我們之前討論過預防性維護，以及它相對于其他類型維護的優劣。但這并不是故事的結局，預防性維護本身有不同的方法，所有這些方法都用于確保您的設備正常運行，并識別潛在的問題。

[[269673]]

根據設備的復雜性和價值以及合規性要求的可能性，您可以使用多種方法。以下是目前在商業設施中使用的五種常見預防性維護，以及一些示例。

1、基于時間的維護(TBM)

當您每六個月更換一次空氣過濾器時，您將需要進行基于時間的維護。基于時間的維護活動可能涉及從檢查和清潔到維修和零件更換的任何事情。TBM的頻率通常是根據設備供應商的建議和/或機器的過去性能預先確定的。

TBM作為一種維護策略有一些優點和缺點。它使用的人力比其他一些維護策略少，但是，即使您遵循既定的時間表，在某些情況下，您可能會在實際需要執行某項操作之前就已經對其進行了更改或維護。例如，制造商可能建議每三個月更換一次風扇濾清器，但如果該濾清器位于建筑物中不經常使用的區域，則無需更換即可延長使用時間。

另一種維護策略，基于狀態(下面會有提到)的監測有助于防止過度維護，通常被認為比TBM更具價值和經濟性。

2、故障查找維護

進行故障查找維護是為了確保某些東西——通常是某種保護裝置——仍在正常工作。保護裝置旨在引起對問題的關注，關閉過程以防止進一步的問題發生，并防止事故。偶爾激活警報將被視為故障查找維護。

雖然其他類型的預防性維護包括定期更換或替換零件，或注意到可能即將發生故障的明顯情況，但故障查找維護適用于隱藏的故障，只有通過實際檢查某個部件是否仍然工作才能發現這些故障。據估計，工業環境中高達40%的故障屬于隱藏類別，其中80%的故障需要被根除。這種預防性維護的一個例子是：柴油發電機可能有一個保護裝置，當冷卻水溫度升高時，該裝置應關閉發電機。如果不模擬適當的條件，并檢查設備是否給出正確的響應，就無法發現該設備的功能。

遺憾的是，維護專業人員通常不會優先考慮故障查找維護，但它對于維護一個安全的環境至關重要，有時可以防止因多次故障而發生的重大災難。

3、基于風險的維護

基于風險的維護是一種策略，旨在通過評估與設備相關的風險水平，然后相應地確定維護活動的優先級，以此來減少機械故障。基于風險的維護背后的理論本質上是帕累托定律，當應用于維護時，它認為80%的故障只歸因于20%的設備。因此，將精力集中在這些領域是有意義的。

根據您的評估結果，您可以更好地決定檢查什么以及何時檢查。很多時候，設施管理人員在無意識中將其作為日常工作的一部分，但是當一種方法被用來幫助決策時，它在交付結果方面往往更有效。如果操作得當，基于風險的維護可以優化資產性能和財務資源。

4、基于狀態的監測(CBM)

基于狀態的監測包括監測一臺設備或機械的運行狀態，以確定需要進行何種類型的維護以及何時進行。性能下降或即將出現故障的跡象表明需要進行維護，以將機器恢復到其先前的性能和可靠性水平。這種方法旨在通過在問題出現之前修復問題來避免故障，這意味著這是一種預測性維護(下面第5條)。

CBM是一種比基于時間的更有效的預防性維護策略，因為它是一種旨在明確識別機器性能變化和預防問題的主動措施。

可以監測哪些元素來診斷問題的示例如下：

視覺：這是最基本的狀態監控形式，可能會發現裂縫或腐蝕等情況。

振動：壓縮機、泵、電機和其他類型設備產生的振動變化有助于發現性能問題。

磨損碎屑(摩擦學)：分析相互作用機器表面的磨損和斷裂可以作為設備故障的早期預警。

溫度(熱成像)：腐蝕的電氣連接、故障的機器和損壞的機器部件都會改變運行設備的溫度變化。

聲音：正常運轉的機器聲音通常相當穩定，噪聲信號的變化可能表明機器狀況的變化。

5、預測性維護

預測性維護是指在設備可能發生故障時進行精確定位，并在故障發生之前對其進行處理。預測性維護的目的不是簡單地減少停機時間，而是最大限度地延長正常運行時間。這是對傳統預防性維護方法的改進，因為它有助于及時防止故障。(來源：物聯之家iothome)

這與狀態監測非常相似，因為這兩種策略都有相同的目標。不同之處在于，狀態監測可根據監測結果識別即時任務，而預測性維護可幫助您根據關于整體設備健康狀況和預期性能的知識(通過數據收集和分析獲得的知識)來規劃維護任務。

物聯網使預測分析成為可能。連接在機器和設備上的傳感器監測和收集廣泛的操作數據，范圍從振動、視覺和聲音到溫度和功耗，無所不包。借助機器學習算法，可以挖掘這些數據并識別模式。最終，這些數據可以用來提供關于異常性能的有價值見解，這可能表明即將發生故障的可能性。

作為預防性維護的一個例子，可以考慮一個商用制冷機組。一家在全國擁有眾多商用冷藏設備的制造商需要一種可靠的方法來防止這些設備發生故障，因為與故障相關的成本太高了，包括緊急維修和產品損壞的成本。作為預測性維護策略的一部分，制造商可以為每個制冷機組配備各種物聯網傳感器。傳感器將測量：

• 冰箱溫度
• 濕度水平
• 進出壓縮機的冷卻液溫度
• 進出蒸發器的冷卻液溫度
• 壓縮機的振動
• 壓縮機啟動和停止的次數
• 壓縮機運行多長時間
• 壓縮機使用的功率

所有這些數據都可以使用物聯網平臺進行存儲和分析。通過預測分析，可以了解制冷機組的最佳性能，并在數據出現異常時，確定機組是否和何時可能出現故障，然后可以在問題發生之前解決它。

與您的關鍵資產相結合，物聯網傳感器可以為您的日常運營提供前所未有的洞察力。預測性維護可以顯著減少停機時間，并通過延長設備壽命來減少財務支出，并提高操作的整體安全性。