没有什么比谈论利润更能吸引最高管理层的注意力了，这也就解释了当前围绕预测性维护的一些热议。

数十年来，重工业领域的极客们一直在深入探索预测性维护这一领域。其基本思想很简单：通过结合正确的数学分析和传感器数据，可以在机器故障前对其进行修理，节省宝贵的资源，并消除计划外停机时间。但是很长的一段时间内，使预测性维护成为可能的流程要么不存在，要么过于昂贵而不被认为是实用的。

今天的情况看起来就大不相同了，高级分析技术、低成本传感器和物联网 (IoT) 的结合有望将维护从成本中心提升到利润中心。真正的信徒们将预测性维护视为能够点燃经济革命的火花，从他们的角度来看，更广泛地采用预测性维护原则将使公司能够提供比以往任何时候都广泛得多的产品和服务。早期采用者可能是能源、运输、制造和信息技术领域的公司。随着越来越多的经济部门依赖于通过物联网流动的服务和收益，预测性维护的吸引力将迅速扩大。

权威研究表明，“功能性预测性维护计划”可以将维护成本降低 30%，将停机时间减少 45%，并将故障消除多达 75 % 。

预测性维护的优点很多。精心策划的预测性维护计划几乎可以消除灾难性的设备故障。

这是预测性维护时代的曙光吗？预测性维护的经济潜力将推动物联网的稳步增长，像GE、思科、IBM和英特尔这样的公司正在指望物联网所实现的预测性维护能力为能源和公用事业行业创造至少1000亿美元的额外价值。根据 Gartner的预测，物联网将创造近 2 万亿美元的价值，未来五年全球经济的新价值和大部分价值创造将受到预测性维护的刺激。

某企业高管认为预测性维护策略可以创造三个层次的价值，如表所示。

对于工厂经理和维护经理来说，主要关注点是资产性能。他们的目标是让他们拥有的每项资产的计划外停机时间为零。这是基础——提高资产的可靠性和可用性，同时降低维护成本。

下一层是副总裁，他们考虑优化整个工厂的运营，不仅仅是有形资产，而是一切，包括供应链和人力资源。

第三层也是最高层——最高管理层，专注于优化整个企业的盈利能力。在能源领域，节省 1% 的燃料时，它会为我们的客户带来大约 650 亿美元的价值，从我们的角度来看，我们看到预测性维护对所有三个层面都产生了重大的业务影响。

每一层都有不同的观点和目标。在底层，经理和操作员必须了解各个零件和机器的物理特性。在下一层，资源、机器、流程和人类行为之间的相互作用至关重要。在最顶层，重点是确保在较低层实现的效率能够增加市场优势和实际利润。

显然，预测性维护不仅仅是一种工具或解决方案；它是一个集成的业务战略，具有多个层次、相互关联的流程以及跨企业和超越传统边界的各种利益相关者之间的复杂关系。

预测性维护的发展与 ERP（企业资源规划）、CRM（客户关系管理）、供应链管理和其他已成为企业 IT 组合不可或缺的重要组成部分的系统的发展之间的相似之处。已经看到 CIO 参与其中，并与公司的资产负责人或运营负责人合作，建立支持预测性维护所必需的 IT 基础设施。

当 CIO 让 IT 部门为转向预测性维护做好准备时，重要的是要超越他们作为“数字化人员”的传统角色。“预测性维护与用电子替换原子或使用软件执行业务流程不同。这是根本不同的东西；这是为公司创造新价值和新收入。

预防与预测

预防性维护和预测性维护之间的区别不仅仅是语义上的。想象一个三层金字塔。底部是反应性维护，其操作理念是“等到它坏了，然后修复它”。下一个级别是预防性维护，即按预定的时间间隔进行维修或改造。预防性维护的目标是延长机器及其零件的使用寿命。

在我们想象的金字塔的顶端是预测性维护，它试图在问题实际发生之前避免它们。在预测性维护场景中，目标是完全消除计划外停机或故障。不难看出为什么公用事业公司在预测性维护方面处于领先地位：停电的补救成本很高，会造成各种真正的危险，而且肯定会激怒客户。出于类似的原因，医疗设备制造商也是预测性维护的先锋。

根据 DOE 提供的信息，表2和表 3显示了预防性和预测性维护之间的主要区别。

建立基础

Daniel Koffler 是 Rio Tinto Alcan (RTA) 的首席技术官，该公司是铝业务的全球领导者，也是跨国金属和矿业公司 Rio Tinto Group 运营的五个产品集团之一。RTA 每年生产 3140 万吨铝土矿、700 万吨氧化铝（氧化铝）和 220 万吨原铝。Koffler 负责确保 RTA 的机器保持运转。

“在任何一种失效运行场景中都存在固有的停机时间。当你的主要资产失效时，你被迫保留额外的资产来弥补损失，”Koffler说。“无论哪种方式，你在修理期间都会失去生产能力，并花费资金购买闲置的额外资产。”

尽管定期维护模式可以避免计划外停机，但也很有可能最终会不必要地修理设备或更换零件。通过预测性维护模型，可以让资产运行更长时间，并避免计划外停机。

可靠的数据和可靠的计算模型是预测性维护的基础。此外，企业文化必须适应并不总能产生完美结果的过程。

在管理层，人们需要接受数据模型并不是从 100% 成熟度开始的。这是一个需要时间的过程。你不会从高峰开始。这意味着必须接受额外的风险。可能会出现意想不到的故障，这些故障是这个过程的一部分。

维护的未来

预测性维护发展的下一步可能涉及更大量的机器学习和闭环自动化技术。目前，预测性维护系统仅限于发出危险信号和发出阻碍故障的警报。未来的版本无疑将包括高级决策工具和推荐引擎。

有人认为预测性维护不可避免地会演变为规范性维护。在规范性维护场景中，系统不仅会告诉您坏事即将发生；它将提供有用的建议。

预测性维护系统会说，“根据当前和预期的条件，这是你应该做的”并提供一系列选择，从而指导人们做出更好的决策。但与此同时，如果人类决定推翻建议，系统将捕捉该行为并通过学习进化。

今天，预测性维护在信息技术、制造业、医疗保健和能源领域得到广泛应用。在不久的将来，预测性维护将在零售、电信、媒体和金融行业得到更广泛的应用。"交叉感染"的潜力似乎是无限的。

文章来源： 预测性维护

了解更多相关资讯，可关注DFS公众号，内容更精彩！

SMEE 2024智能维护展（7月3-5日，上海新国际博览中心）作为DFS 2024数字科技与应用展的主题展之一，是中国少有的工业设备智能维护展示平台，聚焦工业智能维护产业战略、技术、设备及解决方案，致力于为制造业提供更具保障的生产解决方案。

展会细分为四大板块，分别是预维护技术、工程与服务、维修、运维等。同期，DFS数字科技与应用系列展会共同举行的集聚效应将使您的公司受益匪浅，尽享跨界商务盛宴！

参展咨询：

电话：86-21-6468 1300

邮箱：info@for-expo.com