Predictive maintenance (PDM) är underhåll som övervakar utrustningens prestanda och skick under normal drift för att minska sannolikheten för fel. Även känt som tillståndsbaserat underhåll har prediktivt underhåll använts i industrivärlden sedan 1990-talet.

men i verkligheten är prediktivt underhåll mycket äldre, även om dess historia inte formellt dokumenteras. Enligt Control Engineering kan ” starten på prediktivt underhåll (PdM) ha varit när en mekaniker först satte örat på handtaget på en skruvmejsel, rörde den andra änden på en maskin och uttalade att det lät som om ett lager gick dåligt.”

målet med prediktivt underhåll är förmågan att först förutsäga när utrustningsfel kan uppstå (baserat på vissa faktorer), följt av att förhindra felet genom regelbundet planerat och korrigerande underhåll.

prediktivt underhåll kan inte existera utan tillståndsövervakning, vilket definieras som kontinuerlig övervakning av maskiner under processförhållanden för att säkerställa optimal användning av maskiner. Det finns tre aspekter av tillståndsövervakning: online, periodisk och fjärrkontroll. Online tillståndsövervakning definieras som kontinuerlig övervakning av maskiner eller produktionsprocesser, med data som samlas in om kritiska hastigheter och förändrade spindelpositioner (”tillståndsövervakning av roterande maskiner”, ITEC International).

periodisk tillståndsövervakning, som uppnås genom vibrationsanalys, ”ger insikt i förändrade vibrationsbeteenden hos installationer”med en trendanalys (”tillståndsövervakning av roterande maskiner”, ISTEC International). Slutligen tillåter fjärrövervakning, som namnet antyder, att utrustning kan övervakas från en avlägsen plats, med data som överförs för analys.

innan ett prediktivt underhållsprogram upprättas måste en organisation ta flera steg, som inkluderar:

• analysera behovet och utrustningshistoriken

• granska alla tillgängliga poster om driftstopp, utrustningsfel, förluster (utbyte och energi), potentiella regleringsböter och arbetsplatssäkerhet

• upprätta definitioner och begrepp samt bygga ett fall för PdM

• utbilda stora intressenter och få inköp

• slutföra en utrustningsinventering och utvärdera de aktuella utrustningsförhållandena

• välja utrustning för programmets första implementering

• utveckla systemdetaljer baserat på enskilda system och/eller komponenter

• utvärdera befintligt förebyggande eller prediktivt underhåll

• bestämma vilka system som ska inkluderas och vad som ska inspekteras för

• definiera programmets kritik och fastställa PDM-frekvens och schema typ

• utvärdera de förväntade resurserna och tilldela personalroller och ansvar

• organisera programmet och integrera det i schemaläggningssystemet

• utbilda och skaffa inköp från drift och underhåll

• uppgradera utrustning och genomföra utbildning

• skapa ett datoriserat underhållshanteringssystem (CMMS)

cirka 65 procent av underhållspersonalen som undersöktes i Reliable plants 2019 Predictive Maintenance Survey sa att de använder prediktivt underhåll. När det implementeras och körs är prediktivt underhåll en hörnsten i ett framgångsrikt underhållsprogram.

skillnaden mellan prediktivt Underhåll och förebyggande underhåll

medan många underhållsprogram använder lite av båda, finns det flera skillnader mellan prediktivt underhåll och förebyggande underhåll. Förebyggande underhåll har inneburit inspektion och utförande av underhåll på maskiner, oavsett om utrustningen var i behov av underhåll. Detta underhållsschema baseras på antingen en användnings-eller tidsutlösare. Till exempel servas en värmeenhet varje år före vintern, eller en bil kräver planerat underhåll var 5 000 mil.

dessutom kräver förebyggande underhåll inte den tillståndsövervakningskomponent som prediktivt underhåll gör. Genom att inte kräva tillståndsövervakning innebär ett förebyggande underhållsprogram inte lika mycket kapitalinvesteringar i teknik och utbildning. Slutligen behöver många förebyggande underhållsprogram manuell datainsamling och analys.

