当今的维护经理面临着艰巨的挑战。他们必须在不超出预算的情况下，保持一系列复杂资产的正常运行。在许多情况下，维护团队还要在劳动力不断减少和专业知识严重受限的情况下开展工作。消费者的需求和紧张的生产计划意味着管理者面临着以更少的资源实现更多目标的持续压力。

转向预测性维护计划改变了许多企业的游戏规则。预测性维护使团队能够利用数据分析的力量来预测机器故障，并在导致资产故障之前及早加以缓解。结果如何？生产力和正常运行时间大幅提高，维护成本下降。

尽管如此，如今许多管理人员仍在努力实施预测性维护和状态监测战略。也许这听起来很熟悉。

虽然每个企业的情况不同，但都会遇到一些共同的障碍。利益相关者可能会担心预测性维护的财务成本，管理人员可能会对培训和实施阶段感到不确定，或者他们可能根本不知道从哪里开始。

在本文中，将探讨这些常见的障碍，并讨论如何克服它们。还将讨论从被动型维护策略转变为预测型方法所需的具体步骤。

反应式维护是许多运营机构默认的维护策略，尤其是那些资金捉襟见肘的运营机构。反应式维护的原则是等待和观望，推迟维修，直到资产最终发生故障。这也被称为“运行到故障（run-to-failure）”。从表面上看，这似乎是一种削减成本的策略。毕竟，你只是在资产绝对需要时才进行维修或更换。但在大多数情况下，“运行到故障”浪费了宝贵的资源。这种方法可能会导致生产时间损失和产品质量下降，代价高昂。这也意味着更耗时、更昂贵的维修。由于将维护团队变成了消防员，反应式维护还占用了他们的时间，使他们无法从事其它重要活动，如有效的库存管理和调度。

让我们明确一点：反应式维护确实有一些固有的优势，而且它有其存在的时间和地点。如果资产确实出现故障，反应式维护可以是一种有效的短期或后备策略。对于无法修复的项目或非关键性资产，“运行到故障”也不失为一种有效的方法，但对于维护现代工厂的关键资产来说，被动策略并不有效。

预测性维护是一种管理关键资产的更好方法，可让您根据资产本身的状态数据做出明智的维护决策。预测性维护利用通过无线传感器、手持工具、监控和数据采集（SCADA）系统等采集的状态监测数据流，并与现代软件和分析技术相结合。实时状态监测数据与先进的分析技术相结合，使维护管理人员能够在机器故障发生之前进行预测和预防。

如今的软件可以扫描状态监测数据，以发现新的或正在发展中的机器故障迹象。例如，振动或温度模式的变化往往是更严重问题的早期预警信号。当这些变化被及时发现时，技术人员就有足够的机会/时间纠正问题，从而使设备能够继续正常运行，避免因意外停机而造成的成本、危险和生产中断。

是什么阻碍了更多企业实施预测性维护策略？预算和专业知识限制等因素在其中起了很大作用。试图充分利用资源的管理人员有时会对购买新工具或投资计算机化维护管理系统（CMMS）的想法犹豫不决。同样，一些管理人员也会担心他们没有足够的熟练工人来实施这一方法。

这些顾虑是可以理解的，但事实上，预测性维护的本质使其非常适合预算有限的工厂和熟练工人较少的运营单位。如今，从无线传感器到手持设备，各种状态监测工具应有尽有，几乎适合任何团队或预算。云技术还能让全球专家轻松为专业知识有限的团队提供建议。高质量的CMMS软件可以为拥有多个工作场所的决策者提供指导。

值得强调的是，预测性维护并不是一个放之四海而皆准的解决方案。这种方法可以进行定制、修改和构建，以满足几乎所有运营的需求。一旦成功实施，预测性维护就能最大限度地利用资源，避免代价高昂的停机时间，大大弥补了安装过程中的任何初始成本。此外，维护团队可以而且应该从小型试点项目开始，首先只对少数资产进行监测，以便在实施全面的预测性维护项目之前，证明可以节省时间和成本。

此外，值得补充的是，并非工厂中的每一项资产都需要使用传感器进行监控。实施预测性维护策略的第一步是建立资产层次结构和个性化方案，以保持每台设备正常运行。

让我们来了解一下从反应性维护向预测性维护转变的实际过程。它分为六个关键步骤，在任何时候都有定制的空间。

实施的 6 个步骤：

1. 进行资产关键性分析。

对资产关键性的分析是确定成功维护计划的关键。根据每台设备对组织的重要性对其进行评估。不仅要考虑资产对生产的影响，还要考虑其潜在故障的影响。此外，还应确定资产对其它关键设备的影响。

2. 制定试点计划。

首先确定一小部分关键资产。确定这些资产最常见的故障模式，以及哪种形式的状态监测数据最适合检测这些故障模式。然后，根据预算和可用人力，确定收集状态监测数据的最佳设备。同样重要的是确定合适的数据分析工具，无论是与第三方专家合作、使用软件还是聘请数据科学家。

3. 为试点计划制定基准和评估标准。

确定成功试点的标准和评估计划成功与否的方法。设定目标，例如在固定时间内正确诊断机器故障的数量，或者资产性能的特定变化。您可能还想为错误设定一个阈值，如误诊或漏诊的机器故障。

4. 开始试点阶段。

设定一个明确的时间表，并确定规则，如收集数据的频率以及团队如何应对状态监测数据等。与所有相关团队成员和决策者分享计划、基准和持续流程至关重要。团队应对试点的操作程序、目标和机制有充分的了解。

5. 评估结果。

试点计划结束后，与团队和相关决策者一起对结果进行评估/审查。计划的哪些方面是成功的？哪些方面有改进的余地？审查过程对于实施新战略和继续改进至关重要。

6. 扩大试点计划。

有意识地逐步扩大预测性维护计划。试点计划结束后，将该计划扩展到另一组关键资产，并利用所学到的经验教训改进实施的工作。这一进程应以稳定的节奏继续下去。

当今的预测性维护工具可以取得惊人的效果 - 尤其是当团队将传感器与一流的CMMS系统搭配使用时。这些工具可以在机器故障发生前预测故障并发出警报，以便维护团队准确了解需要注意的事项。CMMS 甚至可以生成自动工单并自动安排任务，让您的维护团队永远不会错过任何一个环节。

未来有望提供更多。人工智能和机器学习技术有望提高诊断能力，从而能够找出机器故障的根本原因并提出解决方案。专家将这种方法称为“规范性维护”或“规范性分析”。

成功采用当今最佳工具的运营部门将为未来的技术发展做好充分的准备。技术永远不会停滞不前。现在是时候通过采用当今可用的最佳技术，为未来的工作场所做好准备了。