预测性维护技术（预测性维护解决方案）

物联网传感器的影响是多方面的，但对于工厂来说，可能没有什么比预测性维护更重要了，尤其是设备意外停机，给企业带来巨大的经济损失。 Carbonite 2015 年的一项研究估计，小型企业的停机成本可能高达每分钟427 美元，而大中型企业的成本则飙升至每分钟9,000 美元以上。

根据德勤的一份报告，预测企业资产的故障可以将设备正常运行时间延长20%，提高生产率25%，并减少70%的故障。此外，研究发现预测性维护可以降低25% 的维护成本。这可以成为许多行业的救星，这就引出了一个问题，什么是预测性维护以及它的优势是什么？

什么是预测性维护？

预测性维护（简称PdM）是基于状态的维护。机器运行时，对其主要（或所需）部件进行定期（或连续）状态监测和故障诊断，以确定设备的状态，预测设备未来的发展趋势以及可能的故障模式，制定提前制定预测性维护计划，确定机器应修复的时间、内容、方法以及必要的技术和物质支持。

预测性维护集成了设备状态监测、故障诊断、故障（状态）预测、维护决策支持和维护活动。它是一种新兴的维护方法。预测性维护可以监控多种传感器，例如常见的温度、湿度、振动、声音、光波和电流传感器。

随着概念的成熟，预测性维护预计将变得更加普遍。 Markets and Markets 的一份报告预测，到2026 年，预测性维护市场的价值可能达到159 亿美元。

预测维护的优势

基于时间的维护计划也许能够避免计划外停机，但低效的资产维护也会迅速增加运营成本。主要风险是过于频繁地维护资产，导致不必要的支出来更换仍然可用的资产部件或设备。监控这些相同的资产并按更有效的计划执行维护可以比计划维护节省高达12%。工厂设备监控预测性维护的优点如下：

降低维护成本：研究数据表明，维护成本可降低25-30%

消除生产停机时间：研究数据表明，生产停机时间可减少70-75%

减少设备/工艺停机时间：研究数据表明，设备/工艺停机时间可减少35-45%

提高生产效率：研究数据表明生产效率可提高20-25%

节省材料成本：研究表明材料成本可节省高达19.4%

减少库存维护和维修：研究表明，库存维护和维修可减少高达17.8%

高投资回报率：研究表明预测性维护的平均投资回收期为14.5 个月

ZETA预测性维护方案

作为新兴的LPWAN技术，ZETA技术开发商纵兴科技推出了ZETA预测维护解决方案，并打造了“ZETA+Edge AI”边缘智能终端，可以直接在设备上采集数据并计算分析，辅助决策。满足各种复杂工业场景的灵活部署，真正解决工业场景数据采集“最后一公里”的数字化问题。

边缘AI，除了边缘计算的四大优势：快速、安全、可靠、可扩展之外，最大的优势就是可以有效降低成本。首先，边缘计算可以避免大数据通信，并且不占用云资源，使得预测性维护的实施极其灵活和轻量，从而最大限度地降低成本。此外，纵兴科技将Edge AI前端移植到智能终端中，实现数据的即时采集和处理，可以最大限度地延长终端电池寿命。

ZETA Edge-AI智能终端的故障报警准确率可达95%，误报率小于1%。 ZETA Edge-AI智能终端采用最高配置：采用MEMS加速度传感器芯片，产品可实现29kHz（3dB）的频率响应。程序设置采样率为25.6kHz，有效分析0-10kHz频段的频谱，覆盖90%以上旋转机械设备的故障特征频段。同时，单次采集1.28s的振动数据，保证频谱分辨率达到0.78Hz，能够准确定位故障或特征谱线。

ZETA预测维护解决方案可以对长时间的历史数据进行监测和分析，利用阈值判定、趋势分析、概率统计等方法评估设备状态，及时发现设备状态异常。对于常见故障，包括转子不平衡、不对中、安装松动、轴承和齿轮损坏等，ZETA智能终端还可以提供报警和故障类型判断，协助用户排除故障和定位，提高故障处理效率，保护工厂设备。它继续运行。它可以显着节省成本、增强系统可用性、避免或最大限度地减少停机时间，有时甚至可以挽救生命。

基于低成本和高性能的优势，ZETA的预测性维护解决方案可以为工厂设备监控和数字化管理、工厂资产保值带来更大信心。目前，ZETA预测维护解决方案已在泰国暹罗水泥集团、南方水泥等国内外大型化工企业实施。