“预测性维护”：信息过量引发的“卡珊德拉效应”
本文为喜科针对近期行业热点话题“预测性维护”推出的第二篇系列文章，本系列将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，对这一话题进行深入分析思考。在首篇文章：“无法落地的“预测性维护”到底缺了什么？”中我们提到：“正确的数据”远比一味地追求“大数据”更重要。互联网行业可以通过一些“小把戏”轻松获取用户个人数据，而传统行业是无法让设备设施主动提供它们“个人数据”的……因此，每个数据的收集都需要花费一定的成本，而如何确保数据的正确性可以通过制定良好的维护计划来实现。
实施“预测性维护”系统最为理想的状态是通过结合现有的故障模式和预定义的反应措施，预先告知部分系统或设备早期的故障迹象。然而，在大多数情况下，“预测性维护”系统只是单纯地提供来自传感器的数据，如：警报和计量读数。当设备及传感器数量增加时，警报也会成倍增长，届时系统的警报提示会如同圣诞树的彩灯一般不停闪烁。这就是信息过量导致的典型情况，也被称之为“卡珊德拉效应”。卡珊德拉是古希腊神话中拥有预言能力的女子，她可以预测未来且不断地预言，但由于预言过多，没有人愿意相信她。
消除错误警报
传感器故障或系统的错误设置会引起错误的警报及读数，并最终导致信息过量。相信身处工业领域的读者朋友对于这种情况一定不会陌生：系统不断跳出警报提示，多到技术团队无法应对，最终只能以断开系统收场。如果您的企业应用了SCADA或建筑管理系统（BMS）等自动化解决方案后这种情况是非常常见的。所以运维团队至少可以在将这些数据传输到“预测性维护”系统之前，过滤错误和重复的信息，以避免信息过量。
维护系统
传感器故障和设置错误在所难免，但运维团队应落实反馈闭环，对问题及时进行优化和处理，在此基础上对维护预算进行更新。此外，鲜少有人意识到这样一个事实：使用物联网和“预测性维护”系统意味着维护团队需要管理和维护更多的传感器和技术装置，实则加重了工作负担。
调整数据结构
如果数据无法和维护策略挂钩，那么数据将失去价值。运维团队必须根据维护策略中定义的资产关键度和维护计划对数据进行整理，且以支持运维团队工作为最终目的，在系统中进行相应的数据处理，并根据决策需要展示相应的数据。
掌握算法
“预测性维护”中最具挑战的一个方面是如何确保企业可以在一定程度上独立自主地使用系统。在面对企业不断变化的设备状况等挑战中，维护工程师通常需要依赖系统供应商调整预测算法。如需改变现状则需要企业有相应的专业人才。
智慧运维为“预测性维护”助力
总体而言，许多企业仍然缺少成功实施“预测性维护”所需的核心基础。喜科提出的智慧运维解决方案将资产管理专业知识与IT解决方案相结合，通过完善的管理框架，为维护团队搭建全面的运维平台，帮助企业对“预测性维护”所需数据进行处理。该解决方案以ISO 55000资产管理体系为标准，可帮助企业全面了解其资产管理和维护策略。如企业需要落实“预测性维护”，则应将其作为整体维护策略的一部分进行规划。此外，还需建立完善的信息系统，以管理所有资产和维护数据。
对于预测的故障提示，系统可通过手机端的bluebee® app直接发送给相应的资产负责人。技术人员可根据情况决定何时及如何处理这些警报提示。
此外，喜科智慧运维系统中提供了历史工作记录、故障详情及诸多传感器未涵盖的需要由工程师人工完成的工作，这些准确的结构化数据将有助于完善企业预测模型。
对上述“预测性维护”的讨论也真实反映了工厂经理每天都面对的两难问题：企业应该降低直接成本还是将停机时间等间接损失降至最低？是投资新技术还是利用传统的技术方法？由于缺乏可行的数据，如何估算可避免的间接损失、如何衡量新技术产生的影响等问题难以解决。而通过基于ISO 55000的解决方案，这些明显的矛盾可以通过企业对安全、合规和可靠性的具体目标划分优先级。喜科建议将智慧运维系统作为落实ISO 55000资产管理体系的实际途径，从而助力实现“预测性维护”计划。
喜科运维专家团队时常受邀在行业活动、会议或研讨会上围绕智慧解决方案、物联网和“预测性维护”等主题发表演讲。欲了解更多关于喜科及智慧运维解决方案的相关信息，欢迎发送邮件至info@sivecochina.com 与我们联系。
