工业资产纠正性维护指南

工业资产也难逃墨菲定律的魔咒：即便是最可靠的设备也有可能随时发生故障。每年都会发生超过636起管道事故，每台风力涡轮机都会发生8.3 次故障。

纠正性维护 (CM) 是解决这一恶性循环的良方。及时评估和早期干预可降低彻底故障和长时间停机的风险。另一方面，将纠正措施排除在维护合同之外的公司可能会面临30% 以上的意外成本。

了解有效的纠正性维护策略的关键原则以及如何利用新兴技术优化流程。

什么是纠正性维护？

纠正性维护涉及识别、修复或更换故障资产，使其恢复正常运转，以避免损害加剧并最 大程度地减少停机时间。这是大多数组织的标准方法，占所有运营和维护 (O&M) 活动的60%。

通常在以下情况下启动纠正性维护：

l有明显的损坏或损坏迹象

l例行检查发现潜在损害

l资产监控系统凸显问题

例如，防雷系统测试发现导体存在故障——系统必须更换。无人机手机信号塔检查发现塔架上的保护涂层变薄——团队计划重新进行油漆作业。

纠正性维护与反应性维护

纠正性维护和反应性维护这两个术语经常互换使用。虽然这并不完全准确。反应性维护始终是计划外的，涉及意外的资产故障，导致运营中断，并要求所有人尽快就位。

而纠正性维护则涉及处于运行状态但出现故障早期迹象的资产。因此，如果问题对安全或合规性并不重要，则可以计划、取消甚至推迟纠正性维护。

纠正性维护与预防性维护

纠正性维护处理刚出现的问题。预防性维护 (PM) 旨在将故障概率降至最 低。

纠正性维护和预防性维护之间的第 一个区别是它们的目的。预防性维护需要定期监控资产健康情况、主动解决问题和分析根本原因。相比之下，纠正性维护优先解决紧急问题，旨在快速恢复运营。

预防性维护和纠正性维护也有不同级别的规划。预测性维护需要按照预定的时间间隔进行定期检查和维修。在流程方面，这需要不同团队之间进行更多协调，以确保及时订购零件、派遣技术人员并优化停机计划。

使用 CM，您可以减少事前规划，而更多地关注当前的问题。问题根据确定的优先级分数进行处理，有些问题会推迟到下一次计划停机。

成本是最终的区别。由于预测性维护需要频繁检查和持续监控，因此您需要投入更多前期资金。但是，通过在早期阶段解决问题，您可以节省更多，这意味着停机时间更少，资产使用寿命更长。对于 CM，情况正好相反：您在初始维护上花费较少，但以后可能需要处理更大的维修和不可预见的故障。

纠正性维护的类型

根据缺陷的严重程度、事件影响以及资产或其组件的关键性，采用不同类型的纠正性维护策略。

当重大故障可能破坏其他组件/资产或严重损害技术人员、当地居民或整个环境时，就会发生紧急纠正性维护。根据损坏程度，这可能意味着立即修复、隔离受损资产或彻底检修。例如，在最近发生管道火灾后，Energy Transfer 必须立即开始修复，以恢复附近数千个受影响家庭和企业的电力供应。

一旦发生故障，立即进行纠正性维护，以最 大限度地减少停机时间并防止附带影响。这也可能是遵守法规的必要部分。例如，Enbridge 在其破裂的管道泄漏了约6600 万立方英尺的天然气后收到了政府的修正纠正措施命令。维护包括关闭硬点、空中和地面泄漏检查。

延期纠正性维护涵盖对低影响缺陷的管理，其中维修可以推迟到计划的工厂关闭。同样，运行至故障方法将维修和更换推迟到确定故障为止。这种方法最适合易于更换的非关键组件/设备。

最后，有条件纠正性维护是最接近预防性维护的类型。当状态监测系统或检查团队检测到性能下降或性能损失的早期迹象时，就会进行有条件维护。如果无法立即解决问题，这种类型的维护也可能被延迟。例如，在开始任何维修之前，必须先将火炬塔充分冷却，这通常需要初步协调以尽量减少运营影响。

纠正性维护的优点

纠正性维护具有几个不可否认的优点：

l关注即时结果：纠正性维护专注于直接影响您运营的关键问题，将根本原因分析推迟到以后。对于复杂资产，紧急修复可以在几天内完成，而根本原因调查则需要数月时间。CM 为 O&M 经理提供了额外的时间来决定下一步最 佳行动。

l非关键资产的成本效益。外观修复、部件更换和其他小修小补比重大结构修复更容易、更便宜。对于非关键设备，这些可能足以确保在下一个更换周期之前正常运行。

l可预测的停机时间。计划的纠正性维护安排在计划停机时段和/或非高峰时段，对运营效率的影响最小。这种方法还可以更好地分配资源，因为某些任务可以推迟到下一个计划停机时段。

l延长资产使用寿命：如果在发现问题后立即维修和更换故障部件，纠正性维护可以延长资产的使用寿命。例如，在发现涂层脱落后，重新涂漆比事后处理腐蚀问题更简单、更便宜。

然而，不可否认的是，纠正性维护也有一些缺点。纠正性维护策略无法提供任何有关资产退化或性能损失的运营预测。

此外，由于某些纠正措施并不重要，一些公司可能会为了其他优先事项而省下这些措施。虽然这不是最 好的策略。PG&E 的案例是一个警示故事：该公司因不断推迟 170,000 条电线的维修而面临80 万美元的罚款

