下载掌阅APP，畅读海量书库
立即打开
预防维修设备的数字化可以优化设备维修周期、寻求高性价比设备备件、保障设备维护维修质量、探索优化设备维护维修效果的方法、积聚和传承设备维护维修知识。
预防维修（定期维修）是目前主要的设备维修策略，其中有很多是难以掌握设备状态的重要设备，受生产过程的复杂性及设备安全性要求的影响，预防维修设备的维修周期在设定上一般都比较保守。如某设备原来的更换周期是1年，在使用中由于某一次意外，设备在9个月时发生了故障，如果分析不出故障原因，可能就会将更换周期缩短到9个月，而且以后会一直以9个月的周期进行更换维修。当然也有因为设备维修费用压缩，延长设备更换周期的，但由于缺乏必要的依据，在设备管理者提心吊胆的同时，设备故障还是会不可避免地发生。因此，预防维修设备的数字化是非常必要的。
对于预防维修设备来说，在设备上 增加设备状态监测装置 ， 使预防维修设备转化为预知维修设备 ，这对可监测设备来说是可行且有效的，也是设备运维的发展趋势。但对于一些难以监测状态的设备，或者价值不高但重要性较高的设备，采用预防维修方式仍不失为最经济的设备维修策略。
对于预防维修设备，有必要通过设备的数字化来优化设备的维修周期，从而在保障安全的基础上最大限度地延长设备维修周期。在预防维修模式下可引入可靠性维修、FMEA（失效模式和影响分析）等方法，因为它们具有良好的应用效果和价值，在智能运维模式下也有必要加以继承和发展。
预防维修常常被称为定期维修，这可能是引起大家对预防维修就是按规定时间间隔进行维修误解的原因。在很多场合，预防维修其实是按设备有效运行次数或里程等实际工况来判别设备是否需要维护或维修的，如平常汽车的保养，一般以行驶里程作为是否需要保养的依据。又如航空发动机，发动机的保养周期不仅与飞行里程、起降次数有关，还与起降地的空气中含尘量等气候条件有关，通过这些数据的统计分析，确定航空发动机的最佳维护时间。这种方法是通过大量的数据积累后挖掘和优化出来的。在某些场合，飞机发动机的这种维修方式被称为预测维修，实际上这种方式是FMEA的应用，因此本书将这种维修策略归在预防维修范畴。
可见，预防维修不都是简单地按时间周期进行维护维修，而是根据具体情况分为三种类型。
一般情况下，负荷和工作时间相对稳定的，可以采用定期维修的方式。以汽车为例来说明，运行工况稳定的车辆（如公交车、出租车等），每天的运行里程基本稳定，那么可以按确定的时间进行保养维护。
负荷相对稳定，但工作时间不稳定的，可以参考设备工作时间来确定设备维护维修的周期。同样以汽车为例，如私家车等载荷、路况相对稳定，但行驶时间不确定的车辆可按行驶里程进行维护和保养。这类设备类型较多，如高压开关寿命与动作次数直接相关。
对于运行时间及负荷均不稳定的设备，需要根据设备负荷累计情况及历史数据来确定合适的设备维护维修周期。如对一些特种车辆、载重车辆等，由于工作负荷和里程都是不确定的，因此按吨·公里数（即每吨货物运输的距离）进行维护保养更为合理。对于工况复杂，影响设备寿命因素较多的设备，需要采用FMEA方法。利用FMEA对影响设备寿命的各项要素进行分析，并获取相应的数据，并按这些数据的分析结果合理安排维修时间。
预防维修设备数字化的方法与事后维修设备的一样，由于涉及的设备、部件种类繁多，本书同样无法给出标准答案，需要设备运维管理者根据设备运维的需要来制定数字化要求。这里也只能给出一个通用的思路与方法。
我们可以将预防维修设备的数据分为4部分。
设备的基础数据与事后维修设备的要求基本相同。主要为设备、部件的名称、类别、型号、规格、生产厂家、生产日期、批次号、采购价格等。在很多企业，预防维修的备件中有不少修复件，需要在基础数据中增加修复厂家、第几次修复等数据。这些数据应统一由设备责任者负责提供并输入数据平台。这些数据（如不同厂家的电机的正常使用寿命可能有较大区别）不仅与预防维修的周期优化有关，还是设备备件整体优化选型的数据基础。
