无人机空间检查-规范维护指南

对于关键资产，被动的“先拆后修”维护方法并不奏效，因为这会使企业面临长期停机和监管行动的风险。旨在预测未来问题的预防性维护策略得到更频繁的应用。

但如果你不仅可以预测资产退化和故障，还可以获得量身定制的建议以完全避免问题，那会怎样？这正是新一代规范性维护系统所承诺的。

什么是规定性维护？

规定性维护（缩写为 RxM）是一种利用条件、操作和环境资产数据来预测资产故障并提供防止性能下降和优化性能的建议的策略。

通过分析大量数据储备，规范性维护系统可提供建议，以防止意外停机、优化维护计划、调整操作条件以及采取其他纠正措施。这样，您就可以确保资产的高可靠性、可用性、可维护性和安全性。规范性维护系统通过将预测分析与运营建模、优化和模拟算法以及决策的定量方法相结合来计算最 佳行动方案。

该系统可以超越单个资产故障分析，着眼于更广泛的组织影响。例如，它可以评估上游资产的故障如何影响相关的下游资产。它还可以显示公司范围内资产管理计划中的错误习惯和低效率。在采矿业的 RxM 采用者中，有 90%表示其对资产管理和停机时间的积极影响是显著的。

一般来说，规范维护系统具有以下技术组件：

l传感器和物联网设备不断汇总有关资产健康状况、运行参数和环境影响的信息，以提供分析数据。

l配备高清摄像机和无损检测有效载荷的工业检查无人机可以收集有关资产外部和内部缺陷的额外信息。

l数据管理系统充当由多个系统（如物联网、资产管理平台、SCADA 平台和无人机）生成的所有条件、操作和环境数据的中央存储库。

l机器学习和深度学习算法使用收集的数据来模拟不同的操作场景并分析大量的“if”和“else”语句，定义最优的维护方法。

l计算机化维护管理系统 (CMMS)根据规定的建议自动执行维护计划。

规定性维护与预测性维护：主要区别

规范性维护 (RxM) 是预测性维护 (PdM)的下一步。PdM 揭示了可能发生的情况，而 RxM 则指导您应该做什么。这两种策略紧密相连，尽管它们有明显的差异。

第 一个区别是分析范围。预测性维护就是预测未来的风险和故障。规范性维护将预测与数据支持的纠正建议结合起来。此类系统会经历多个“假设”故障场景，模拟其结果，并提供量身定制的预防策略。

因此，PdM 旨在通过预测设备何时可能发生故障来最 大限度地减少计划外停机时间。RxM 通过规定可以延长设备寿命和优化其性能的措施来提高运营效率。

技术要求是第二个重要区别。预测性维护和规范性维护系统都需要获取充足的状态监测数据、机器运行记录和维修数据。区别在于后续的数据分析。

预测性维护系统主要依赖于监督机器学习方法和统计方法，如线性回归或生存分析。规范系统利用统计、优化和模拟算法以及强化学习。

下面是一个汇总表，比较了预测性维护和规范性维护最常用的分析方法。

规范性维护的 4 个可行用例

规范性维护旨在简化一些“最后一英里”的运营任务，如工作订单生成、计划协调和备件订购等。人工智能的快速发展也为自主决策提供了机会。

理论上，规范系统可以根据预估的干预措施采取“自我修复”措施，向现场边缘设备或连接设备发送命令，不断调整其性能。然而，在实践中，很少有运营商有信心部署如此程度的自主性。

规范性维护仍是一个发展中的领域。ML 和 DL 模型需要在工业环境中进行大量验证，以确保在不同条件下的准确性能。法规也抑制了一些热情。

尽管如此，许多公司逐渐在维护过程中引入规范性做法，并取得了很大成功。以下是 RxM 已经产生切实影响的四种情况。

n先进的检测数据处理

公司拥有大量的状态监测数据。物联网传感器可跟踪资产温度、振动、运动、压力、湿度和腐蚀性化学物质的存在。

无损检测设备可让您深入了解表面缺陷和材料退化模式。例如，Voliro T 有六种 NDT 有效载荷可供选择，可尽早发现资产损坏。UT 有效载荷可进行 A 扫描，测量厚度损失高达 2-150 毫米/0.08 – 5.9 英寸，这表明即将出现开裂和腐蚀。我们的PEC 有效载荷可检测绝缘层下腐蚀 (CUI)，绝缘层厚度高达 100 毫米。

问题在于，使用传统策略，大部分信息都未得到充分分析，仅在损坏明显后才用于纠正性维护。规范系统可以帮助您将分散的检查报告和独立的维护记录转换为资产健康状况的快照视图。算法可以将异常与潜在故障机制联系起来，并指向可能的触发因素。然后建议最 佳的维修或性能优化方法。

