Prediktivní údržby (PdM) je údržba, která sleduje výkon a stav zařízení během normálního provozu, aby se snížila pravděpodobnost selhání. Také známý jako stav založený údržba, prediktivní údržba byla využívána v průmyslovém světě od roku 1990.

a Přesto, ve skutečnosti, prediktivní údržba je mnohem starší, i když jeho historie není formálně zdokumentovány. Podle Řídicí technika, „start prediktivní údržby (PdM), když mechanik první přiložil ucho k rukojeti šroubováku, dotkl druhý konec k počítači, a prohlásil, že to znělo, jako by vliv byl špatný.“

cílem prediktivní údržby je schopnost první předpovědět, kdy porucha zařízení by mohlo dojít (na základě určitých faktorů), následuje předcházení selhání prostřednictvím pravidelné a nápravné údržby.

prediktivní údržba nemůže existovat bez monitorování stavu, které je definováno jako nepřetržité sledování strojů během procesních podmínek, aby bylo zajištěno optimální využití strojů. Existují tři aspekty monitorování stavu: online, pravidelné a vzdálené. Online monitorování stavu je definováno jako nepřetržité sledování strojů nebo výrobních procesů se shromážděnými údaji o kritických rychlostech a změně polohy vřetena („monitorování stavu rotujících strojů“, Istec International).

periodické monitorování stavu, které je dosaženo analýzou vibrací ,“ poskytuje vhled do měnícího se vibračního chování zařízení “ pomocí analýzy trendů („monitorování stavu rotujících strojů“, Istec International). A konečně, vzdálené monitorování stavu, jak již název napovídá, umožňuje sledování zařízení ze vzdáleného místa s daty přenášenými pro analýzu.

před vytvořením programu prediktivní údržby musí organizace podniknout několik kroků, mezi něž patří:

• Analyzovat potřeby a vybavení historii

• Přezkoumání veškeré dostupné záznamy na prostoje, vybavení, závady, ztráty (výnos a energie), potenciál nařízení pokuty a bezpečnost na pracovišti,

• Stanovení definice a pojmy, stejně jako budování případ pro PdM

• Vzdělávání hlavními zúčastněnými stranami a získání buy-in

• Dokončení zařízení, inventáře a hodnocení aktuální stavy zařízení

• Výběru zařízení pro tento program je počáteční implementace

• Rozvoj systému údaje založené na jednotlivých systémů a/nebo komponentů

• Vyhodnocení stávající preventivní nebo prediktivní údržby,

• Rozhodování o tom, které systémy patří a co kontrolovat.

• Definování programu kritičnosti a zavedení PdM frekvence a časový rozvrh typ

• Vyhodnocení předpokládaných zdrojů a přiřazení pracovníků role a zodpovědnosti

• Organizování programu a jeho začlenění do plánování systému

• Vzdělávat a získat buy-in od operace a údržba

• Modernizace zařízení a provádění školení

• Vytvoření počítačové řízení údržby systémů (CMMS)

Kolem 65 procent personálu údržby dotázaných v Spolehlivé zařízení 2019 Prediktivní Údržby Průzkumu uvedlo, že používají prediktivní údržby. Při implementaci a provedení je prediktivní údržba základním kamenem úspěšného programu údržby.

Rozdíl Mezi Prediktivní Údržbu a Preventivní Údržbu

Zatímco mnoho programy údržby použít trochu obojí, existuje několik rozdílů mezi prediktivní údržbu a preventivní údržbu. Preventivní údržba zahrnovala kontrolu a provádění údržby na strojích, bez ohledu na to, zda zařízení potřebovalo údržbu. Tento plán údržby je založen na použití nebo časovém spouštěči. Například topná jednotka je servisována každý rok před zimou nebo auto vyžaduje plánovanou údržbu každých 5 000 mil.

preventivní údržba také nevyžaduje komponentu monitorování stavu, kterou prediktivní údržba provádí. Tím, že nevyžaduje sledování stavu, program preventivní údržby nezahrnuje tolik kapitálových investic do technologií a školení. A konečně, mnoho programů preventivní údržby vyžaduje ruční sběr a analýzu dat.