设备安装数据主要有安装时间（开始使用时间）、安装位置或设备编码、安装参数
，这些数据大部分应该由设备维修人员提供，并经点检人员确认补充后进入数据平台。
设备运行数据对预防维修中的三类设备的要求各不相同。
1）对于按照固定时间周期进行维护的设备，无须采集详细的运行数据，条件允许时可采集表明设备是否正在工作的信号（例如电机的转速或电流等），并结合设备的工作指令信号来监控和判断其工作状态。同时，需要明确维修时间周期，以便确定下一次维修的时间。
2）对于按设备累计运行时间进行维护维修的设备，除了需要记录预期的运行时间或预期的动作次数数据外，还需要记录实际运行时间或实际动作次数，以便确定下一次维修的时间。
3）对于按设备的负荷强度确定维护维修时间的设备，需要记录实际运行时间及运行强度数据，以及相应的影响设备寿命的工况数据，以便确定下一次维修的时间。
对于设备寿命影响因素较多的设备，需要分析影响设备使用寿命的各种参数，将这些参数进行记录，形成设备数据库。如影响航空发动机寿命的参数有飞机载重量、起降次数、航行里程、起降地气候和含尘量、飞行中飞行姿态变化量、特殊气候影响等多种参数，从而确定发动机的最佳维修周期。与状态监测数据不同的是，获取的这些参数并不能直接反映设备的状态，而是通过这些参数的累积影响来判断设备是否已到最佳的检修周期。
负荷变化大且难以监测设备其状态的设备，或者检查设备状态需要将设备解体的设备等一般是企业中的关键设备。解决这些设备的运维问题可以获得较为可观的效益。这类设备有航空发动机、炼钢钢包、盾构的传动挖掘机构等。运行数据以系统自动获取为主，不能自动获取的需要安排责任人进行记录或复制。
由上可见，确定预防维修设备3种类型的维修周期所需要的运行数据是不同的，其区别主要在于获取设备工况数据的要求。3种类型设备计算预防维修周期所需的数据如图4-2所示。
维护维修的结果数据与事后维修设备的维修数据要求不同。事后维修的设备在维修时已经处于故障状态，而预防维修的设备基本处于可正常运行的状态。因此在维护维修时需要检查设备或部件的劣化或磨损程度，以判断其剩余寿命。一般情况下，预防维修设备是更换易损坏部件，判断部件的劣化程度。开始时都是依靠经验，或者依靠设备相关的设计数据和材料检测分析结果。根据设备的类型的不同，这部分数据应尽可能地数字化，如可以测量磨损量、间隙、剩余厚度、变形度、表面形态等与设备使用寿命相关的数据，必要时可以以照片、视频、录音等作为补充。待同类设备数据积累到一定程度，对经验的依赖性将会降低，可逐步实现更精确的数字化评估。
图4-2 3种类型设备计算预防维修周期所需的数据
在获取了维护维修的结果数据后，设备维护维修工作将进入 更换安装阶段 ，即进入预防维修数据采集的第二阶段，开始一个新的循环。可以将安装数据（新备件）与维护维修的结果数据（使用后的备件）进行对比，包括数据的项次、数据的量值等，选择能够充分表现差异的数据进行重点记录。如果变更了设备、备件的厂家、批号等，都需要在设备基础数据中进行记录。
维护维修的结果数据大部分应该由设备维修人员提供并经点检人员确认和补充后进入数据平台。
在现阶段，一般预防维修设备占设备总数的一半以上，即使到智能运维的高级阶段，按设备特点，钢铁企业中预防维修设备可能占30%～40%，石化企业可能占40%～50%。因此，在整体设备运维工作中，预防维修设备是非常重要的。
为了快速看到预防维修设备数字化的效益，增强设备数字化投资的信心，预防维修设备的数字化工作可以从使用周期较短、维修费用高、价值较高的设备开始入手。这类设备在各行业是不同的。钢铁行业典型的设备涉及钢包、中间包、连铸扇形段、沉没辊、轧辊及支撑辊、连退张紧辊等；石化行业中的典型设备涉及粉碎、混合、萃取、传质、反应等类别。其中一些复杂设备需要采用FMEA方法，以更准确地确定维修周期。