medan förebyggande underhåll bestäms med hjälp av en tillgångs genomsnittliga livscykel identifieras prediktivt underhåll baserat på förinställda och förutbestämda förhållanden för specifika utrustningsdelar, med användning av olika tekniker. Prediktivt underhåll kräver också mer investeringar i människor, utbildning och utrustning än förebyggande underhåll, men tidsbesparingarna och kostnadsbesparingarna blir större på lång sikt.

fördelar och nackdelar med prediktivt underhåll

som nämnts är fördelarna med prediktivt underhåll enorma ur ett kostnadsbesparingsperspektiv och inkluderar att minimera planerad stilleståndstid, maximera utrustningens livslängd, optimera anställdas produktivitet och öka intäkterna (Immerman, ”effekten av prediktivt underhåll på tillverkning”). En annan fördel med prediktivt underhåll är dess förmåga att omvandla både ett underhållsteam och en organisation, eftersom implementering av PdM gör det möjligt för kapitalförvaltare att förbättra resultat och bättre balansprioriteringar som lönsamhet och tillförlitlighet.

en av de största nackdelarna med prediktivt underhåll är den tid det tar att bedöma och implementera ett PDM-schema. Med prediktivt underhåll som ett komplext initiativ måste anläggningspersonal utbildas i hur man inte bara använder utrustningen utan också hur man tolkar analysen (eller data).

medan många organisationer väljer att utbilda befintliga anställda på prediktivt underhåll, finns det tillståndsövervakande entreprenörer som är specialiserade på att utföra den nödvändiga arbetskraften och analysera resultaten för en anläggning. Förutom utbildningskostnaderna innebär prediktivt underhåll en investering i underhållsverktyg och system. Denna kostnad har minskat med tiden med introduktionen av molnbaserad teknik.

prediktivt underhåll vs. Inspektion för defekter

under en tid har en avsevärd förvirring funnits över det lämpliga sättet att inspektera förekomsten av ett givet felläge. Ska jag utföra någon typ av sensorisk inspektion? Ska jag utföra någon typ av kvantitativ inspektion? Ska jag använda en eller flera villkorsövervakningstekniker? Ska jag tillämpa en kombination av dessa tekniker för att maximera den villkorliga sannolikheten att hitta defekten?

hur identifierar jag närvaron av en nyckelfel på ett sådant sätt att den maximala tiden min planeringsavdelning måste utveckla arbetsförfarandena, skapa arbetsorder, beställa delarna och schemalägga och slutföra arbetet innan den villkorliga sannolikheten för misslyckande blir för hög? En förklaring av vilka typer av inspektioner och hur de kompletterar varandra går långt för att klargöra vilka som är mest lämpliga.

typer av Defektinspektionstekniker

sensoriska inspektioner har länge ansetts vara ryggraden i något bra inspektionsprogram och underhållsarbete. Man trodde att skicka någon runt tillräckligt ofta för att inspektera problem med maskiner skulle resultera i att identifiera fel i god tid för att mildra oplanerade driftstopp. Inspektören skulle använda syn, ljud och beröring för att avgöra om något hade förändrats sedan den senaste inspektionen. Varje förändring skulle registreras, rapporteras och undersökas av en hantverkare vid nästa planerade avbrott.

även om det finns en enorm mängd nytta för att skicka någon runt för att utföra inspektioner, finns det så många hål i denna strategi att det aldrig bör betraktas som ryggraden i inspektionsprogrammet. Sensoriska inspektioner identifierar vanligtvis bara de mest uppenbara och drastiska problemen. Det är nästan omöjligt för en sensorisk inspektion att identifiera tidiga, inre defekter i maskiner.

förbättrade sensoriska inspektioner

förbättrade sensoriska inspektioner fyller den grå zonen. De är både en sensorisk inspektion och en kvantitativ mätning med tillståndsövervakningsegenskaper. Dessa inspektioner använder instrument som spot radiometrar, strobe lampor, handhållna vibrationspennor och enkla ultraljudsmätare för att upptäcka defekter längre upp PF-kurvan. Medan dessa verktyg multiplicerar kraften hos de mänskliga sinnena, har de sin gräns. Dessa enkla verktyg gör det möjligt att upptäcka olika fellägen, men de bör inte ersätta ett omfattande tillståndsövervakningsprogram.