Zatímco preventivní údržba je stanovena pomocí průměrné životnosti aktiva, prediktivní údržba je identifikován na základě přednastavené a předem stanovených podmínek konkrétní kusy zařízení, s využitím různých technologií. Prediktivní údržba také vyžaduje více investic do lidí, školení a vybavení než preventivní údržba, ale úspory času a úspory nákladů budou z dlouhodobého hlediska větší.

Výhody a Nevýhody Prediktivní Údržby

Jak již bylo zmíněno, výhody prediktivní údržby jsou obrovské, od úspory nákladů perspektivu a patří minimalizace plánované prostoje, maximalizuje životnost zařízení, optimalizace produktivity zaměstnanců a zvýšení příjmů (Immerman, „Dopad Prediktivní Údržby na Výrobní“). Další výhodou prediktivní údržby je její schopnost transformovat tým údržby i organizaci, protože implementace PdM umožňuje správcům aktiv zlepšit výsledky a lépe vyvážit priority, jako je ziskovost a spolehlivost.

jednou z hlavních nevýhod prediktivní údržby je doba potřebná k posouzení a implementaci plánu PdM. S prediktivní údržba je komplexní iniciativu, zaměstnanci elektrárny musí být vyškoleni, jak používat nejen vybavení, ale také jak interpretovat analytics (nebo data).

Zatímco mnoho organizací si vybrat, vyškolit stávající zaměstnance na prediktivní údržbu, nejsou podmínkou-monitorování dodavatelů, kteří se specializují na provádění požadované práce a analýze výsledků pro zařízení. Kromě nákladů na školení zahrnuje prediktivní údržba investice do nástrojů a systémů údržby. Tyto náklady se v průběhu času snižovaly zavedením cloudové technologie.

prediktivní údržba vs. Kontrola závad

po určitou dobu existuje značné množství nejasností ohledně vhodného způsobu kontroly přítomnosti daného poruchového režimu. Mám provést nějaký typ senzorické kontroly? Mám provést nějaký druh kvantitativní kontroly? Mám použít jednu nebo více technologií monitorování podmínek? Mám použít nějakou kombinaci těchto technik, abych maximalizoval podmíněnou pravděpodobnost zjištění vady?

Jak mohu zjistit přítomnost klíčových vadu takovým způsobem, jak maximalizovat množství času, který můj plánovací oddělení má rozvíjet pracovní postupy, vytvářet pracovní příkazy, aby části, a plán a dokončit práci před podmíněná pravděpodobnost neúspěchu příliš vysoká? Vysvětlení typů inspekcí a toho, jak se navzájem doplňují, vede dlouhou cestu k objasnění, které z nich jsou nejvhodnější.

typy technik kontroly závad

senzorické kontroly jsou již dlouho považovány za páteř každého dobrého kontrolního programu a údržbářských prací. Věřilo se, že vyslání někoho dostatečně často, aby zkontroloval problémy se stroji, by vedlo k identifikaci závad v dostatečném množství času, aby se zmírnily neplánované prostoje. Inspektor by pomocí zraku, zvuku a dotyku zjistil, zda se od poslední kontroly něco změnilo. Jakákoli změna by byla zaznamenána, nahlášena a vyšetřena řemeslníkem při příštím plánovaném výpadku.

i když je obrovské množství přínosů pro vyslání někoho kolem provádět inspekce, existuje tolik děr v této strategii, že by nikdy neměla být považována za páteř inspekčního programu. Senzorické kontroly obvykle identifikují pouze nejzřetelnější a nejdrastičtější problémy. Je téměř nemožné, aby senzorická kontrola včas identifikovala vnitřní vady strojů.

vylepšené senzorické kontroly

vylepšené senzorické kontroly vyplňují tuto šedou zónu. Jedná se jak o senzorickou kontrolu, tak o kvantitativní měření s charakteristikami sledování stavu. Tyto kontroly používají nástroje, jako jsou bodové radiometry, stroboskopická světla, ruční vibrační pera a jednoduché ultrazvukové měřiče k detekci defektů dále po křivce P-F. Zatímco tyto nástroje znásobují sílu lidských smyslů, mají svůj limit. Tyto jednoduché nástroje umožňují detekovat různé režimy selhání,ale neměly by nahradit komplexní program sledování stavu.

