为了减少一家领先的《财富》500强制药客户的计划外停机时间，高纬物业服务公司(Cushman & Wakefield, C&W)从传统的基于路径的状态监测程序转向了基于无线和人工智能(AI)的预测维护(PdM)程序。技术的转变不仅减少了计划外停机时间，而且更好地利用了资源，对资产状况有了更深入的了解。以下是C&W Services如何应对挑战并找到解决方案。

背景

C&W服务是一家综合性设施服务和管理公司，在北美为600多家客户提供超过6亿平方英尺的维护服务。它将客户的维护实践从反应式转变为预测性。其中一个客户是一家《财富》500强的大型制药公司，拥有超过350个关键资产，包括空气处理机组(AHU)、冷水机、排气扇和压缩机，分布在40栋建筑中。C&W服务公司使用了手动巡视程序，其中手持数据记录器每30天收集一次数据，并将其发送给第三方进行分析。

挑战

虽然走动项目最初看起来很有前景，但它存在一些挑战，使得它难以实现站点的可靠性目标。其中包括:

1.计划外停机:不频繁的数据收集导致在每月巡视周期之间发生故障。即使拥有训练有素的员工队伍，故障也会迅速发展，难以及时发现，导致意外停机。

2.资源限制:像许多设施一样，制药公司有太多的资产，人工数据收集无法有效，需要更多的人。读数通常由不同的人进行，这导致了数据收集的不一致。

3.安全和无障碍问题:一些装有关键机器的区域对收集数据的技术人员构成了危险。有一些资产，如ahu，因为它们在金属结构和笼子后面，所以不容易使用。

4.可变操作条件:ahu的运行参数经常被修改，以适应外部天气条件。这些可变的操作条件导致了不准确的结论和不完整的图像。例如，不同的操作条件使其不可能随时间变化。

所有这些因素导致了研究设施200马力AHU的灾难性故障。除了停机时间外，该制药公司仅维修成本就高达3万美元。

目标

AHU的灾难性故障和走动计划带来的限制促使C&W Services评估市场上可用的无线PdM解决方案。其可靠性工程师团队制定了以下标准:

1.持续监控关键资产:这允许更频繁的数据收集，以避免在数据收集周期之间出现机器故障。该团队正在寻找一种能够实现自动化的技术，并消除可变操作条件、读数一致性和人力短缺带来的挑战。

2.获取实时数据洞察:随着工业物联网(IIoT)和机器学习功能的出现，该团队正在寻找一种系统来帮助实现异常检测功能，并访问实时数据洞察和诊断。

3.人员的安全和生产力:为了消除与走动过程相关的危险，并将手工劳动重新分配到更有生产力的活动中，该团队希望使用无线传感器进行数据收集。

4.安装简易:PdM系统必须易于部署和快速实现，而无需将传统传感器连接到设备或承担任何定制信息技术(It)项目的费用。

解决方案

经过全面评估，C&W Services选择了工业物联网预测维护初创公司Petasense，以提供资产可靠性和优化(ARO)系统，帮助监控、分析和预测关键工业设备的健康状况。该系统包括无线传感器、基于分析的机器学习以及网络和移动仪表板。

振动微粒

无线、电池供电的三轴振动传感器被称为motes，安装在所有关键的旋转机械上，包括ahu、泵、压缩机、排气扇和冷水机组，以持续监测它们的健康状况。这些颗粒可以检测缺陷，如机器不平衡、轴不对中、结构松动、泵气蚀和轴承磨损。它们可以无线连接到云端，进行高级预测分析。

预测分析

该实现包括使用机器学习和多参数分析来预测机器故障的预测分析。通过结合多个参数，如温度、压力、电流和超声波，可以做出更可靠的预测。工业物联网预测维护系统根据多维基线的偏差为每台机器提供机器健康评分，当评分低于可接受的数字时提供实时通知。这使得C&W Services能够快速识别出有问题的设备。

Web和移动仪表板

ARO系统可通过网络或移动应用程序仪表板随时随地访问。它提供了根据角色定制的基于角色的接口。例如，管理人员只看到最基本的信息，而工程师和分析师得到高度互动的图表和丰富的分析工具。

好处

安装后不久，好处就显而易见了。C&W服务公司在AHU中发现了一个显示高振动谐波的缺陷。调查确定皮带松动和轴不对中。AHU在没有任何计划外停机时间的情况下被关闭和维修，成本比发生故障要低得多。

在另一个AHU上，周振动水平呈上升趋势，但当将实时数据与操作数据并行查看时，很明显，循环是由于正常的工作周变化造成的。C&W Services无法通过定期读数发现这一点，也无法更深入地了解资产运行周期及其对维护的影响。

通过在制药公司的关键设备上实施无线PdM, C&W服务公司能够实现提高可靠性、减少故障和确保人员安全的目标。它的团队能够更好地利用实时、可操作的情报捕捉缺陷。这大大降低了与不必要的反应性维护相关的成本。

另一个巨大的价值驱动因素是安装和实现的便捷性。C&W Services可靠性工程高级总监David Auton表示:“任何设施操作员都可以轻松部署PdM，有效使用它，进行波形和数据分析，并在没有任何正式培训的情况下获得有意义的见解。”

结论

基于人工智能的预测性维护实现帮助C&W Services简化了数据收集，提高了正常运行时间，并降低了非常重要的制药客户的维护成本。

预测性维护是目前工业物联网最大的用途之一。随着无线连接、云计算和人工智能技术的进步，以及传感器成本的降低，人们正转向无线状态监测。设施管理人员使用传统的状态监测已有几十年的历史，但他们开始认识到应用无线技术为客户带来更多价值的好处。