kvantitativa inspektioner

kvantitativa inspektioner kan ge användbar information när det gäller att generera data för trender och bestämma det karakteristiska livet för ett felläge. Kvantitativa inspektioner behöver någon att mäta något. Mycket vanliga kvantitativa inspektioner inkluderar mätning av temperaturen på en tätning på en pump eller mätning av bakplattans spelrum på en pumphjul. Dessa mätningar ger data till planeraren och ingenjören och hjälper till att bestämma behovet av ytterligare underhållsåtgärder.

När ett kvantitativt inspektionsförfarande utformas korrekt, specificerar gränser och vanligtvis förväntade mätningar. Varje inspektion som kräver att någon mäter något bör ha lägsta, maximala och typiska värden, med villkorliga uppgifter definierade för när gränserna överskrids. Men en kvantitativ inspektion som utförs vid rätt inspektionsfrekvens kommer sällan att ha en mätning som överskrider gränserna.

prediktivt underhåll som en Defektinspektionsteknik

tillståndsövervakning, även känd som prediktivt underhåll (PDM), är tillämpningen av tillståndsbaserad övervakningsteknik, statistisk processtyrning eller utrustningens prestanda för tidig upptäckt och eliminering av utrustningsfel som kan leda till oplanerad stilleståndstid eller onödiga utgifter.

och generellt sett måste du utföra detta medan utrustningen är i normal drift, med liten eller ingen processavbrott. Syftet med dessa verktyg (vibrationsanalys, infraröd termografi, motorkretsanalys etc.) är att hitta fel som inte hittats genom tidigare tillgängliga inspektionsmetoder, medan maskinen är i normal drift.

utnyttja den tillgängliga tekniken kan du bedöma tillståndet av delar och förekomsten av defekter hittills omöjligt att upptäcka. Ett exempel på den fördel som dessa verktyg har inom området kvantitativa inspektioner eller sensoriska inspektioner är användningen av vibrationsanalys för att bestämma förekomsten av en defekt på ett rullande elementlager.

tidigare förlitade sig mekanik och millwrights på ”lyftkontroller” för att bestämma mängden clearance i ett lager. Tyvärr är denna teknik endast giltig för lagerfel som resulterade i avlägsnande av material från lagrets löpbanor; detta lager skulle vara ganska dåligt för att ha tusendels tum spel i det.

sub-ytutmattning ses lätt med vibrationsanalys och vid denna punkt i felutbredningen har resulterat i att material inte tagits bort från löpbanorna. Detta är det vanligaste exemplet på fördelarna med prediktiv underhållsteknik.

det finns olika typer av defektinspektionstekniker som kan bäras på en maskin, och var och en har sina fördelar och nackdelar. Ändå är dessa tekniker inte exakta ersättare för varandra. Var och en bestämmer närvaron av defekten på olika platser längs P-f-kurvan och som ett resultat ger var och en planeringsfunktionen olika tid att svara på defekten.

a failure modes, effects and criticality analysis (FMECA) kan hjälpa dig att avgöra vilka inspektionstekniker som ska tillämpas, hur ofta och med vilken grad av redundans. Kom ihåg att tricket är att balansera risken med rigor. Hur mycket risk du är villig att ta med ett givet felläge i kombination med hur mycket du är villig att betala för inspektionen bestämmer lämplig strategi.