kvantitativní inspekce

kvantitativní inspekce mohou poskytnout užitečné informace, pokud jde o generování dat pro trendy a stanovení charakteristické životnosti režimu selhání. Kvantitativní kontroly potřebují někoho, kdo něco změří. Velmi časté kvantitativní kontroly zahrnují měření teploty těsnění na čerpadlo nebo měření backplate odbavení na oběžné kolo čerpadla. Tato měření poskytují data plánovači a inženýrovi a pomáhají určit potřebu další údržby.

při správném návrhu kvantitativní kontrolní postup podrobně popisuje limity a obvykle očekávaná měření. Každá kontrola, která vyžaduje, aby někdo něco změřil, by měla mít minimální, maximální a typické hodnoty s podmíněnými úkoly definovanými pro překročení limitů. Kvantitativní kontrola prováděná při správné inspekční frekvenci však zřídka bude mít měření, které překračuje limity.

Prediktivní Údržby jako Vada, Kontrola Techniky

sledování Stavu, také známý jako prediktivní údržby (PdM), je aplikace stavu-na základě monitorovacích technologií, statistické řízení procesu nebo výkonu zařízení pro včasné zjištění a odstranění vady zařízení, která by mohla vést k neplánované prostoje nebo zbytečné výdaje.

a obecně řečeno, musíte to provést, když je zařízení v normálním provozu, s malým nebo žádným přerušením procesu. Účel těchto nástrojů (analýza vibrací, infračervená termografie, analýza obvodů motoru atd.) je zjištění závad, které nebyly zjištěny dříve dostupnými metodami kontroly, zatímco je stroj v normálním provozu.

využití dostupné technologie umožňuje posoudit stav dílů a přítomnost vad dosud nemožné odhalit. Příkladem výhody, kterou mají tyto nástroje v oblasti kvantitativních inspekcí nebo senzorických inspekcí, je použití analýzy vibrací k určení přítomnosti závady na ložisku valivého prvku.

dříve se mechanici a mlýnci spoléhali na „kontroly zdvihu“, aby určili množství vůle v ložisku. Bohužel, tato technika je platný pouze pro ložiska vady, která vyústila v odstranění materiálu z oběžné dráhy ložiska; toto ložisko by bylo docela špatné mít tisícin palce hrát.

únava pod povrchem je snadno patrná při analýze vibrací a v tomto bodě šíření poruchy vedlo k žádnému odstranění materiálu z oběžných drah. Toto je nejběžnější příklad výhod technologií prediktivní údržby.

existují různé typy technik kontroly závad, které lze na stroji nést, a každá z nich má své výhody a nevýhody. Dosud, tyto techniky nejsou přesné náhrady za sebe. Každý určuje přítomnost vady na různých místech podél křivky P-F a v důsledku toho každý dává plánovací funkci různé množství času na reakci na vadu.

režimy selhání, efekty a analýza kritičnosti (FMECA) vám mohou pomoci určit, které kontrolní techniky by měly být použity, jak často a s jakou mírou redundance. Pamatujte, že trik spočívá v rovnováze rizika s přísností. Kolik rizika jste ochotni podstoupit s daným režimem selhání spolu s tím, kolik jste ochotni zaplatit za kontrolu, určuje vhodnou strategii.

technologie prediktivní údržby

jak již název napovídá, cílem prediktivní údržby je předpovědět, kdy je údržba nutná. I když neexistuje žádný Magic 8-Ball, existuje několik zařízení a technik pro monitorování stavu, které lze použít pro efektivní předpovídání selhání, stejně jako poskytování pokročilého varování pro údržbu na obzoru.

infračervená termografie

známá jako nedestruktivní nebo neintruzivní testovací technologie, infračervená (IR) termografie v prediktivní údržbě je široce používána. S IR kamerami jsou pracovníci schopni detekovat vysoké teploty (aka, hotspoty) v zařízení. Opotřebované komponenty, včetně nefunkčních elektrických obvodů, obvykle emitují teplo, které se zobrazí jako hotspot na tepelném obrazu („prediktivní údržba“, štíhlé výrobní nástroje).

