物联网赋能工业生产维护与安全

对可持续性和更高效率的持续需求刺激了工业自动化领域的创新。物联网让先进技术能够迅速融入到工业自动化中。智能全互联工厂让制造商能够提高工艺效率、安全性和可持续性，同时降低成本。

安全和维护对于保持基础设施和设备的功能状态非常重要。维护可保证工业生产力，而定期维护可营造更健康、更安全的工作条件。维护不足或缺少维护可能会导致严重的健康问题和致死事故。本文深入探讨了物联网传感器和软件协同工作的方式，以提供能够促进生产维护和安全性的解决方案。

维护

维护功能不断演变，从对系统故障的响应到计划，再到预测，最后（直到现在）实现自我修复。操作传感器技术的进步结合信息技术的成功，有助于提取实时性能数据。这些技术包括基于云的分析和平台、增强现实（AR）和虚拟现实（VR），总括计划或预测性维护，生产力损失可以忽略不计。

工业维护分为以下几种类型：

安全

在所有生产阶段，例如设计、制造、安装、调整、运行、维护和最终报废，安全系数都至关重要。《机械指令》强制要求制造商保证机械和测试设备（例如，万用表和热成像仪）至少达到最低的安全水平。机器和工具必须符合指令中列出的“基本健康和安全要求”，因此需要提供标准的最低防护水平。

物联网如何为工厂安全和维护做出贡献

实施物联网解决方案可从根本上提高运营效率。物联网通过跟踪性能来提高机器效率，并可提前预测故障。这样，消除了计划外停机时间。工业物联网还可营造更安全的工作场所。投资智能生产和制造系统的行业希望以最少的维护实现可持续的最佳生产状态。这让维护成为重中之重。基于设备状态的监控(CBM)或计算机化维护管理系统（CMMS）、企业资源规划（ERP）和制造执行系统（MES）之类的系统在多个行业中执行维护活动。这些系统提供预防性和预测性维护、维护规划、维护安排、执行、可追溯性和监测之类的功能。e络盟提供了众多领先品牌供应的各种维护、维修和安全产品。使用我们丰富多样的元件、工具和设备，使您的生产车间、机器和安全设备都得到良好的维护。

基于设备状态的监控、预测性维护和物联网

通过观察预定义的设备参数，持续监测CBM中的机器状况。这揭示了可用于指示设备故障的模式。CBM系统监测设备振动、温度变化、油位、电机电压和电流等参数。可以对这些测量数据进行分析，以生成适当的行动方案。

物联网技术让制造商和用户能够以更低的成本轻松解决技术问题。仪表传感器现在更便宜、更坚固、更可靠，并可提供更广泛的功能。强大的无线协议允许将来自传感器的可操作数据整理到本地网关中，以便立即进行分析和过滤。如下图所示，随后可以通过互联网将其传输到云计算资源，由其为各种规模的用户提供软件即服务。此类软件可以存储数据并执行所有必要的分析，以确定趋势并识别潜在的故障点。

一旦这些参数可用于分析，即可构建一个故障模型来找出与这些基准的偏差。如果已知指示故障的参数值组合，则设置起来非常简单。可以定义一组故障条件规则，并使用经典数据分析和数学来构建正确的模型。但是，如果未充分了解故障的原因，则将需要利用数据科学和机器学习来开发能够发现数据中的重要模式的算法。

图1 通过物联网平台进行预测性维护

利用物联网提高工厂安全保障

改进维护等同于提高工厂生产力。如果工厂经理履行其优化现场安全的法律和道德义务，则可以进一步提高生产率。物联网技术与大数据分析相结合，可以实现工厂安全保障。可以监控多种KPI，例如员工缺勤、车辆事故、财产损坏、未遂事故、受伤或正常日常运营期间发生的任何损失或损坏。

通常，如果仅靠人工报告，其中许多指标可能会成为“漏网之鱼”，因为它们要么未被报告，要么报告不足。物联网通过确保对这些关键领域的实时洞察，实现更好的整体安全性。出现的任何问题都能立即得到解决，确保遵守健康和安全法规并解决环境问题。

工伤就是一个很好的例子，因为经常不会报告轻伤。有时，它们会逐渐发展成更大的问题，但难点在于如何才能将更大的问题与过往事件联系起来。

物联网可穿戴设备可以为这个问题提供解决方案，因为将会持续地监测员工的各种健康指标，包括心率、运动、活动、疲劳、压力等。它们还将提供一种沟通重要安全信息的方法，从而降低责任保险成本并提高整个员工队伍的合规性。

数字标签还可以帮助追踪员工。标签技术专门针对采矿等高风险行业，让管理层能够确切地知道谁在工作现场、他们在那里工作了多长时间，并确保在紧急情况下没有人被遗忘或掉队。

专业预测性维护传感器

专业传感器还可以深入洞察工厂状况和任何正在显现的问题。与工人安全相关的物联网技术不仅监督工人，还监督他们的直接生态系统。建筑工地和矿山等户外工作场所涉及各种可能危及工人的环境因素。热呈像仪和物联网传感器可以检测即将到来的恶劣天气条件和极端温度。这些信息可用于警示工人注意这些危险。运动跟踪器就是专业预测性维护传感器的一个极好示例。当员工靠近危险区域（例如，不稳固或易打滑的地面）时，它们会发出警报。

人工智能对预测性维护的贡献越来越大

与基于状况的维护相关的另一个术语是预测性质量和维护（PQM）。PQM解决方案利用从物联网和传统老式系统收集的数据。它们专注于事先检测并解决质量或维护问题，以免它们发展成导致停工的严重问题。

PQM解决方案利用算法并生成平均统计数据来预测何时需要质量校正或维护。基于人工智能的 PQM解决方案整合多种技术，包括机器学习、深度学习和认知计算。

结语

要了解物联网的真正价值，就必须从资产管理的整体角度出发。物联网技术拥有众多现场中心，这些中心与整理数据并执行复杂分析的系统相连接，为实时了解工厂状况提供了新的视角。高性能虚拟云网络持续收集、聚合和建模数据，以预测故障。应急措施准备到位，以限制对系统可用性的影响。物联网提高驱动成本和资产可靠性的关键是向最终用户或联网系统提供实时、可操作和智能的数据。工厂欢迎更新、更高效的维护可能性，通过不断增加正常运行时间来保持竞争优势。

（本文来源于《EEPW》202407）