预测性维护需要处理大量数据和运行复杂的算法， SCADA是不能实现的。与此同时，基于物联网的解决方案支持多台计算机上的TB级数据并行存储，通过运行机器学习算法来预测潜在的危险，并且还能够判断出工业设备何时会出现故障。​​​​​​

基于物联网的预测性维护解决方案，必须考虑周全的架构，用户应用程序允许基于物联网的预测性维护解决方案向用户提醒潜在的电池故障。

▲离散制造

主要的离散制造商正在使用基于物联网的预测性维护来监测诸如铣床主轴的健康状况。这些主轴容易断裂，而且维修费用高昂。

▲制造流程

造纸生产过程中，纸浆加工企业和造纸企业利用物联网监控造纸设备的状态。举例来说， Maastricht Mill轧机在其压榨辊上安装了温度和振动传感器，并推出了基于云的预测维护解决方案，以预测轴承和齿轮的磨损。

▲石油和天然气

石油和天然气公司尤其受益于预测性维护解决方案。油气生产设备的物理检查要求工作人员进入危险环境以检查设备，而这在某些情况下是不可行的。基于物联网的预测性维护允许石油和天然气公司识别潜在故障，并提高关键资产的油气产量。

▲电力工业

发电厂必须确保可靠的电力供应，尤其是在需求高峰期。基于物联网的维护解决方案可以帮助确保不间断地发电，并监测燃气/风力/蒸汽涡轮机旋转部件中不断演变的缺陷。为此，涡轮机配备了振动传感器。

▲铁路

铁路公司采用基于物联网的预测性维护，以确保铁路和机车车辆处于正常状态。例如，BNSF铁路公司部署了测力仪、视觉摄像头、红外和声音传感器，以识别机车制动能力的缺陷、车轮和轴承的过度磨损、铁轨弯道和直道行驶的损坏。

▲建筑业

预测性维修适用于对大型机械如挖掘机，推土机，装载机，升降机等的预测维修。传感器可以连接到机器上，用来监测传动轴和制动器的温度，发动机转速，轮胎压力，燃油消耗以及其他数据。​​​​​​​

总结

基于物联网的预测性维护可以延长设备的使用寿命，帮助消除多达30%的基于时间的常规维护，并且还可以将设备停机时间减少50%。但是，一个专注于机器学习的体系架构对于成熟的和可靠的预测性维护解决方案也是至关重要的。

文章来源：《基于物联网的预测性维护应该怎样做》，中国电子网