rychlou identifikací hotspotů mohou infračervené kontroly určit problémy a zabránit nákladným opravám a prostojům. Infračervená technologie je považována za “ jednu z nejvšestrannějších dostupných technologií prediktivní údržby … používaných ke studiu všeho od jednotlivých součástí strojů až po rostlinné systémy, střechy a dokonce i celé budovy „(Control Engineering). Mezi další využití infračervené technologie patří detekce tepelných anomálií a problémy s procesními systémy spoléhajícími se na zadržování a/nebo přenos tepla.

akustické monitorování

díky akustickým technologiím mohou pracovníci detekovat úniky plynu, kapaliny nebo vakua v zařízeních na zvukové nebo ultrazvukové úrovni. Považován za levnější než ultrazvukové technologie, sonic technologie je užitečná na mechanických zařízení, ale omezené v jeho použití. Ultrazvuková technologie má více aplikací a je spolehlivější při detekci mechanických problémů.

To umožňuje technika „slyšet tření a napětí v rotující strojní zařízení, které může předvídat zhoršení dříve než konvenční techniky“ („Prediktivní Údržby“ Wikipedia) pomocí přístroje převést zvuky v 20 – 100-kilohertzů do „sluchové nebo vizuální signály, které mohou být slyšet/vidět technika. Tyto vysoké frekvence jsou přesné frekvence generované nosí a underlubricated ložiska, vadná elektrická zařízení, netěsnící ventily, atd.“(Wright, „jak využít více technologií prediktivní údržby“).

zatímco zvukové i ultrazvukové testování může být drahé, existuje jiná forma akustického monitorování, která je poměrně cenově dostupná: uši technika. „Něco tak jednoduchého, jako detekci úniku ropy nebo převodovku, že to zní divně může a často vede k prevenci katastrofální selhání, aby se zabránilo desítky tisíc dolarů ztrát,“ (Wright, „Jak Využít Více Prediktivní Údržby Technologií“).

Analýza Vibrací

Zaměstnán především pro vysokorychlostní rotační zařízení, analýza vibrací umožňuje technik pro sledování stroje vibrace pomocí ručního analyzátoru, nebo v reálném čase senzory zabudované do zařízení. Stroj pracující ve špičkovém stavu vykazuje zvláštní vibrační vzor. Když se komponenty, jako jsou ložiska a hřídele, začnou opotřebovávat a selhat, stroj začne generovat jiný vzor vibrací. Proaktivním sledováním zařízení může vyškolený technik porovnat hodnoty se známými režimy selhání a určit, kde se vyskytují problémy.

mezi problémy, které lze zjistit pomocí analýzy vibrací, patří vychýlení, ohnuté hřídele, nevyvážené komponenty, uvolněné mechanické součásti a problémy s motorem.

zajištění školení techniků bude zásadní, protože může být obtížné předvídat selhání stroje pomocí analýzy vibrací. Mnoho organizací nabízí hloubkové školení, které připravuje jednotlivce na certifikaci jako vibrační analytici. Jedinou nevýhodou použití analýzy vibrací jsou náklady spojené s implementací programu PdM.

analýza oleje

analýza oleje je účinným nástrojem při prediktivní údržbě. Umožňuje technikovi zkontrolovat stav oleje a zjistit, zda jsou přítomny jiné částice a nečistoty. Některé testy analýzy oleje mohou odhalit viskozitu, přítomnost vody nebo opotřebení kovů, počet částic a číslo kyseliny nebo číslo báze.

jednou z výhod použití analýzy oleje je, že počáteční test(y) nastaví základní linii pro nový stroj. Při správném provedení může analýza oleje přinést nesčetné množství výsledků, které pomohou zajistit úspěšnou prediktivní údržbu.

Další Technologie

Spolu s těmito technik, zařízení mohou používat jiné technologie jako je motor stavu analýzu, která podrobně provozní a provozní stav motorů; a vířivými proudy analýzou, která identifikuje změny v tloušťka stěny trubek v odstředivé chladiče a kotle systémy. Kontroly boreskopu, CMMS, integrace dat a monitorování stavu mohou také usnadnit prediktivní údržbu. I když existuje několik různých technologií, které vám pomohou ve vašem úsilí PdM, je důležité vybrat ten správný, aby byl zajištěn úspěch.

