不合理的維護策略會導致工廠產(chǎn)能降低5%-20%，工業(yè)企業(yè)由意外停機造成的損失高達 500 億美元/年。

——德勤《預測性維護和智能工廠》

預測性維護突破兩難境地

以往，由于缺乏準確的方法來判斷設備失效的確切時間，設備維護運營者不得不選擇是冒著發(fā)生故障停機的風險使其壽命最大化，還是提前更換正常部件以最大限度保障設備正常運行。

不過日前德勤提出，新興的互聯(lián)技術能夠確保設備使用壽命最大化的同時，又能有效避免設備故障。德勤認為，預測性維護（PdM）技術旨在打破原有秩序，通過避免發(fā)生意外停機、縮短計劃停機時間，大限度地延長設備使用壽命。

預測性維護能夠從關鍵設備傳感器、企業(yè)資源規(guī)劃系統(tǒng)（ERP）、計算機維護管理系統(tǒng)（CMMS）、生產(chǎn)數(shù)據(jù)等多個系統(tǒng)中快速采集數(shù)據(jù)。智能工廠管理系統(tǒng)則將數(shù)據(jù)與先進的預測模塊和分析工具相結合，預測設備故障并進行處理，幫助維護人員找到問題的根源。

簡言之，智能工廠能夠完成機器到機器（M2M）、機器到人（M2H）的交互，同時結合分析和認知技術做出正確決策。

如何實現(xiàn)預測性維護？

預測性維護聽上去非常誘人，但是如何實現(xiàn)？德勤提出以下幾種技術，探索預測性維護和智能工廠的實現(xiàn)與落地。

>> 物聯(lián)網(wǎng)

物聯(lián)網(wǎng)（IoT）可能是預測性維護面臨的挑戰(zhàn)?；ヂ?lián)網(wǎng)是將筆記本電腦和移動設備連接到充滿HTML編碼數(shù)據(jù)的大型服務器場。物聯(lián)網(wǎng)與之類似，但數(shù)據(jù)是從資產(chǎn)到企業(yè)服務器的連續(xù)流中產(chǎn)生的。

物聯(lián)網(wǎng)使用溫度、振動或電導率等傳感器，將設備的操作過程轉(zhuǎn)換為數(shù)字信號。數(shù)據(jù)也可以從其他來源流式傳輸，例如機器的可編程邏輯控制器（PLC），制造執(zhí)行系統(tǒng)（MES）終端，CMMS，甚至ERP系統(tǒng)。物聯(lián)網(wǎng)完成物理-數(shù)字-物理（P-D-P）閉環(huán)的前半部分（下圖1）。

圖1：物理-數(shù)字-物理閉環(huán)

資料來源：德勤大學出版社綜合研究中心

>> 分析和可視化

P-D-P閉環(huán)的第二步是使用先進的分析技術和預測算法，分析數(shù)字信號并進行可視化。

商業(yè)智能（BI）等技術不再僅限于數(shù)據(jù)科學家使用，大量的分析平臺開始為非結構化數(shù)據(jù)、認知技術、機器學習和可視化提供頂層解決方案。從而讓制造領域?qū)＜液瓦\營分析師，能夠更便捷地使用應用程序，獨立創(chuàng)建儀表板。

另一個趨勢是數(shù)據(jù)回到邊緣端，這意味著數(shù)據(jù)在“邊緣端”生成的同時就被處理，同時將得到的結果直接反饋給設備維護人員。這種方式通過將一些處理工作分配給外部節(jié)點，減輕核心網(wǎng)絡壓力，提升系統(tǒng)性能。

>> 即將到來的“物理-數(shù)字-物理”閉環(huán)

在對信號進行處理、分析和可視化之后，需要將分析結果轉(zhuǎn)換為行為。其中有些是通過指示的結果直接改變設備功能，有些則是通過報警，提醒維護人員完成維修工作。