优化纠正性维护策略的 3 种方法

越来越多的纠正性维护任务积压最终会演变为计划外的被动维修，从而大幅增加成本和运营影响。新技术可以帮助避免这种情况。

将部分运维流程数字化和自动化的公司可降低20-30% 的成本，并显著提高生产率。尤其是巡检无人机、物联网设备和机器学习系统，它们正在帮助资产管理者改进资产维护策略。

利用检测无人机简化无损检测

无损检测 (NDT)可提供有关资产健康状况的宝贵数据。然而，这也是一个复杂且耗时的过程，需要起重设备、表面处理和手动测量。为了检查大型工业资产（如储罐、筒仓或地上管道），可能需要起重设备或脚手架施工，从而导致资产长时间停工。

像Voliro T这样的专业无损检测无人机正在改变这一流程。Voliro 的技术专为高空接触作业而设计，可将无损检测时间缩短 2 倍，只需一次飞行即可为资产所有者节省六位数的运营支出。

我们开发了以下专用无人机有效载荷：

l超声波换能器。收集 2-150 毫米/0.08-5.9 英寸范围内的厚度测量值，以检测导致开裂、腐蚀和泄漏的表面退化的早期迹象。

l高温 UT。在加热至 260 °C/500 °F 的表面进行实时 A 扫描，以获得可靠的厚度测量结果。

l电磁声换能器 (EMAT)无需使用任何耦合剂即可对粗糙、肮脏和涂层表面进行检查。

l脉冲涡流探头用于检测绝缘层下 100 毫米内的早期腐蚀迹象。

l干膜厚度测量仪可确保正确应用保护涂层并首次发现变薄迹象，从而导致腐蚀。

得益于先进的导航传感器，Voliro 巡检无人机可以安全地在高 EMI 物体旁边和 GPS 不可用的环境中飞行。借助我们的技术，巡检人员已在烟囱巡检上节省了超过 16.5 万美元，并将化工厂巡检时间缩短了 3 倍，同时还受益于更丰富的资产数据。

使用物联网传感器自动收集数据

在过去十年中，传感器成本下降了70%，使得基于物联网的资产监控更加经济实惠。物联网系统收集实时数据并根据预定义参数评估资产绩效。如果出现任何问题（工作温度升高、湿度增加或能耗增加），您的团队都会收到警报。

芬兰的一组研究人员最近提出了一个物联网平台，用于先进的结构健康监测，该平台由超声导波 (UGW) 传感器驱动。该系统放置以形成最 佳螺旋传播路径，可以定位深层内部缺陷并自动进行精 确的厚度测量（例如管道壁的厚度）。

另一组美国土木工程师为特拉华州的一座斜拉桥部署了基于物联网的结构健康监测系统。该系统由遍布整个桥梁的 120 个传感器供电，可持续提供有关桥梁状况的最 新数据，并可用于安排诊断负载测试。

远程状态监测减少了现场检查的需要。此类系统还有助于建立每项资产更准确的历史概况，以监测随时间推移的退化情况，并在最 佳时期应用纠正策略。

利用机器学习进行数据处理

资产管理系统、无人机和物联网平台提供更多数据，但另一方面，我们需要更好的分析流程。传统报告软件可能不兼容所有数据格式，导致工具泛滥和数据孤岛。为了整合分析并获得更深入的见解，领导者正在采用机器学习算法。

机器学习模型可以分析结构化和非结构化数据，比任何受过训练的工程师更快地检测出异常。这使团队能够在缺陷出现时采取纠正措施，最 大限度地降低成本和流程中断。经过历史数据训练的机器学习模型可以发现导致设备故障的关联链，加快根本原因分析，并为优化维护策略提供新见解。

例如，ABB部署了 ML 算法来自动诊断和预测旋转机械的故障。作为一项为期 30 个月的研究的一部分，该公司在客户的设施中安装了廉价的物联网传感器来收集振动数据，据 ABB 称，这些数据可以帮助检测叶片问题、流动湍流、空腔、松动部件和错位组件。然后训练机器学习模型来预测资产的未来健康状况。从那时起，ABB 扩大了其远程监控和预测性维护能力，以覆盖远程陆上井场、动力系统和各种其他系统。

结论

有效的纠正性维护是资产管理的基石。即使采用最 先进的技术，也并非所有故障类型都可以预见或预测。然而，在流程效率方面可以（也应该！）做出改变。

借助 Voliro 等检查无人机，团队无需借助绳索即可检查难以到达的区域（例如管道的倾斜部分）。使用高温 UT 探头，您还可以找到正在使用的资产（如火炬烟囱和竖井）上的缺陷，从而进一步减少停机时间。最 好的部分是什么？您不必担心无人机维护，因为我们的订阅涵盖认证、维修和更换。