Predictive Maintenance Technologies

som namnet antyder är målet med prediktivt underhåll att förutsäga när underhåll behövs. Även om det inte finns någon magisk 8-boll, finns det flera tillståndsövervakningsanordningar och tekniker som kan användas för att effektivt förutsäga fel, samt ge avancerad varning för underhåll i horisonten.

infraröd termografi

känd som en icke-förstörande eller icke-intrusiv testteknik används infraröd (IR) termografi i prediktivt underhåll i stor utsträckning. Med IR-kameror kan Personal upptäcka höga temperaturer (aka, hotspots) i utrustning. Slitna komponenter, inklusive felaktiga elektriska kretsar, avger vanligtvis värme som visas som en hotspot på en termisk bild (”prediktivt underhåll”, Lean Manufacturing Tools).

genom att snabbt identifiera hotspots kan infraröda inspektioner hitta problem och hjälpa till att undvika kostsamma reparationer och stillestånd. Infraröd teknik anses vara” en av de mest mångsidiga prediktiva underhållsteknikerna som finns … används för att studera allt från enskilda komponenter i maskiner till anläggningssystem, tak och till och med hela byggnader ” (styrteknik). Fler användningsområden för infraröd teknik inkluderar att upptäcka termiska anomalier och problem med processystem som är beroende av värmehållning och/eller överföring.

akustisk övervakning

med akustisk teknik kan Personal upptäcka gas -, vätske-eller vakuumläckor i utrustning på ljud-eller ultraljudsnivå. Anses billigare än ultraljud teknik, är sonic teknik användbar på mekanisk utrustning men begränsad i dess användning. Ultraljudsteknik har fler applikationer och är mer tillförlitlig för att upptäcka mekaniska problem.

det gör det möjligt för en tekniker att” höra friktion och stress i roterande maskiner, vilket kan förutsäga försämring tidigare än konventionella tekniker ”(”prediktivt underhåll”, Wikipedia) genom att använda instrumentering för att konvertera ljud i 20 – till 100-kilohertz-området till ” auditiva eller visuella signaler som kan höras/ses av en tekniker. Dessa höga frekvenser är de exakta frekvenserna som genereras av slitna och undersmörjda lager, felaktig elektrisk utrustning, läckande ventiler etc.”(Wright, ”hur man utnyttjar flera prediktiva underhållstekniker”).

medan både ljud-och ultraljudstestning kan vara dyrt, finns det en annan form av akustisk övervakning som är ganska överkomlig: en teknikers öron. ”Något så enkelt som att upptäcka en oljeläckage eller en växellåda som låter konstigt kan och ofta leder till förebyggande av ett katastrofalt misslyckande och undviker tiotusentals dollar i förluster” (Wright, ”hur man utnyttjar flera prediktiva underhållstekniker”).

vibrationsanalys

används främst för höghastighetsroterande utrustning, vibrationsanalys gör det möjligt för en tekniker att övervaka maskinens vibrationer med hjälp av en handhållen analysator eller realtidssensorer inbyggda i utrustningen. En maskin som arbetar i toppskick uppvisar ett visst vibrationsmönster. När komponenter som lager och axlar börjar bära och misslyckas, kommer maskinen att börja generera ett annat vibrationsmönster. Genom att proaktivt övervaka utrustningen kan en utbildad tekniker jämföra avläsningarna mot kända fellägen för att avgöra var problem uppstår.

bland de problem som kan upptäckas med vibrationsanalys är felinriktning, böjda axlar, obalanserade komponenter, lösa mekaniska komponenter och motorproblem.att se till att tekniker är utbildade kommer att vara avgörande, eftersom det kan vara svårt att förutsäga maskinfel med hjälp av vibrationsanalys. Många organisationer erbjuder fördjupad utbildning för att förbereda individer för certifiering som vibrationsanalytiker. Den enda nackdelen med att använda vibrationsanalys är kostnaden för att implementera den med ett PdM-program.

oljeanalys

oljeanalys är ett effektivt verktyg för prediktivt underhåll. Det gör det möjligt för en tekniker att kontrollera oljans tillstånd och avgöra om andra partiklar och föroreningar är närvarande. Vissa oljeanalystester kan avslöja viskositeten, närvaron av vatten eller slitmetaller, partikelantal och syratalet eller basnumret.

en av fördelarna med att använda oljeanalys är att det inledande testet(erna) kommer att ställa in en baslinje för en ny maskin. När det görs ordentligt kan oljeanalys ge en mängd resultat för att göra prediktivt underhåll framgångsrikt.

andra tekniker

tillsammans med dessa tekniker kan anläggningar använda andra tekniker som motortillståndsanalys, som beskriver drift-och körförhållanden för motorer; och virvelströmsanalys, som identifierar förändringar i rörväggtjocklek inom centrifugalkylare och pannsystem. Borescope inspektioner, CMM, dataintegration och tillståndsövervakning kan också bidra till att underlätta prediktivt underhåll. Även om det finns flera olika tekniker för att hjälpa till i dina PDM-ansträngningar, är det viktigt att välja rätt för att säkerställa framgång.

