自古以来，人类就是通过使用工具生存和进化的。工具的使用是古代和现代工程进步的基础。随着现代技术的进步，人工智能(AI)、工业物联网(IIoT)和工业4.0等术语现在比故障模式和影响分析(FMEA)和根本原因分析(RCA)等强大的工程工具使用得更频繁。
为了保持与时俱进，现代工程需要拥抱数字时代的快节奏，调整其实践，以跟上工业4.0革命推进的技术突破浪潮。
本文回顾了通过人工智能、分析和商业智能工具重新发现的一些有趣且具有成本效益的工具和方法的例子。通过激发创意，它可以帮助您的可靠性和卓越制造之旅变得更快、更简单、更可持续。
FMECA -赋予您权力的新方式FMEA通过分析
在广泛的选项中，故障模式、影响和临界性分析(FMECA)是一个很好的选择，不仅适用于设计和鉴定步骤，还适用于维护策略、资产管理和设施维护。1临界性(FMECA中的C)提供了基于风险的奖励，允许优先考虑失效模式。注意，C不是资产临界性，而是故障模式的临界性。
虽然FMECA概念并不新鲜，但商业智能工具可以促进FMECA并刷新其使用。使用分析，可以用资产、位置和操作单位过滤数据，计算故障影响概率、模式故障率、故障模式临界性等关键参数。
通过分析资源的自动循环查询提供的方程可以自动计算。因此，计算机化维护管理系统(CMMS)中的多年信息可用于实际使用——远远超出由CMMS数据库下载手动提供的电子表格——只需使用数字工具从维护数据库中获取数据。通过分析，您可以将旧的fmea升级为强大的fmeca。
通过使用CMMS全球其他制造单元数据库中的内部基准数据，可以克服没有可用维护历史的新机械的挑战。这是通过集成图形资源和现在任何通用商业智能工具都可以提供的数学功能来实现的。此外，通过分析的快速学习曲线，所有这些成就都可以在不使用内部人力资源(例如，自动化工程师，可靠性工程师等)的情况下完成。
现代RCFA应用
在任何工业部门，根本原因分析RCA2是所有公司寻求改进其流程的强制性步骤。对于一些高度监管的部门，如制药和生物技术，根本原因分析(RCA)不仅仅是改进，它是一种合规需求。对于要求过程安全的化工行业或环境，RCA有效地避免了问题的再次发生，保证了人员的安全。在强调RCA对任何行业参与者的重要性时，可以举出大量的例子。事实上，这是避免反复故障，从而降低维护成本的最具成本效益的方法。因此，具有健壮工具集的良好RCA计划应该是组织战略的一部分，包括在其培训和发展计划中，是其控制战略的一部分，并且对于任何追求过程卓越的企业来说都是强制性的。
跨职能团队，以及知识渊博的促进者，能够准确地识别根本原因和促成原因，并简化行动计划的设计，以有效地减轻或消除风险。在调查故障时，很少会发现只有一个根本原因。通常，几个根本原因，或者至少一个根本原因及其相关原因在rca中是常见的。在这种情况下，重要的是要记住，如果故障得不到解决，将导致更大的连续故障，从而导致反应性维护的高成本、停机影响和对制造工艺的潜在监管威胁。
然而，随着现代数字资源在设备(例如，数字控制系统{DCS})和工业网络系统(例如，在标准企业资源规划{ERP}系统内)上的可用，通过分析工具进行有效的数据收集和主动使用可以简化调查过程。可编程逻辑控制器(plc)和dcs的审计跟踪每天都在不断发展，为调查提供可跟踪的过程信息。CMMS工单登记填补RCA过程中的空白。甚至监控系统也有机会通过寄存器向RCA查询添加信息。关键是要使用技术来增强您的旧方法，以便为RCA目的收集和处理数据。
调查团队可以使用来自这些数字来源的数据进行更可靠的分析，从而以独特而丰富的角度详细描述故障调查。这些数据可用于为RCA专用软件提供输入，甚至可用于传统工具，如故障树分析(FTA)、石川图等。智能数据与跨职能团队的结合通过捕获更多的故障模式、更少的复发以及更快更有效地部署行动计划，提供了更好的结果和节省。
从设计到维护和操作的可靠性方法