Obchodní Případ pro Prediktivní Údržbu

Aby si uvědomili, že návratnost kapitálových investic a udržet stroje běží na vrcholu výkonnosti, zařízení musí klást větší důraz na prediktivní údržbu. Podle Wall Street Journal “ neplánované prostoje stojí průmyslové výrobce odhadem 50 miliard dolarů ročně. Selhání zařízení je příčinou 42 procent této neplánované prostoje. Neplánované výpadky vedou k nadměrné údržbě, opravám a výměně zařízení.“

Jako operace a řízení jsou tlačeny ke snižování nákladů a zvyšování produktivity, potřebu prediktivní údržba se stává jasné, protože je obtížné, aby se jakýkoli nákladově efektivní, dlouhodobé rozhodnutí pro zařízení.

hodnota prediktivní údržby vychází z úsporného a / nebo časově úsporného přístupu, protože údržba se provádí pouze v případě potřeby. Ve skutečnosti několik studií USA. Federální program správy energie ministerstva energetiky zjistil, že správně fungující program prediktivní údržby poskytuje úspory v rozmezí 30-40 procent oproti reaktivní údržbě a 8-12 procent oproti preventivní údržbě.

aby byla strategie PdM úspěšná, musí být zváženo a splněno několik kritérií. Za prvé, závazek by měl pocházet shora dolů. Celá organizace musí být odhodlána učinit prediktivní údržbu povinnou součástí běžných plánů. Všichni provozovatelé procesů musí být rovněž vzděláváni a zapojeni do provádění požadovaných kontrol údržby. Kromě toho musí celá organizace pochopit skutečné náklady a důsledky špatné údržby. Nakonec musí být postupy PdM implementovány okamžitě, aby organizace mohla začít těžit z výhod.

Zatímco mnozí uznávají význam využití prediktivní údržby pro high-dolar strojů, PdM je také vhodné pro monitorování menší, každodenní aktiv, jako jsou kávovary, tiskárny, poštovné metrů a více. Ve skutečnosti může celé zařízení těžit z provádění prediktivní údržby.

aplikace prediktivní údržby

největší aplikace pro prediktivní údržbu je ve výrobním sektoru. Vzhledem k tomu, že výrobní závody nadále čelí poptávce po zvýšení produktivity, bylo vytvořeno a implementováno několik strategií údržby. Většina z nich však byla reaktivní. Mnoho zařízení má myšlení “ pokud to není rozbité, neopravujte to.“Bohužel toto myšlení přispívá k neplánované údržbě a prostojům.

Jak je uvedeno dříve, zařízení začal provádění prediktivní údržby v časných 1990. Tehdy, „nedostatečná dostupnost senzorů, získávání dat, stejně jako nedostatek výpočetní zdroje pro sběr a analýzu dat bylo obtížné implementovat PdM“ („Prediktivní Údržby ve Výrobních Přehled,“ Microsoft Azure).

S zavedení internetu věcí (IoT), strojové učení, cloud computing a velké dat analytics, zpracovatelský průmysl se posunul vpřed v provádění prediktivní údržby, což vede ke zvýšení dostupnosti a kvality řízení, optimalizace údržby tras, lepší bezpečnosti a větší produktivitu. Jako výrobci pracují s velmi nízkými maržemi a časové rámce, že neplánované prostoje se stala nežádoucí. Prediktivní údržba může nabídnout řešení.

Další aplikace pro PdM je v železničním sektoru, zejména pokud jde o digitální transformaci železničního průmyslu. S vlaky, které mají vysoké počáteční investice, tam je velký důraz na jejich udržení v provozu tak dlouho, jak je to možné. Prediktivní údržba umožňuje železničním společnostem získat ze své flotily vlaků nejvyšší hodnotu prostřednictvím různých technologií a softwaru, které snižují provozní náklady a prodlužují životnost vozového parku.

v železničním sektoru se prediktivní údržba používá k detekci problémů s lineárními, pevnými a mobilními aktivy; zlepšit bezpečnost a detekci void track prostřednictvím monitorovacích systémů založených na kabině vozidla; a určit typ traťového aktiva, pod kterým je void umístěn,a také poskytnout údaj o závažnosti void.