Business Case for Predictive Maintenance

för att uppnå avkastning på kapitalinvesteringar och hålla maskinerna igång med maximal effektivitet måste anläggningarna lägga större vikt vid prediktivt underhåll. Enligt Wall Street Journal, ” oplanerade driftstopp kostar industriella tillverkare uppskattningsvis $50 miljarder årligen. Utrustningsfel är orsaken till 42 procent av denna oplanerade driftstopp. Oplanerade avbrott resulterar i överdrivet underhåll, reparation och utbyte av utrustning.”

När drift och ledning drivs mot att minska kostnaderna och öka produktiviteten blir behovet av förutsägbart underhåll tydligt, eftersom det är svårt att fatta några kostnadseffektiva och långsiktiga beslut för en anläggning.

värdet av prediktivt underhåll kommer från ett kostnadsbesparande och / eller tidsbesparande tillvägagångssätt, eftersom underhåll endast utförs vid behov. Faktum är att flera studier av USA. Department of Energy Federal Energy Management Program fann att en väl fungerande prediktivt underhåll program ger besparingar som sträcker sig från 30-40 procent över reaktivt underhåll, och 8-12 procent över förebyggande underhåll.

för att en PdM-strategi ska lyckas måste flera kriterier beaktas och uppfyllas. För det första bör åtagandet komma från toppen ner. Hela organisationen måste vara engagerad i att göra prediktivt underhåll till en obligatorisk del av de normala scheman. Alla Processoperatörer måste också vara utbildade och involverade i att utföra de nödvändiga underhållskontrollerna. Dessutom måste hela organisationen förstå de faktiska kostnaderna och konsekvenserna av dåligt underhåll. Slutligen måste PDM-förfaranden genomföras omedelbart för att organisationen ska kunna börja skörda fördelarna.

medan många inser vikten av att använda prediktivt underhåll för maskiner med hög dollar, är PdM också livskraftigt för övervakning av mindre, vardagliga tillgångar som kaffemaskiner, skrivare, portometrar och mer. I verkligheten kan en hel anläggning dra nytta av att implementera prediktivt underhåll.

prediktiva Underhållsapplikationer

den största applikationen för prediktivt underhåll är inom tillverkningssektorn. Eftersom tillverkningsanläggningar fortsätter att möta efterfrågan för att öka produktiviteten har flera underhållsstrategier skapats och implementerats. En majoritet av dessa har dock varit reaktiva. Många anläggningar har ett tänkesätt av ” om det inte är trasigt, inte fixa det.”Tyvärr bidrar detta tankesätt till oplanerat underhåll och stillestånd.

som diskuterats tidigare började anläggningar implementera prediktivt underhåll i början av 1990-talet. då ”bristen på tillgänglighet av sensorer som genererar data samt brist på beräkningsresurser för insamling och analys av data gjorde det svårt att implementera PdM” (”Predictive Maintenance in Manufacturing Overview,” Microsoft Azure).

med introduktionen av Internet of things (IoT), maskininlärning, cloud computing och big data analytics har tillverkningsindustrin gått framåt för att implementera prediktivt underhåll, vilket resulterar i ökad drifttid och kvalitetskontroll, optimering av underhållsvägar, förbättrad arbetssäkerhet och ökad produktivitet. Eftersom tillverkare arbetar med snäva marginaler och tidsramar har tanken på oplanerad stillestånd blivit oönskad. Prediktivt underhåll kan erbjuda en lösning.

