无人机空中检查-预防性维护指南

“小心谨慎总比事后后悔好”是运营和维护 (O&M) 团队的常用语。忽视工作温度偏差可能会导致电气元件故障。绝缘层下未被发现的腐蚀会导致管道破裂和环境污染。

资产维护不善的后果在最 好的情况下是代价高昂，在最坏的情况下是会给员工带来致命危险。因此，大多数公司自然会尝试对更大比例的资产组合进行预防性维护。

什么是预防性维护？

预防性维护 (PM) 是指定期、有计划地进行纠正活动，旨在维护资产完整性并最 大程度降低故障风险。通过定期进行检查、维修和资产调节，运维团队可以保持领先地位，而不是等到问题显现出来才采取行动。

被动维护会导致停机时间延长，进而对供应链产生连锁反应——制造延迟、资源浪费、质量控制问题、库存规模缩减、销售损失，最终导致客户失望。2024年 10 月， Neste 新加坡生物精炼厂意外关闭，对该公司在美国的销售产生了连锁反应，直到年底，导致销售损失，因为美国搅拌机税收抵免即将到期。

当然，并非所有问题都能得到完全缓解，尤其是当您缺乏有关性能下降的数据时。但许多运营问题可以通过预防性维护计划提前发现。

大多数企业领导者（87%）表示，预防性维护可减少机器故障和生产时间损失。根据 NIST 的一项研究，主要依赖预防性和预测性维护方法的公司停机时间减少了 15%，缺陷率降低了 87%，因计划外维护而导致的库存增加减少了 66% 。此外，由于停机时间最小化，他们的交货时间和生产时间也更快，从而能够更灵活地应对供需波动。

预防性维护与预测性维护：有什么区别？

预防性维护 (PM) 经常与预测性维护 (PdM) 一起被提及。两者的目标都是防止资产故障，但实现该目标的方法不同。

预防性维护策略是按计划进行的。维护活动按预定的时间间隔进行（例如每周、每月、每季度等）。频率是根据适用的合规性要求、行业测试标准和 OEM 指南（如果适用）确定的。在许多情况下，例行维护的执行与资产的实际状况无关，有时会导致过度维护或维护不足。

相比之下，预测性维护策略是基于条件的。维护需求是使用资产健康评分的最 新数据来确定的，这些数据是基于传感器、物联网设备、检查无人机和其他资产管理系统的数据创建的。只有当 PdM 系统表明性能下降或故障倾向很强时，才会进行纠正性维护。

实际上，预测性维护将预防工作提升了一个档次，为资产管理团队提供了有关设备退化的多维度实时洞察。例如，声发射水平、工作温度或壁厚的变化可以

一开始就表明问题。然而，传统的资产监控解决方案通常无法识别这些信号。

预测性维护解决方案通过汇总来自多个来源的状况数据并使用机器学习或深度学习算法进行分析，提供对资产状况的更丰富见解。连接到资产管理系统后，预测算法可以提供有关未来资产性能的见解，发出有关性能下降的警报，并提供准确的剩余使用寿命 (RUL) 估计。

可以理解的是，预测性维护策略实施起来成本更高，因为它们需要新技术投资和工艺变更。然而，从长远来看，预防性维护策略可以带来更低的生产损失和最少的计划外停机时间。

预防性维护的类型

预防性维护是避免突发资产故障和随后的计划外停机的四种不同方法的总称。这些方法包括基于时间的维护、基于使用的维护、基于条件的维护和预测性维护。

基于时间的维护

顾名思义，基于时间的维护假设以固定的间隔安排维护活动——每日、每周、每季度、每半年等。频率取决于资产类型、风险评分、运营条件和适用的行业法规。

例如，必须每 5 年对汽油储罐进行一次彻底的内部检查。发电厂的 E 级和 F 级燃气轮机转子必须在运行2,000 至 5,000小时后接受重新鉴定检查，以确定剩余运行时间。许多 OEM 保修和支持政策还规定了进行检查和维护的具体时间表。

基于时间的维护策略的优点是易于安排和管理工单。这种方法通常会导致服务不足或过度，因为没有考虑实际磨损。

基于时间的维护方法还会导致更多的工单，需要更大的团队。鉴于一半的维护团队都在努力招聘新人才，这种策略可能会给团队带来额外的压力，导致疏忽。

基于使用情况的维护

基于使用情况的维护 (UBM) 策略将服务计划与实际资产使用情况保持一致。它可以由运行小时数、里程数、负载水平、启动/停止周期或振动水平等指标驱动。

现代计算机化维护管理系统 (CMMS) 根据资产年龄、使用率和维护历史，为设施管理人员提供数据驱动的生命周期洞察。它们还可以提供资本资产更换建议，以更好地指导预算并协调资本更换计划。

