多年来，IoT物联网、数字孪生、智慧运维和“工业4.0”一直是设备管理和维护领域中备受关注的话题。供应商们对于这些领域常常做出近乎神奇的承诺，其中预测性维护被认为是技术发展取得的一项可触手可及的成果，而宣称这一言论的人其实往往忽视了维护的基础知识。因此，正如许多行业客户所知的，这类项目最后往往无法落地成果。通常情况下，上述技术本身的效果是有效的，而项目失败往往是由于缺乏基础知识、方法论、数据和管理系统（EAM/CMMS），这些才是导致预测性维护项目无法成功实施的真正原因。

本文由喜科总经理浦乐诺先生撰写，通过阐述建立面向全工厂的预测性维护计划所必需的要素，来解释预测性维护项目中出现的这一现象。

典型方案：从传感器出发解决问题

“使用物联网技术来看看能否解决问题”可以说是最为普遍的方案。其关注的重点在于传感器和技术，而非解决问题，本末倒置。因此，大多数物联网应用的运维项目仅停留在试验阶段或者只关注能源监控，本质上与预测性维护毫不相干。

了解维护基础

首先，让我们回归维护基本原理。事实上，维护只有预防性维护和纠正性维护两种主要类型，预测性维护是预防性维护的一种子类型。通常情况下我们都希望能避免故障，这是正确的，也同时意味着需要更多的预防性维护去实现。实际上，这是一个成本和收益的平衡问题。在工厂中，会有各种类型的维护需要：故障维修、日历计划的定期维护（如巡检）、合规性检查等等，也可能包括预测性维护。所有这些不同类型的维护都应被正确管理，它们之间是紧密相连的。确定执行哪种维护类型被称为维护策略。

为了制定设备的维护策略和预防性维护计划，可以采用FMECA（故障模式及影响分析和危害性分析）等方法。对于复杂的设备而言，这是一项耗时的工作，需要结合技术能力、设备相关经验以及方法论知识。

在工厂层面上，许多设备都是相关联的，如配套设备等，定义维护策略的过程更加具有挑战性。例如，对于制造业而言，企业无法对每台设备都进行完整的FMECA分析。相反，往往会选择建立并为以可靠性为中心的维护（RCM）这一方法为优先。

●RCM是一种制定维护策略的方法

●RCM是一种循序渐进的方法

●RCM基于优先级进行决策

●RCM强调持续改进，一旦确定了维护计划，可以实施一段时间并收集数据，然后根据结果进行改进，或可能改为次要优先级。

这个过程需要大量的数据支持，同时也需要被明确结构化。这也就是为什么需要计算机化维护管理系统（CMMS）的存在，实质上CMMS是以此为目的设计的数据库软件，用于维护管理的各个方面。这也正是喜科的核心业务。

现在我们已经了解到，在进行FMECA和RCM时，需要能够分析所有设备历史故障的影响和原因。这意味着需要在系统中管理纠正性维护。纠正性维护不可忽视，并非无用的事情，不可仅仅关注于预测性或预防性维护。事实上，它是维护组成中最关键的一部分，没有纠正性维护就没有RCM！

故障分析本身就可以作为一个话题，本文中不会深入开展探讨。许多KPI指标支持从不同的角度定义故障，而这需要结构化的、复杂的数据。整个过程也需要方法论并理解方法论。因此，管理这类数据的IT系统不能临时拼凑。

ISO 55000资产管理标准体系为项目提供了良好的整体框架

对于一套维护管理系统的管理，ISO 55000资产管理标准体系为此类项目提供了一个良好的整体框架。喜科所有的项目都基于此构建。

预测性维护的隐藏复杂性存在于底层系统中

在系统、数据库和模板方面，预测性维护具有隐藏的复杂性，它们不仅仅是基于触发条件的任务清单，而是非常复杂的组成部分，同时还需要进行计划和调度，这本身就是一个非常复杂的过程。将这一切转化为管理系统是一项非常专业而垂直领域的工作，全球成功的EAM/CMMS供应商很少。因此，企业不能自己将就着去做EAM/CMMS。喜科在这方面已经耕耘了超过35年，其中包括18年以上的国内经验。

关键点在于：要意识到成功实现预测性维护背后所隐藏的复杂性。

从管理系统（EAM/CMMS）的角度来看，解决这种复杂性所需的所有工业专业知识都必须被纳入考虑范围。该系统不能是仅仅针对您当前的需求而定制的解决方案。相反，它必须保持开放性，以允许维护策略的持续改进——这正是该系统的目的所在。在新的设备和传感器的安装后，通过系统分析会带来新的维护计划（不同频率的定期任务、新的巡检路线、需要额外传感器的新监测点），更不用说传感器本身的维护（校准、预防性维护、维修等）。

这也就是为何许多IoT物联网项目或“平台开发”项目未能实现预期收益的原因。

本文仅在此探讨基本原理，不涉及太多细节，如果您想要参与预测性维护计划或任何维护改进项目，更多详细信息（如喜科与合作伙伴舍弗勒携手打造的将IoT物联网集成于设备管理系统的解决方案），可关注公众号：喜科Siveco。