當IoT物聯網遇上預測性維護：淺談其應用及實際落地背后的復雜性
多年來，IoT物聯網、數字孿生、智慧運維和“工業4.0”一直是設備管理和維護領域中備受關注的話題。供應商們對于這些領域常常做出近乎神奇的承諾，其中預測性維護被認為是技術發展取得的一項可觸手可及的成果，而宣稱這一言論的人其實往往忽視了維護的基礎知識。因此，正如許多行業客戶所知的，這類項目最后往往無法落地成果。通常情況下，上述技術本身的效果是有效的，而項目失敗往往是由于缺乏基礎知識、方法論、數據和管理系統（EAM/CMMS），這些才是導致預測性維護項目無法成功實施的真正原因。
本文由喜科總經理浦樂諾先生撰寫，通過闡述建立面向全工廠的預測性維護計劃所必需的要素，來解釋預測性維護項目中出現的這一現象。
典型方案：從傳感器出發解決問題
“使用物聯網技術來看看能否解決問題”可以說是最為普遍的方案。其關注的重點在于傳感器和技術，而非解決問題，本末倒置。因此，大多數物聯網應用的運維項目僅停留在試驗階段或者只關注能源監控，本質上與預測性維護毫不相干。
了解維護基礎
首先，讓我們回歸維護基本原理。事實上，維護只有預防性維護和糾正性維護兩種主要類型，預測性維護是預防性維護的一種子類型。通常情況下我們都希望能避免故障，這是正確的，也同時意味著需要更多的預防性維護去實現。實際上，這是一個成本和收益的平衡問題。在工廠中，會有各種類型的維護需要：故障維修、日歷計劃的定期維護（如巡檢）、合規性檢查等等，也可能包括預測性維護。所有這些不同類型的維護都應被正確管理，它們之間是緊密相連的。確定執行哪種維護類型被稱為維護策略。
為了制定設備的維護策略和預防性維護計劃，可以采用FMECA（故障模式及影響分析和危害性分析）等方法。對于復雜的設備而言，這是一項耗時的工作，需要結合技術能力、設備相關經驗以及方法論知識。
在工廠層面上，許多設備都是相關聯的，如配套設備等，定義維護策略的過程更加具有挑戰性。例如，對于制造業而言，企業無法對每臺設備都進行完整的FMECA分析。相反，往往會選擇建立并為以可靠性為中心的維護（RCM）這一方法為優先。
●RCM是一種制定維護策略的方法
●RCM是一種循序漸進的方法
●RCM基于優先級進行決策
●RCM強調持續改進，一旦確定了維護計劃，可以實施一段時間并收集數據，然后根據結果進行改進，或可能改為次要優先級。
這個過程需要大量的數據支持，同時也需要被明確結構化。這也就是為什么需要計算機化維護管理系統（CMMS）的存在，實質上CMMS是以此為目的設計的數據庫軟件，用于維護管理的各個方面。這也正是喜科的核心業務。
現在我們已經了解到，在進行FMECA和RCM時，需要能夠分析所有設備歷史故障的影響和原因。這意味著需要在系統中管理糾正性維護。糾正性維護不可忽視，并非無用的事情，不可僅僅關注于預測性或預防性維護。事實上，它是維護組成中最關鍵的一部分，沒有糾正性維護就沒有RCM！
故障分析本身就可以作為一個話題，本文中不會深入開展探討。許多KPI指標支持從不同的角度定義故障，而這需要結構化的、復雜的數據。整個過程也需要方法論并理解方法論。因此，管理這類數據的IT系統不能臨時拼湊。
ISO 55000資產管理標準體系為項目提供了良好的整體框架
對于一套維護管理系統的管理，ISO 55000資產管理標準體系為此類項目提供了一個良好的整體框架。喜科所有的項目都基于此構建。
預測性維護的隱藏復雜性存在于底層系統中
在系統、數據庫和模板方面，預測性維護具有隱藏的復雜性，它們不僅僅是基于觸發條件的任務清單，而是非常復雜的組成部分，同時還需要進行計劃和調度，這本身就是一個非常復雜的過程。將這一切轉化為管理系統是一項非常專業而垂直領域的工作，全球成功的EAM/CMMS供應商很少。因此，企業不能自己將就著去做EAM/CMMS。喜科在這方面已經耕耘了超過35年，其中包括18年以上的國內經驗。
關鍵點在于：要意識到成功實現預測性維護背后所隱藏的復雜性。
從管理系統（EAM/CMMS）的角度來看，解決這種復雜性所需的所有工業專業知識都必須被納入考慮范圍。該系統不能是僅僅針對您當前的需求而定制的解決方案。相反，它必須保持開放性，以允許維護策略的持續改進——這正是該系統的目的所在。在新的設備和傳感器的安裝后，通過系統分析會帶來新的維護計劃（不同頻率的定期任務、新的巡檢路線、需要額外傳感器的新監測點），更不用說傳感器本身的維護（校準、預防性維護、維修等）。
這也就是為何許多IoT物聯網項目或“平臺開發”項目未能實現預期收益的原因。
本文僅在此探討基本原理，不涉及太多細節，如果您想要參與預測性維護計劃或任何維護改進項目，更多詳細信息（如喜科與合作伙伴舍弗勒攜手打造的將IoT物聯網集成于設備管理系統的解決方案），可關注公眾號：喜科Siveco。