en annan ansökan om PdM finns inom järnvägssektorn, särskilt när det gäller järnvägsindustrins digitala omvandling. Med tåg som har en hög initial investering, Det finns ett stort fokus på att hålla dem i drift så länge som möjligt. Förutsägbart underhåll gör det möjligt för järnvägsföretag att få ut det mesta värdet av sin tågflotta genom en mängd olika tekniker och programvara som minskar driftskostnaderna och förlänger flottans livslängd.

inom järnvägssektorn används prediktivt underhåll för att upptäcka problem med linjära, fasta och mobila tillgångar; förbättra säkerheten och spåra tomrum upptäckt genom fordonets hyttbaserade övervakningssystem; och identifiera vilken typ av spår tillgång under vilken tomrummet ligger, samt ge en indikation på tomrummet svårighetsgrad.

enligt en artikel i MaintWorld, ”i framtiden förväntas pålitligt järnvägsunderhåll förlita sig på smarta transportsystem och sammankopplade lösningar som prediktivt underhåll och integrerade säkerhetsverktyg för att förbättra kritiska problem som säkerhet, förseningar och övergripande systemkapacitet” (Peycheva, ”järnvägen går Smart med prediktivt Underhåll och Industri 4.0 CMMS”).

medan traditionellt långsam att modernisera sina underhållssystem, olje-och gasindustrin blir en viktig förespråkare för prediktivt underhåll. Varje dag samlar olje – och gasföretag enorma mängder data genom sensorer – särskilt trådlösa sensorer-i oljefält runt om i världen. När olje-och gasverksamheten blir mer komplex blir synligheten i utrustningens skick svårare, särskilt på avlägsna, offshore-och djuphavsplatser.

i en vitbok från 2015, MapR Technologies Inc. ”olje-och gasföretag har en stor möjlighet att öka effektiviteten och minska driftskostnaderna genom bättre tillgångsspårning och förutsägbart underhåll.”

prediktivt underhåll kan ses som en konkurrensfördel för olje-och gasföretag samt relaterade serviceföretag, särskilt under tider av lågkonjunktur när organisationer tvingas hitta sätt att arbeta mer effektivt och effektivt. Naturligtvis gäller prediktivt underhåll inte bara tillverknings -, järnvägs-och olje-och gasindustrin. I andra applikationer används PdM för att:

• hjälp till att förhindra strömavbrott med hjälp av drönare och sensorer som kartlägger verktygsnätverk

• detektera en temperaturnedgång i en ångrörledning, vilket indikerar en potentiell tryckläcka

• fånga ökade temperaturer i elektriska paneler för att förhindra komponentfel

• Mät utbudssidan och efterfrågesidan vid en gemensam kopplingspunkt för övervakning av strömförbrukningen

• lokalisera överbelastningar i elektriska paneler

• identifiera motorspänningsspikar eller överhettning från dåliga lager eller förolämpningsbrott

• hitta trefaseffektobalanser från harmonisk distorsion, överbelastning, nedbrytning eller misslyckande av en eller flera faser

IIoT och PDM Integration

en av de viktigaste faktorerna – om inte den viktigaste faktorn – i ett framgångsrikt prediktivt underhållsprogram är användningen och integrationen av industrial internet of things (IIoT). Enligt en rapport från Deloitte, ”sakernas Internet (IoT) är kanske den största delen av PDM-pusslet … IoT översätter fysiska handlingar från maskiner till digitala signaler med hjälp av sensorer som temperatur, vibration eller konduktivitet … när de fysiska åtgärderna har översatts till digitala signaler via sensorer bearbetas, aggregeras och analyseras de. Med överkomliga bandbredd och lagring kan massiva mängder data överföras för att inte bara ge en fullständig bild av tillgångar i en enda anläggning utan av ett helt produktionsnätverk” (Coleman et al., ”Prediktivt Underhåll och den smarta fabriken”).