可以設想這樣一套流程：預測算法觸發(fā)公司CMMS系統(tǒng)創(chuàng)建維護工作訂單，檢查ERP系統(tǒng)中的備件，并自動為所需的任何其它部件創(chuàng)建購買請求；之后維護管理人員只需批準工作流程中的項目，并匹配給相應的工作人員即可。這樣的一整套自動化流程將會大程度地降低時間成本。

以上流程看似面臨著很多挑戰(zhàn)，但數(shù)字化轉(zhuǎn)型的優(yōu)勢遠大于這些困難。它的優(yōu)勢包括：

• 降低材料成本（5%-10％的運營和MRO材料支出）

• 降低庫存運輸成本

• 提高設備正常運行時間和可用性（10%-20％）

• 減少維護計劃時間（20%-50％）

• 降低總體維護成本（5%-10％）

• 改善健康安全和環(huán)境三位一體的管理體系

• 減少用于無用信息的提取和驗證的時間

• 花費更多時間在數(shù)據(jù)驅(qū)動的問題解決上

• 明確計劃、績效和問責制的聯(lián)系

• 對決定決策所有權的數(shù)據(jù)和信息更有信心

維護策略成功的七個核心要素

德勤在報告中指出，雖然技術是預測性維護策略的關鍵推動因素，但它只是其中的一部分。如果沒有基本的構建模塊，技術投資可能永遠不會產(chǎn)生預期的結果。所以成功的維護策略還需要關注操作流程，需要能夠在正確的時間和地點部署所有合適的資源（人力、技術、備件、設備等）。

圖源：德勤 Predictive maintenance and the smart factory

企業(yè)不論大小，沒有一家能夠在不考慮維護策略、流程，及支持它們的技術的情況下取得成功。所以可以從現(xiàn)在開始思考以下問題，進一步評估公司需求和維護計劃的成熟度。

• 我們的資產(chǎn)需要多高的可靠度？我們的可用性目標是什么？

• 我們的技術人員是否具備完成工作的技能？

• 我們是否在正確的時間、正確的地點提供合適的備件？

• 我們的流程是否有詳細記錄，是否可訪問且有用？

• 我們是否有適合工作的工具？

• 我們?nèi)绾未_定何時更換設備而不是維修？

• 我們已經(jīng)擁有哪些未被有效使用的數(shù)據(jù)？

• 我們是否在生產(chǎn)系統(tǒng)中確定了關鍵資產(chǎn)？

• 是否有一些關鍵資產(chǎn)可以從預測性維護試點中受益？

• 整個企業(yè)的預測性維護價值是多少？

預測性維護最大的價值是基于剩余使用壽命（RUL）的預測，在維護機會窗內(nèi)選擇成本最低的維護策略和排程計劃，同時綜合考慮所有設備的維護需求，制定全局最優(yōu)的維護方案。簡言之就是把不確定的信息確定化，并為客戶節(jié)約成本、提高效率。

根據(jù)羅蘭貝格與漢諾威工業(yè)展覽會合作針對153家機械工程運營公司的調(diào)研顯示：81%的受訪公司已布局預測性維護，其中雖有近40%的受訪公司已在提供相關技術和服務，但大部分公司仍然在產(chǎn)品研究階段，或尚未開始任何相關工作。

然而科技的發(fā)展日新月異，正在迅速地向工業(yè)領域的各個環(huán)節(jié)滲透，越來越多的預測性分析軟件和嵌入式智能IoT被整合到工業(yè)產(chǎn)品和生產(chǎn)系統(tǒng)中，企業(yè)只有盡快找到一種合適的方法，將大數(shù)據(jù)轉(zhuǎn)變?yōu)楦咝У钠髽I(yè)決策，即將技術與運營完美結合，才能在瞬息萬變的市場環(huán)境當中所向披靡。

文章主要內(nèi)容來源于德勤報告 —— Predictive maintenance and the smart factory

報告鏈接：https://www2.deloitte.com/us/en/pages/operations/articles/predictive-maintenance-and-the-smart-factory.html