无法落地的“预测性维护”到底缺了什么？

  针对近期行业热点话题“预测性维护”，喜科将推出系列文章，通过借鉴喜科在过去20年来基于中国和亚洲地区智慧运维项目的实践经验，对其进行深入分析思考。

  是机遇还是混淆视听：浅谈“预测性维护”

  今年夏天，“预测性维护”这一话题再次引起了行业的轩然大波。许多咨询公司和传感器供应商在多年有意远离这个复杂且易被误解为缺乏投资价值的领域之后，准备重新挖掘其潜能。得益于人工智能和物联网的高速发展，或许维护的壁垒很快就会被攻破。

  不可否认的是，在结合了最新的数据处理、数据连接和信息技术的成就下，收集分析数据及其他技术信息获得了无限的可能性。但预测性维护可否使我们彻底摆脱所有的故障、损失和安全风险呢？

   “预测性维护”即通过算法，为故障提供可靠预测或警示设备状态变化，但这并不是一个被全新的概念。在“工业4.0”时代下我们能了解到的“预测性维护”仅仅是这一理念的可用性似乎增加了，且可以帮助实现如基于设备状态进行的维护工作。

  在任何情况下，如果一味地希望用“预测性维护”取代“传统维护工作”，并希望借此解决所有维护问题是不明智的。当然市场上的一些咨询顾问和供应商普遍认为“预防性维护”将会取代“纠正性维护”，而现今“预测性维护”可以取代“预防性维护”。在今年夏天的一次会议上，一位演讲者曾提议用“主动性维护”取代“预测性维护”，这一转变将开启“全新的运维模式”。然而，他无法进一步阐述这些新模式的具体内容，仅仅只是一纸空谈。

  然而毋庸置疑的是，工业业主和运营商们有能力且期望将其现有的维护战略的涉及内容和不断扩大甚至复杂化。随之而来的问题是，企业该如何正确地从技术发展中获取尽可能多的实际价值，并识别和运用其中最有用的技术？

  数字化的正确性和重要性

  在一场喜科参与的会议中，一家知名国际自动化供应商介绍了一则有关预测性维护的案例，声称他们参与的项目已达到了试验阶段，但在演讲中却无法提供任何的真实客户名称和数据。有观众提问为何依旧停留在测试阶段却无法实际落地？演讲者回答道：“因为在实验阶段，我们意识到客户的流程还不够数字化，不足以将预测性维护落地”。确实，要将尖端技术及预测性维护落地需要花费大量人力财力物力；此外，喜科一再提及的供应商说辞也在这种情况下理所当然地出现了：供应商可将项目的一切问题推脱给客户的不成熟。喜科曾在过往的新闻通讯文章中将供应商常见的托辞进行过分析。

  但这也为反应了一个基本情况：如果企业连最低程度的数字化都没有实现，就无法进行技术革新。举个最简单的例子：企业如需集中化管理数据，则需要一个中央数据库，包含资产登记信息、维护计划、维护工作流程和关键绩效指标等数据。现今依旧有许多企业的数据散落在各个部门的各种纸张、excel表格和系统中。然而，数字化、集中化管理工作流程及正确体现企业资产结构的信息是企业向“工业4.0”转变的真正推动者。

  因此，“正确的数据”远比一味的“大数据”要更好。要知道，与互联网行业相反的是基础行业无法通过耍点小把戏就让设备设施主动地供上它们的“个人数据”……因此，每个数据的收集都需要花费一些成本。而如何获得这些“正确的数据”通常可以通过制定良好的维护计划来实现。

  本文将在下一期介绍信息过量和由此产生的“卡珊德拉效应”，并重点介绍作为“预测性维护”基础的“智慧运维”理念，分享不同类型的“预测性维护”模型。

  喜科专家团队乐于通过各类行业活动或研讨会上就智慧运维解决方案、物联网和预测性维护等主题分享我们的经验和看法。欢迎您通过info@sivecochina.com与我们联系就这些话题进行讨论。

标签： 大数据、智慧运维、预测性维护、数字化