Podle článku v MaintWorld, „V budoucnu, spolehlivé železniční údržbu, se očekává, že spoléhat na inteligentní dopravní systémy a propojených řešení, jako je prediktivní údržba a integrované bezpečnostní nástroje v zájmu zlepšení kritických problémů, jako je bezpečnost, zpoždění a celkové kapacity systému“ (Peycheva, „Železniční Inteligentní Jde s Prediktivní Údržbu a Průmysl 4.0 CMMS“).

zatímco tradičně pomalu modernizuje své systémy údržby, ropný a plynárenský průmysl se stává hlavním zastáncem prediktivní údržby. Ropné a plynárenské společnosti každý den shromažďují obrovské množství dat prostřednictvím senzorů-zejména bezdrátových senzorů-v ropných polích po celém světě. Vzhledem k tomu, že se operace s ropou a plynem stávají složitějšími, viditelnost stavu zařízení se stává obtížnější, zejména na odlehlých, pobřežních a hlubinných místech.

v bílé knize 2015, MapR Technologies Inc. uvedl: „ropné a plynárenské společnosti mají velkou příležitost zvýšit efektivitu a snížit provozní náklady díky lepšímu sledování aktiv a prediktivní údržbě.“

Prediktivní údržba by mohla být vnímána jako konkurenční výhodu pro společnosti ropy a zemního plynu, jakož i související služby podnikům, zejména v době recese, kdy jsou organizace nuceny najít způsoby, jak pracovat efektivněji a účinně. Prediktivní údržba se samozřejmě netýká pouze výrobního, železničního a ropného a plynárenského průmyslu. V jiných aplikacích se PdM používá k:

• zabránit utility výpadky s pomocí bezpilotních letounů a čidel, které mapa inženýrských sítí

• Rozpoznat pokles teploty v parní potrubí, což naznačuje potenciální uniká tlak,

• Zachycení zvýšené teploty v elektrických panelů, aby se zabránilo selhání komponenty

• Opatření na straně nabídky a na straně poptávky energie na společný spojovací bod pro sledování spotřeby energie,

• Vyhledejte přetížení v elektrické panely

• Identifikovat motor, proudové špičky nebo přehřátí v důsledku špatné ložiska nebo insultation členění

• Najít tři-fázové napájení nerovnováhy z harmonické zkreslení, přetížení, degradace nebo porucha jedné nebo více fází,

IIoT a PdM Integrace

Jedním z nejdůležitějších faktorů, ne – li nejdůležitějším faktorem v úspěšné prediktivní údržby programu je využití a integraci průmyslového internetu věcí (IIoT). Podle zprávy společnosti Deloitte, „Internetu Věcí (IoT) je možná největší kus PdM puzzle … Hodně překládá fyzické akce ze stroje do digitální signály pomocí senzorů, jako jsou teplota, vibrace nebo vodivost … Jednou fyzickou akcí byly převedeny do digitální signály pomocí senzorů, které jsou zpracovány, agregovány a analyzovány. S cenovou dostupnost, šířku pásma a úložiště, obrovské množství dat může být přenesen dát nejen úplný obraz aktiv v jeden závod, ale celý výrobní sítě“ (Coleman et al., „Prediktivní údržba a inteligentní továrna“).

aby byla prediktivní údržba úspěšná, spoléhá se na senzory pro sběr a analýzu dat z různých zdrojů,jako jsou CMMS a senzory kritických zařízení. Pomocí těchto dat, IIoT je schopen vytvořit “ pokročilé Predikční modely a analytické nástroje pro předpovídání selhání a jejich aktivní řešení. Navíc v průběhu času může nová technologie strojového učení zvýšit přesnost prediktivních algoritmů, což vede k ještě lepšímu výkonu „(Coleman et al., „Prediktivní údržba a inteligentní továrna“).

při spárování s prediktivní údržbou má IIoT schopnost zachytit poruchy zařízení předem. S příchodem Průmyslu 4.0 do výrobní sféry zařízení touží využít IIoT k získání lepšího vhledu do provozu.

prediktivní údržba a návratnost investic

provádění prediktivní údržby vyžaduje značné investice do peněz, personálu a vzdělání. I když se tyto počáteční investice mohou organizaci zdát skličující, návratnost investic prediktivní údržby (ROI) daleko převyšuje veškeré počáteční náklady.

