對可持續性和更高效率的持續需求刺激了工業自動化領域的創新。物聯網讓先進技術能夠迅速融入到工業自動化中。智能全互聯工廠讓制造商能夠提高工藝效率、安全性和可持續性，同時降低成本。

安全和維護對于保持基礎設施和設備的功能狀態非常重要。維護可保證工業生產力，而定期維護可營造更健康、更安全的工作條件。維護不足或缺少維護可能會導致嚴重的健康問題和致死事故。本文深入探討了物聯網傳感器和軟件協同工作的方式，以提供能夠促進生產維護和安全性的解決方案。

維護

維護功能不斷演變，從對系統故障的響應到計劃，再到預測，后（直到現在）實現自我修復。操作傳感器技術的進步結合信息技術的成功，有助于提取實時性能數據。這些技術包括基于云的分析和平臺、增強現實（AR）和虛擬現實（VR），總括計劃或預測性維護，生產力損失可以忽略不計。

工業維護分為以下幾種類型：

安全

在所有生產階段，例如設計、制造、安裝、調整、運行、維護和終報廢，安全系數都至關重要。《機械指令》強制要求制造商保證機械和測試設備（例如，萬用表和熱成像儀）至少達到低的安全水平。機器和工具必須符合指令中列出的“基本健康和安全要求”，因此需要提供標準的低防護水平。

物聯網如何為工廠安全和維護做出貢獻

實施物聯網解決方案可從根本上提高運營效率。物聯網通過跟蹤性能來提高機器效率，并可提前預測故障。這樣，消除了計劃外停機時間。工業物聯網還可營造更安全的工作場所。投資智能生產和制造系統的行業希望以少的維護實現可持續的佳生產狀態。這讓維護成為重中之重。基于設備狀態的監控(CBM)或計算機化維護管理系統（CMMS）、企業資源規劃（ERP）和制造執行系統（MES）之類的系統在多個行業中執行維護活動。這些系統提供預防性和預測性維護、維護規劃、維護安排、執行、可追溯性和監測之類的功能。e絡盟提供了眾多品牌供應的各種維護、維修和安全產品。使用我們豐富多樣的元件、工具和設備，使您的生產車間、機器和安全設備都得到良好的維護。（欲了解更多產品詳情，請單擊此處和此處）

基于設備狀態的監控、預測性維護和物聯網

通過觀察預定義的設備參數，持續監測CBM中的機器狀況。這揭示了可用于指示設備故障的模式。CBM系統監測設備振動、溫度變化、油位、電機電壓和電流等參數。可以對這些測量數據進行分析，以生成適當的行動方案。

物聯網技術讓制造商和用戶能夠以更低的成本輕松解決技術問題。儀表傳感器現在更便宜、更堅固、更可靠，并可提供更廣泛的功能。強大的無線協議允許將來自傳感器的可操作數據整理到本地網關中，以便立即進行分析和過濾。如下圖所示，隨后可以通過互聯網將其傳輸到云計算資源，由其為各種規模的用戶提供軟件即服務。此類軟件可以存儲數據并執行所有必要的分析，以確定趨勢并識別潛在的故障點。

一旦這些參數可用于分析，即可構建一個故障模型來找出與這些基準的偏差。如果已知指示故障的參數值組合，則設置起來非常簡單。可以定義一組故障條件規則，并使用經典數據分析和數學來構建正確的模型。但是，如果未充分了解故障的原因，則將需要利用數據科學和機器學習來開發能夠發現數據中的重要模式的算法。

圖1：通過物聯網平臺進行預測性維護

利用物聯網提高工廠安全保障

改進維護等同于提高工廠生產力。如果工廠經理履行其優化現場安全的法律和道德義務，則可以進一步提高生產率。物聯網技術與大數據分析相結合，可以實現工廠安全保障。可以監控多種KPI，例如員工缺勤、車輛事故、財產損壞、未遂事故、受傷或正常日常運營期間發生的任何損失或損壞。

通常，如果僅靠人工報告，其中許多指標可能會成為“漏網之魚”，因為它們要么未被報告，要么報告不足。物聯網通過確保對這些關鍵領域的實時洞察，實現更好的整體安全性。出現的任何問題都能立即得到解決，確保遵守健康和安全法規并解決環境問題。

工傷就是一個很好的例子，因為經常不會報告輕傷。有時，它們會逐漸發展成更大的問題，但難點在于如何才能將更大的問題與過往事件聯系起來。

物聯網可穿戴設備可以為這個問題提供解決方案，因為將會持續地監測員工的各種健康指標，包括心率、運動、活動、疲勞、壓力等。它們還將提供一種溝通重要安全信息的方法，從而降低責任保險成本并提高整個員工隊伍的合規性。

數字標簽還可以幫助追蹤員工。標簽技術專門針對采礦等高風險行業，讓管理層能夠確切地知道誰在工作現場、他們在那里工作了多長時間，并確保在緊急情況下沒有人被遺忘或掉隊。

預測性維護傳感器

傳感器還可以深入洞察工廠狀況和任何正在顯現的問題。與工人安全相關的物聯網技術不僅監督工人，還監督他們的直接生態系統。建筑工地和礦山等戶外工作場所涉及各種可能危及工人的環境因素。熱呈像儀和物聯網傳感器可以檢測即將到來的惡劣天氣條件和極端溫度。這些信息可用于警示工人注意這些危險。運動跟蹤器就是預測性維護傳感器的一個極好示例。當員工靠近危險區域（例如，不穩固或易打滑的地面）時，它們會發出警報。

人工智能對預測性維護的貢獻越來越大

與基于狀況的維護相關的另一個術語是預測性質量和維護（PQM）。PQM解決方案利用從物聯網和傳統老式系統收集的數據。它們專注于事先檢測并解決質量或維護問題，以免它們發展成導致停工的嚴重問題。

PQM解決方案利用算法并生成平均統計數據來預測何時需要質量校正或維護。基于人工智能的 PQM解決方案整合多種技術，包括機器學習、深度學習和認知計算。

結語

要了解物聯網的真正價值，就必須從資產管理的整體角度出發。物聯網技術擁有眾多現場中心，這些中心與整理數據并執行復雜分析的系統相連接，為實時了解工廠狀況提供了新的視角。高性能虛擬云網絡持續收集、聚合和建模數據，以預測故障。應急措施準備到位，以限制對系統可用性的影響。物聯網提高驅動成本和資產可靠性的關鍵是向終用戶或聯網系統提供實時、可操作和智能的數據。工廠歡迎更新、更高效的維護可能性，通過不斷增加正常運行時間來保持競爭優勢。