在设备管理方面，传统的设备维护模式总会让工厂经理感到一些问题，定期停机维护、能源浪费、人力成本高昂等等。

事实上，这一系列问题在基于大数据的设备预测性维护模式中都可以解决。设备在生产过程所产生的数据要多于任何其它来源产生的数据，以这些数据为基础，从策略层面来实施维护流程，那么工厂设备管理人员就可以实现“预测性维护”——将维护技术与从不同设备和机器上得到的各种信息关联起来，从而可以实现按需完成预防维护工作。

这样不仅可以降低停机时间，提高产量，还能消除在不必要的维护上所花费的时间和资源。

通过实施预测性维护，而不是应对性维护，可以降低设备整个生命周期内的费用，这样大多数的生产设施都有机会大幅提升它们的盈利水平。这有助于优化能源利用，减少设备停机，以及获得在其它方面的提升。

■ 网络、智能设备、以及采集、监视和分析的数据是预测性维护流程的基础

√为什么需要预测性维护？

设备预知与预防保养已经成为工业4.0不可或缺的一个环节，设备预测性维护模式将帮助企业设备管理从过往的消耗毁损更换、定时保养进阶到预防保养甚至到预知维护。摆脱设备无预警的因为磨损而停机，避免配件仍可使用但却因为定时更换造成额外的浪费。

按照实际需要，对设备和机器进行预测性维护，与定期维护相比，在频率上会差异。

利用网络、互联设备等基础设施所产生的数据，来处理诸如能源利用效率、温度、产量等事项，运行人员和工厂经理可以判断哪些设备运转正常、哪些设备可能要出故障。运行人员和工厂经理就可以据此做出决策：何时进行维护、安排设备离线，或者在当前的条件下，安排某些设备持续运行。

当某些设备不能满负荷运行、但是其输出仍可以保持在正常变动范围之内时，工厂生产设施经理就可以利用预测维护，避免“事实”上的停机。

√大数据是预测性维护的基础

网络、互联设备、以及采集、监测和分析得到的数据（通常被称之为大数据）是预测性维护流程的基础。这些数据基础设施以及数据驱动的智能信息，也就是我们正在热议的物联网（IoT）。工厂经理和运行人员可以根据物联网所提供的数据和信息，将工厂切换到预定的预测维护模式。

预测性维护可以利用很多种类型的数据，包括设备运行时间、温度、能源利用、产出以及更多其它数据来改善决策的制定和运行。

比如，在某个工厂，一台空压机可以连续运行，维持稳定的生产，但是在其出故障前，用电量会大幅飙升。这样通过监视机器（智能电力传感器）产生的电能源消耗数据，当监测到能源消耗飙升时，运行人员就可及时进行干预，从而避免停机。

必然趋势

跳脱传统故障维护模式

迎向设备预测性维护模式

经过综合考虑的预测性维护程序，可以为工厂运行带来显著的收益。有效利用预测性维护的工厂和设备经理，可以获得可观的运行收益以及竞争优势。

▼ 永泰隆在“设备预测性维护”领域推出：

SSGo智能电力传感器

设备智能联控系统

永泰隆SSGo智能电力传感器-设备智能联控系统，集电力计量、数据采集、实时监测、分析预知、安全告警、远程管控于一体，以实现设备预测性维护。

透过智能电力传感器，永泰隆提供完整的设备监控管理解决方案，可广泛应用于各类用电电器、机电设备维护管理。