打破物联网、人工智能助力“预测性维护”的幻想：现实反而更美好！
“空头支票”
相信维护领域的资深从业者都清楚自20世纪80年代开始，“预测性维护”一直是一个热门话题。近年来，各式各样的新人涌入市场，声称通过物联网和人工智能技术将为“预测性维护”带来革命性的变化。因此，从前被认为繁琐、复杂且回报不高的维护工作突然变得热门起来！
在2018年举办的“世界制造业大会”上，来自世界各地的专业人士纷纷表示“预测性维护”因投入少、潜在回报高，是智能制造中最易落地及推广的技术之一，但实际上鲜少有案例可以佐证这一观点。相反，大家的话题却始终绕不开机器人、人工智能、智能眼镜这些黑科技。
时至今日，“预测性维护”的热度正逐步降低，许多打着“革命性”创新技术旗号的初创企业也在这个市场消失，多数概念项目也以失败告终。工业维护的浪潮会因这一张张“空头支票”就此平息吗？其实不然，现在正是借鉴运维人员智慧和经验的好时机，同时也是他们走向台前，展现价值的高光时刻！
实事求是
在去年夏天举办的“第三届流程工业智能制造高峰论坛”中，一家德国知名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进入实验阶段，但在演讲中却无法提供真实客户名称和任何数据。有观众提问为何依旧停留在实验阶段却无法实际落地？演讲者答道：“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，供应商将项目的一切问题推脱给客户不成熟的情况也多次出现。
喜科运营总监纪尧慕先生在“第三届流程工业智能制造高峰论坛”中分享国内真实客户运维案例
这里反应了一个基本情况：如果企业连最低限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。但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。
要实现基础的数字化，企业需要的是充足的经验和专业的知识，而不是天花乱坠的软件系统和高科技。其中尤为重要的是了解对企业运维而言什么是“正确的”；什么是“有用的”；什么应该优先数字化，及如何有效地做到这一点。就“预测性维护”而言，“正确的数据”远比“大数据”要更好。而哪些数据是“正确的”、“有用的”，则必须基于公司维护策略去思考。
理论法宝
正如列宁同志所言：“没有革命的理论，就没有革命的运动。”对运维而言，理论基础即维护策略，即使新技术层出不穷，但技术应始终服务于企业维护需求，例如：减少制造过程中的无故停机、落实风险防范等。而如何实现上述目标则需具备专业理论知识和实践经验的人员负责，同时参与制定维护策略。
诸如ISO 55000(同国标GB/T 33172)等资产管理标准也为企业提供了强大的理论基础，通过定义“核心模式”将帮助企业了解如何将资产数据和相关工作流程数字化。
维护管理在中国工业企业中很少被优先考虑，但这确实是提高工业水平的一种极易落地推广的方式。通过对标ISO 55000资产管理标准，优化管理决策，企业将获得可观的改进成果，而应用物联网等尖端技术只是起到锦上添花的作用。
当然，我们也不能小觑“工业4.0”时代智能技术对维护管理的推动作用！大多数企业都愿意为此投入大量的资金，这对于传统的维护改进项目是不可想象的。在此环境下，维护人员应该毫不犹豫地抓住这个提升公司绩效、优化自身技能和推动事业发展的机会！在机械化、自动化盛行的今天，为了精密复杂的生产线能在严格的监管下顺利运行，企业比以往任何时候都更需要维护专家，长期不受重视的维护人员终于可以在“工业4.0”时代起到决定性的作用。
