护，可以使换热器的换热效率保持在一定范围之内，在提升效率的同时，也促进了节能减排。
结合先进企业的应用案例经验来看，预测性维护需要与企业生产密切结合，实现“三个零”愿景，即零手动，零距离和零备机。
“预测性维护在国际上已被广泛接受和认可。国内的一些领军企业已在进行工业资产的生命周期跟踪管理，但依然缺乏在设备运行中进行实时的性能预测。”吴东华坦言，在国内开展预测性维护存在阻力。随着相关科技的发展，国内用户对预测性维护的认知提升，相信这项服务会在中国逐渐打开局面。
