對于設備檢修方法，可以分為：

• 故障式（大故障能夠處理）

• 狀態式（小問題及時發現）

• 預測式（預測故障發生的趨勢）

過去，我們最多只能做到狀態式，對于預測式方法是“渴”望而不可及，但在未來的 “物聯世界”，有些改變正在逐步發生。

物聯網和大數據技術的發展為人類實現了與設備之間的無界溝通，每個設備不再是冷冰冰的機器，而是一個能夠通過網絡連接，實時傳輸內部數據的網絡節點。設備在交付使用之后，提供商可以提供持續的運行狀態監測服務，通過對設備數據的分析，為設備運行和故障檢修提供優化的作業安排。

設備故障分析預測項目案例圖

另一個預測性維護的案例

海恩法則是飛機渦輪機的發明者德國人帕布斯•海恩提出的一個在航空界關于飛行安全的法則，該法則指出：每一起嚴重事故的背后，必然有29次輕微事故、300起未遂先兆以及1000起事故隱患。

今天，我們已經能夠制造出各種用途的大型設備，如噴氣式飛機的渦輪機組等。這些龐然大物的制造過程十分復雜， 因此在產品交付之后必須進行經常性的維護檢修，保障其穩定，一旦出現異常，則損失巨大。

時至今日，大家在乘坐飛機出行時，還會經常遇到因設備故障導致航班延誤或取消的情況。且無論多小心，也可能會有空難之類的事情發生，為無數家庭蒙上消之不散的陰影。

隨著工業4.0時代的到來而，由于突發性的故障問題導致的航班延誤事件大量減少。內置傳感器和通信網絡的互聯會讓大數據分析平臺獲得設備內部的實時數據， 一方面與歷史故障數據進行模式匹配，另一方面與同批次的設備進行橫向對比。由此，異常點將會被及時發現，并提前對航班計劃進行調整。

為了應對突發的設備故障問題，公司往往需要準備大量的配件庫存。而在未來，這種情況同樣會大幅改善。預測性維護時代的到來，將有可能造就零庫存的業界神話。一家生產飛機零部件的大公司在采用其提供的預測性維修系統后，庫存費用節省了200萬美元，在生產流程方面縮短了 25%的時間，降低了 30%的組裝庫存水平，并減少了 40%的加班費用。

設備故障分析及預測解決方案介紹

結合設備故障、設備維修情況、備件出入庫情況進行數據分析，以優化設備維修、維護計劃和備件采購計劃，降低設備維護成本，減少維修給生產、管理帶來的損失。

設備故障分析及預測主要功能

解決方案架構

搭建完整的設備數據分析體系構建預測分析模型

解決方案架構

設備問題的處理，傳統的應對是“反應式”的，也就是發現故障再進行處理。就像處理人體的健康問題一樣，大病大治，小病小治，對癥下藥。而如今，我們更需要的，是預測性維護，預防為主，防治結合，綜合治理……