Podle nedávné zprávy společnosti Deloitte, několik zařízení viděli 5-10 procent úspory nákladů na provoz a údržbu, opravu a provoz (MRO) materiál strávit; 5-10% snížení celkových nákladů na údržbu; a snížení zásob-účetní náklady. Další data z AMERICKÉHO Ministerstva Energetiky také ukazuje, že provádění funkční PdM program má potenciál přinést desetinásobné zvýšení ROI, 25-30% snížení nákladů na údržbu, 70-75 procent pokles v členění a 35 až 45% snížení prostojů.

„Tak daleko, tak náklady na údržbu jsou obavy, preventivní údržbu náklady $13 hodinové mzdy ročně, zatímco prediktivní údržbu náklady $9 hodinové mzdy ročně, což prediktivní údržby levnější varianta“ (Ulbert, „Rozdíl Mezi Prediktivní Údržby a Preventivní Údržby“).

Coleman, Chris, Satish Damodaran a Ed Deuel. „Prediktivní údržba a inteligentní továrna.“Deloitte. 2017. https://www2.deloitte.com/content/dam/Deloitte/us/Documents/process-and-operations/us-cons-predictive-maintenance.pdf
“ monitorování stavu rotačních strojů.“Istec International. Přístup K 1. Listopadu 2018. https://www.istec.nl/en/condition-monitoring-rotating-machines/.

řídicí technika. „Technologie Prediktivní Údržby.“Přístup K 4. Listopadu 2018. https://www.controleng.com/single-article/predictive-maintenance-technologies/72faca6f85ddaef6b4479583b2741e6c.html.

Immerman, Graham. „Dopad prediktivní údržby na výrobu.“MachineMetrics. Přístup K 1. Listopadu 2018. https://www.machinemetrics.com/blog/the-impact-of-predictive-maintenance-on-manufacturing.

štíhlé výrobní nástroje. „Prediktivní Údržba.“Přístup K 2. Listopadu 2018. http://leanmanufacturingtools.org/427/predictive-maintenance/.

Peycheva, Ralitsa. „Železnice jde chytře s prediktivní údržbou a průmyslem 4.0 CMMS.“MaintWorld. 11. října 2017. Přístup 4. Listopadu 2018. https://www.maintworld.com/Applications/Railway-Goes-Smart-with-Predictive-Maintenance-and-Industry-4.0-CMMS.

“ prediktivní údržba v přehledu výroby.“Microsoft Azure. 1. května 2018. Přístup 4. Listopadu 2018. https://docs.microsoft.com/en-us/azure/industry/manufacturing/predictive-maintenance-overview.

„prediktivní údržba pomocí Hadoop pro ropný a plynárenský průmysl,“ MapR Technologies Inc., Květen 2015. https://mapr.com/resources/predictive-maintenance-using-hadoop-oil-and-gas-industry/.

Ulbert, Sebastian, „rozdíl mezi prediktivní údržbou a preventivní údržbou“, Coresystems, 15. Září 2015. Přístup K Listopadu 2, 2018. https://www.coresystems.net/blog/the-difference-between-predictive-maintenance-and-preventive-maintenance.

Wall Street Journal. Přístup K Listopadu 2, 2018. https://partners.wsj.com/emerson/unlocking-performance/how-manufacturers-can-achieve-top-quartile-performance/.

Wikipedia. „Predictive Maintenance.“ Accessed October 11, 2018. https://en.wikipedia.org/wiki/Predictive_maintenance.

Wright, Jeremy. „How to Leverage Multiple Predictive Maintenance Technologies.“ Machinery Lubrication. Accessed November 1, 2018. https://www.machinerylubrication.com/Read/29819/predictive-maintenance-technologies