för att lyckas är prediktivt underhåll beroende av sensorer för insamling och analys av data från olika källor, såsom CMMS och kritiska utrustningssensorer. Med hjälp av dessa data kan IIoT skapa ”avancerade prediktionsmodeller och analytiska verktyg för att förutsäga fel och ta itu med dem proaktivt. Dessutom kan Ny maskininlärningsteknik med tiden öka noggrannheten hos de prediktiva algoritmerna, vilket leder till ännu bättre prestanda” (Coleman et al., ”Prediktivt Underhåll och den smarta fabriken”).

i kombination med prediktivt underhåll har IIoT förmågan att fånga utrustningsfel i förväg. Med ankomsten av Industri 4.0 i tillverkningsområdet är anläggningarna angelägna om att utnyttja IIoT för att få bättre insikter i verksamheten.

prediktivt Underhåll och avkastning på investeringar

implementering av prediktivt underhåll kräver en betydande investering i pengar, Personal och utbildning. Även om dessa initiala investeringar kan verka skrämmande för en organisation, predictive maintenance ’ s return on investment (ROI) uppväger långt eventuella initiala kostnader.

enligt en färsk rapport från Deloitte har flera anläggningar sett en 5-10 procent kostnadsbesparingar i drift och underhåll, reparation och drift (MRO) materialutgifter; en 5-10 procent minskning av de totala underhållskostnaderna; och minskade lagerbärande kostnader. Ytterligare data från US Department of Energy visar också att implementering av ett funktionellt PdM-program har potential att ge en tiofaldig ökning av ROI, en minskning av underhållskostnaderna med 25-30 procent, en minskning av uppdelningar med 70-75 procent och en minskning av stilleståndstiden med 35-45 procent.

”När det gäller underhållskostnader kostar förebyggande underhåll $13 timlön per år medan prediktivt underhåll kostar $9 timlön per år, vilket gör prediktivt underhåll till ett billigare alternativ” (Ulbert, ”skillnaden mellan prediktivt Underhåll och förebyggande underhåll”).

Coleman, Chris, Satish Damodaran och Ed Deuel. ”Prediktivt Underhåll och den smarta fabriken.”Deloitte. 2017. https://www2.deloitte.com/content/dam/Deloitte/us/Documents/process-and-operations/us-cons-predictive-maintenance.pdf
” tillståndsövervakning av roterande maskiner.”Istec International. Åtkomst 1 November 2018. https://www.istec.nl/en/condition-monitoring-rotating-machines/.

styrteknik. ”Prediktiva Underhållstekniker.”Åtkomst 4 November 2018. https://www.controleng.com/single-article/predictive-maintenance-technologies/72faca6f85ddaef6b4479583b2741e6c.html.

Immerman, Graham. ”Effekten av prediktivt underhåll på tillverkningen.”MachineMetrics. Åtkomst 1 November 2018. https://www.machinemetrics.com/blog/the-impact-of-predictive-maintenance-on-manufacturing.

Lean tillverkningsverktyg. ”Prediktivt Underhåll.”Åtkomst 2 November 2018. http://leanmanufacturingtools.org/427/predictive-maintenance/.

Peycheva, Ralitsa. ”Järnvägen går Smart med prediktivt Underhåll och Industri 4.0 CMMS.”MaintWorld. Oktober 11, 2017. Åtkomst 4 November 2018. https://www.maintworld.com/Applications/Railway-Goes-Smart-with-Predictive-Maintenance-and-Industry-4.0-CMMS.

”prediktivt underhåll i Tillverkningsöversikt.”Microsoft Azure. 1 maj 2018. Åtkomst 4 November 2018. https://docs.microsoft.com/en-us/azure/industry/manufacturing/predictive-maintenance-overview.

”prediktivt underhåll med Hadoop för olje-och gasindustrin”, MapR Technologies Inc., Maj 2015. https://mapr.com/resources/predictive-maintenance-using-hadoop-oil-and-gas-industry/.

Ulbert, Sebastian, ”skillnaden mellan prediktivt Underhåll och förebyggande underhåll,” Coresystems, 15 September 2015. Åtkomst 2 November 2018. https://www.coresystems.net/blog/the-difference-between-predictive-maintenance-and-preventive-maintenance.

Wall Street Journal. Åtkomst 2 November 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