Centrax 是一家高效燃气轮机发电套件的原始设备制造商，它依靠预防性维护解决方案来监控200 多项部署资产。通过监控发动机数据，Centrax 可以根据客户需求定制检查计划。实时数据还可以为新产品的设计和开发提供更好的见解。

在化工行业，UBM 策略可应用于离心机、压缩机、泵和反应堆搅拌器等关键资产。EFESO的Michiel van den Boomen表示，通过改进资产管理方法，化工公司可以将整体设备效率 (OEE) 提高 8% 至 30%。

基于条件的维护 (CBM)

基于状态的维护 (CBM) 为资产服务提供实时性能数据。当跟踪的参数低于可接受的阈值时，表明设备性能下降或即将发生故障，就会进行维护。例如，如果传感器检测到钻井设备振动水平异常，就会安排维护以运行诊断检查、润滑运动部件并重新校准设备。

挪威 Equinor 最近针对其 40% 的设备采用了基于条件的维护策略。该系统采用SAP 技术，通过 IoT 网关集成来自 Equinor 现场系统的传感器数据。然后，用户设置自定义规则来触发通知（例如，振动水平上升到可接受的阈值以上）。通知与后端资产管理系统同步，无需手动输入数据。Equinor 团队现在拥有资产健康状况的实时数据，从“优 秀”到“不可接受”，从而简化决策。警报提供有关检测到的问题的额外背景信息，并指导下一步的最 佳步骤。

对于具有可预测的退化模式和明确指示待处理问题的指标的资产，CBM 是一种可靠的策略。对于检查员可以使用其他非侵入性方法（例如使用摄像机无人机进行目视检查或使用 Voliro T 等超声波传感器的检查无人机）确认内部传感器检测到的问题的资产，CBM 也非常有意义。

预测性维护

预测性维护策略将实时监控与高级分析方法相结合，以预测资产性能下降和故障。基于条件的监控会针对已出现的问题发出警报，而 PdM 工具则会预估未来可能出现问题的时间，从而为运维团队提供额外的反应时间。

先进的 PdM 模型可以高精度地预测风力涡轮机叶片的剩余寿命或预测飞机的不同部件故障。壳牌最近在其位于荷兰的一家炼油厂推出了控制阀预测性维护解决方案。该算法基于历史资产数据进行训练，以识别性能异常。只要检测到任何偏差，现场团队就会收到警报。自推出以来，该系统检测到了 65 个控制阀中的问题，而传统检查方法无法检测到这些问题。早期检测意味着可以在最 佳时间主动规划阀门维护，而不是被动地进行维护，从而导致更长的停机时间和运营成本。

PdM 策略可实现“及时”服务，帮助企业避免严重的停机。然而，此类解决方案还需要对新数字技术和流程相关变革进行大量投资。此外，您需要访问足够的数据进行模型训练和验证（某些资产类型可能缺乏这些数据）。

一般来说，预测性维护在以下情况下是有意义的：

1. 非计划停机的后果比计划停机的后果严重得多。例如，对于发电涡轮机、工业管道或海上石油平台而言。

2. 适应计划内停机比计划外停机容易得多（例如，需要升降平台或脚手架来接触故障组件）。

预防性维护的未来

毫无疑问，预防性维护是一种比被动维护更好的方法。但预防性维护在新设备、硬件、软件、员工培训和流程优化方面的前期投资成本也很高。由于采集困难或系统互操作性问题导致数据收集有限，进一步减缓了采用过程。

即使所有技术组件都已到位，公司仍面临人力资源的限制。麦肯锡调查的近四分之三的领导者表示，他们在招聘新的维护技术人员方面遇到了困难。因此，预防性维护仅占所有维护活动的 51%。

显然，O＆M团队需要提高其资产管理计划的效率，而新的预防性维护技术有望实现这一目标。

价格实惠的物联网 (IoT) 设备能够实时监控各种资产，而不像 SCADA 那样定期或基于事件的数据收集，从而导致响应延迟。物联网传感器还可以捕获更广泛的参数——振动、温度、湿度水平和声波。当连接到安全的基于云的数据处理网络时，物联网网络还提供远程可视性和远程控制，而不像 SCADA 通常的本地控制。

专用工业巡检无人机还能更快、更频繁地对大型资产进行巡检。要收集储罐厚度测量数据或检查高架管道的早期腐蚀迹象，您不再需要搭建脚手架或召集一队爬绳者。相反，您可以使用Voliro T。

Voliro T 配备六个可互换的有效载荷，可在高空进行无损检测，可从各个角度接近资产，收集可靠读数，所需时间比使用传统方法少一半。借助我们的技术，检查人员只需 2 小时即可完成整个火炬塔检查，或每天完成5 到 10 个工业储罐检查。

更轻松、更少麻烦的条件数据收集可以让您更好地了解当前资产的健康状况，并帮助您构建可靠的历史数据库来训练预测性维护模型。