SesnseHawk 为太阳能发电场运营商开发了一个数字可观测性平台。一家太阳能工程、采购和施工 (EPC) 公司使用 SesnseHawk 可观测性平台来识别施工最后阶段的热缺陷。OBSERVE 使用专有算法分析无人机收集的图像，根据原因或严重程度对逆变器损坏进行分类，并在资产的数字模型上叠加热图。借助这些数据，EPC 可以加快问题解决速度并提高预期能源产量。

n早期设备故障检测

通过利用大量历史和实时数据，规范系统可以识别可能预示即将发生故障的缺陷特征和资产性能变化。

例如，操作员可以根据声波信号接收警报，这些信号表明应力腐蚀开裂或检测到温度峰值，表明存在拉伸应力。早期问题识别可让您的团队做好准备：获取必要的备件、安排实地考察，并通知受影响的团队或客户计划停机时间。

这就是 Pan American Energy 采取的主动响应。该公司的 Aspen Mtell 维护系统发出警报，称由于鼓风机电机出现裂缝，一台蒸汽涡轮机即将发生轴向位移故障。在 60 天的通知期内，PAE 工程师有足够的时间规划、安排和更换炼油厂的一台 60 立方公里/小时的主鼓风机。

另一个案例更像是一个警示故事。一家欧洲炼油厂的真空底部泵发生了几次密封和轴承故障。在分析了具有故障特征的历史数据后，Aspen Mtell 估计了下一次事故的时间表：密封故障为 28-31 次，轴承相关故障为 10-28 次。不幸的是，该团队没有根据这些预见采取行动，他们的设备在规定的时间点发生了故障。

n资产寿命优化

定期进行资产完整性检查，并持续进行基于状态的监控和定期进行纠正性维护，可以延长资产的使用寿命。如果您按部就班地做每件事——按时涂上保护涂层、润滑组件并更换磨损的零件——资产的使用寿命将会更长。然而，问题在于，所有这些“最 佳实践”都必须与其他因素（如资产使用率、环境暴露、使用历史等）相结合来执行。

规范分析系统根据多种寿命因素（包括制造商规格、行业标准、过去类似设备使用经验以及当前资产状况）提出维护建议。实际上，您可以获得针对每项资产的定制维护计划，并随着新信息的出现不断更新。

Cutsforth, Inc. 公司的 Preston Johnson 展示了该系统如何用于数字泵维护。该公司安装了传感器来监测振动水平、电机电流、润滑、温度、压力和流量。数据分析有助于定义变化率、平均平均变化以及与泵传感器性能的相关性。然后，系统根据严重程度和紧急程度对异常进行分类，并推荐最 佳维修窗口。借助该系统，该公司可以准确估计数字泵的剩余寿命，并最 大限度地减少对运营流程的干扰。

n预防意外停机

通过规范维护工具，资产管理人员可以模拟多种“假设”场景来预测故障、估计其确切发生时间并选择补救策略。

这样，您就能解决问题的根本原因，而不仅仅是症状。根据资产压力源，您可以在不停止运营的情况下限制它，也可以在预先计划的维修过程中消除它。无论哪种方式，结果都是可以防止意外停机。

Augury开发了一个由人工智能驱动的机器健康评估平台。一旦连接到数据源，该算法将检测性能异常，解释其因果关系，并建议下一步的缓解措施。该系统拥有很高的准确性，因为它将获得的数据与超过 10 万条之前监测的类似资产性能记录的数据库进行比较。这些建议基于公司雇用的 20 多名 Cat III 和 IV 振动分析师的经验。

在一个案例中，Augury 的解决方案在早期就检测到了客户设备的故障，并预先计算了潜在的停机时间——3 周。Augury 的主动警告让维护人员有时间订购备件并进行更换。因此，客户通过消除潜在的停机时间节省了近620 万美元。

最后的想法

拥有成熟预测性维护计划的公司将规范性维护视为下一个前沿。尽管许多 RxM 用例在算法上已经可行，但数据可用性是一个主要障碍。

工业检查无人机可以弥补手持式无损检测设备和传感器网络部署的局限性。Voliro T是一款紧凑、机动性强的无人机，专为近距离结构检查而设计。我们设计了六个可互换的无损检测有效载荷，用于在飞行过程中（从字面和比喻意义上）获取精 确读数。火炬烟囱检查只需 2 小时即可完成（而使用起重机则需要 72 小时）。大型工厂的全外部柱和管道检查可在 3 天内完成，而使用传统方法则需要 8 天。

Voliro 可帮助尽早发现缺陷，可定位最小 2 毫米（0.08 英寸）的壁厚变薄和最 大 0-1.5 毫米/0-60 密耳的涂层变薄。通过将无人机收集的数据与规范分析相结合，您可以更好地了解材料降解模式、预测维修需求并应用正确的纠正策略。