良好的工程方法，结合现代和数字资源，可以持续改进和维持高效的制造过程。多年前，这种学习是高速列车和航空航天制造商的重要突破。他们一直在使用可靠的方法来评估和推进他们的产品和安装。
在各种各样的选择中，由于其健壮性和低成本的实现，最好的方法之一是可靠性、可用性、可维护性和安全性(RAMS)方法。仅通过一些工程方程，就可以以非常低的投资部署ram3.并通过使用分析资源系统地自动化计算。
图1:可靠性、固有可用性和可维护性方程
这种方法最初只是为了设计，专注于特定的细分市场，比如铁路行业，4现在正蔓延到其他领域。铁路行业是使用ram的先驱之一，并逐步取得了令人印象深刻的成果，每年都能生产出更快、更安全的高速列车。
RAMS被广泛认为是设计阶段的关键工具，还可以在资产生命周期的任何阶段进行部署。它扩展到维护项目，为这些制造商带来了卓越的挑战，提高了操作和维护的可靠性。5
RAMS等方法可以有效地将一些无形的可靠性收益转化为有形收益，为资产健康状况和设备性能的假设和见解提供数据。RAMS和其他资产管理方法通过预测设备故障模式变化导致的停机时间，以及更有效的工业投资决策能力，为节省成本创造了机会。
分析加速DDM部署
数据驱动的维护(DDM)是一种降低维护成本的强大方法，一旦它认识到使用数据来驱动维护决策，而不是依赖于基于时间的检查。因此，除了预测技术的强大盟友之外，它还可以改进制造工艺6因为基于数据而不仅仅是见解的决策显然更可靠。
不幸的是，许多公司还没有从他们当前的维护历史中受益，因为他们没有以数据库的方式调整他们的方法。通过AI算法的应用，可以分析CMMS中的数千个维护寄存器(如工作单)，并使用模式识别以类似的方式创建许多资产改进机会。这种方法正在应用于操作优化。
工单在CMMS中记录和存储的方式、使用的关键字、工作持续时间和许多其他参数，都可以利用人工智能算法在工业4.0的视角下处理工单，以提高维护成本。这些来自维护数据的丰富资产信息数据库可以促进系统和安装的重新设计，并彻底改变您维护甚至操作设备的方式。
图2:工业物联网利用利用收益和节省
结论
尽管工业物联网正在迅速发展和传播，但在所有工业流程(主要是在更保守和受监管的行业)获得适当水平的人工智能和机器学习的可用性、可靠性和成本效益之前，可能还有很长的路要走。
然而，新技术的快速发展和应用程序的成倍增加，以降低成本，促进人类的适应性和提高可靠性，工业4.0备受期待的好处可能比你想象的更近。
在这种背景下，传统的工程方法，辅以现代技术和工具，如分析和商业智能资源，必须共同努力，以加快新数字领域的可靠性、维护和卓越运营之旅。
通过基于风险的方法、良好的控制策略以及现代技术与优秀传统工程方法之间的协同作用，工业4.0运动将继续加速发展，带来改变我们生活和推动我们进化的突破。
参考文献
1.陆军部长的行政助理。“陆军出版理事会。”TM 5-698-4:指挥、控制、通信、计算机、情报、监视和侦察(C4ISR)设施的故障模式、影响和关键分析(FMECA)．https://armypubs.army.mil/ProductMaps/PubForm/Details.aspx?PUB_ID=83559
2.国际电工委员会。IEC 62740:2015根本原因分析．https://webstore.iec.ch/publication/21810
3.国际电工委员会。IEC 6170:2016可靠性、可用性、可维护性和维护支持术语的数学表达式．https://webstore.iec.ch/publication/25646
4.国际电工委员会。IEC 62278:2002铁路设施可靠性、可用性、可维护性和安全性(RAMS)的规范和演示．https://webstore.iec.ch/publication/6747
5.Tzanakakis K。铁路轨道及其长期性能；柏林/海德堡:斯普林格出版社:2013年。
6.Stoecker C。数据驱动的预测分析可以改变工厂工程；2016年秋季版智能制造．
