设备维修策略简介.doc

设备维修策略简介

视情维修也叫预测性维修（视情维修（Condition Based Maintenance，CBM；Predictive Maintenance，简称PdM）。是我们在中文翻译时对同一类型的维修工作的不同叫法。预测性维修基于装备状态监测、故障诊断、故障（状态）预测、维修决策支持和维修活动于一体，是一种新兴的经济效果最佳的维修策略（后面统称预测性维修）。
预测性维修不仅在名字称呼上有不同，在概念的内涵和外延上也有出入，因此又有狭义和广义预测性维修两种概念。
狭义的预测性维修立足于“状态监测”，强调的是“故障诊断”，是指不定期或连续地对设备进行状态监测，根据其结果，查明装备有无状态异常或故障趋势，再适时地安排维修。狭义的预测性维修不固定维修周期，仅仅通过监测和诊断到的结果来适时地安排维修计划，它强调的是监测、诊断和维修三位一体的过程，这种思想广泛适用于流程工业和大规模生产方式。
广义的预测性维修将状态监测、故障诊断、状态预测和维修决策多位合一体，状态监测和故障诊断是基础，状态预测是重点，维修决策得出最终的维修活动要求。广义的预测性维修是一个系统的过程，它将维修管理纳入了预测性维修的范畴，通盘考虑整个维修过程，直至得出与维修活动相关的内容。
　　有故障维修（Break-down Maintenance）,是“有故障才维修（Failure Based）”的方式，它是以设备是否完好或是否能用为依据的维修，只在设备部分或全部故障后再恢复其原始状态，也就是用坏后再修理，属于非计划性维修。
预防性定时维修（Preventive Maintenance）又称定时维修，是以时间为依据(Time Based)的维修，它根据生产计划和经验，按规定的时间间隔进行停机检查、解体、更换零部件，以预防损坏、继发性毁坏及生产损失。这种维修方法也就是目前所普遍采用的计划维修或定期维修，如年、半年、季、月保养等。
预测性情维修技术体系
　　预测性维修发展到现在，基本上形成了自己的技术体系，如图所示。

　设备早期识别失效：P-F曲线图

　 P点为能够检测到的设备缺陷信号点，F点为功能故障点：为由设备缺陷信息发展到功能故障的时间历程，称为P-F间隔。为了预防功能故障的发生,维修的时机应该在F点以前，而为了能够尽可能地利用设备或机件的有效寿命，维修时机应该在P点之后。这就是说应该在P点和F点之间寻找一个合适的点进行维修，这就是“预测-视情维修”的基本思想。
1.状态监测技术
　　状态监测技术发展到现在，在各工程领域都形成了各自的监测方法，状态监测的方法依据状态检测手段的不同而分成许多种，常用的包括：振动仪在线&离线监测法、超声波噪声监测法、热成像&红外枪离线温度监测法和温度传感器在线监测法、压力在线&离线监测法、油液分析监测法、声发射监测法等。
　　2.故障诊断技术
　　单讲“故障诊断”，它是一门新发展的科学，而且越来越受到重视，尤其是在连续生产系统中，故障诊断有着非常重要的意义。按照诊断的方法原理，故障诊断可分为：时频诊断法、统计诊断法、信息理论分析法及其它人工智能法（专家系统诊断、人工神经网络诊断等）、模糊诊断、灰色系统理论诊断及集成化诊断（如模糊专家系统故障诊断、神经网络专家系统故障诊断、模糊神经网络诊断等）。
　　3.状态预测技术
　　状态预测就是根据设备可监测到的运行信息，评估部件当前状态并预计未来的状态。其常用的方法有时序模型预测法、灰色模型预测法和神经网络预测法。而对于预测方法的开发一般有三种基本途径：物理模型、知识系统和统计模型。在实际应用中，可将三种途径综合在一起，形成一种结合了传统的物理模型和智能分析方法，并能够处理数字信息和符号信息的混合性故障预测技术，对于实现预测性维修更为有效。
　　4.维修决策支持与维修活动
　　维修决策是从人员、资源、时间、费用、效益等多方面、多角度出发，根据状态监测、故障诊断和状态预测的结果进行维修可行性分析，定出维修计划，确定维修保障资源，给出维修活动的时间、地点、人员和内容。维修决策的制定方法一般有故障树推理法、数学模型解析法、贝叶斯（Bayes）网络法(适用于表达和分析不确定和概率性事物)和智能维修决策法等。