根據(jù)Aberdeen Group進(jìn)行的一項(xiàng)調(diào)查顯示，“同類最佳”公司越來(lái)越多地利用物聯(lián)網(wǎng)（IoT）和大數(shù)據(jù)來(lái)實(shí)施預(yù)測(cè)性維護(hù)模型，以解決和改善其最大的運(yùn)營(yíng)挑戰(zhàn)。

我們發(fā)現(xiàn)預(yù)測(cè)性維護(hù)可以：

▲將意外停機(jī)時(shí)間減少到3.5％▲將整體設(shè)備效率提高到89%▲將維護(hù)成本降低13％▲將資產(chǎn)回報(bào)率提高24％任何運(yùn)行機(jī)械的行業(yè)——制造、運(yùn)輸、樓宇自動(dòng)化等，都可以從啟用預(yù)測(cè)性維護(hù)中受益。與任何其他維護(hù)模式相比，預(yù)測(cè)性維護(hù)的價(jià)值在于，它使維護(hù)和運(yùn)營(yíng)決策者能夠在資產(chǎn)（設(shè)備）發(fā)生影響人員、運(yùn)營(yíng)或生產(chǎn)的故障之前預(yù)測(cè)何時(shí)需要干預(yù)。預(yù)測(cè)性維護(hù)通過(guò)收集和分析各種類型數(shù)據(jù)，提供最高的資產(chǎn)可見(jiàn)性，以提供以下好處：▲確定關(guān)鍵預(yù)測(cè)因素并確定結(jié)果的可能性。▲通過(guò)應(yīng)用可測(cè)量的實(shí)時(shí)和歷史數(shù)據(jù)來(lái)優(yōu)化決策?！?guī)劃、預(yù)算和安排維護(hù)維修，合理、及時(shí)替換和備件庫(kù)存。

我們建議遵循以下六個(gè)步驟來(lái)實(shí)現(xiàn)預(yù)測(cè)性維護(hù)：

建立預(yù)測(cè)性維護(hù)的業(yè)務(wù)案例：為成功實(shí)現(xiàn)預(yù)測(cè)性維護(hù)，重點(diǎn)應(yīng)放在影響運(yùn)營(yíng)和生產(chǎn)以及管理風(fēng)險(xiǎn)的獨(dú)特問(wèn)題上，而且了解企業(yè)關(guān)注的指標(biāo)以及需要改進(jìn)的指標(biāo)非常重要?？紤]以下問(wèn)題以確定預(yù)測(cè)性維護(hù)項(xiàng)目的關(guān)鍵目標(biāo)并確保成功：

1、如何將數(shù)據(jù)驅(qū)動(dòng)的決策集成到現(xiàn)有維護(hù)實(shí)踐中？

2、設(shè)備故障將如何影響人員、運(yùn)營(yíng)或生產(chǎn)成本？停機(jī)成本是多少？

3、哪些關(guān)鍵設(shè)備可能會(huì)故障？何時(shí)故障？以及為什么會(huì)故障？

識(shí)別數(shù)據(jù)源并確定其優(yōu)先級(jí)：資產(chǎn)連網(wǎng)的增加和智能設(shè)備的使用可能會(huì)產(chǎn)生了大量數(shù)據(jù)。不需要也不建議處理所有這些數(shù)據(jù)，相反，開始預(yù)測(cè)單個(gè)設(shè)備的故障，重點(diǎn)關(guān)注與其具體相關(guān)的可用現(xiàn)有數(shù)據(jù)。

收集選定的數(shù)據(jù)：選定的數(shù)據(jù)可能位于不同的位置，從網(wǎng)絡(luò)邊緣的設(shè)備到服務(wù)器機(jī)房，再到企業(yè)云，包括傳感器、儀表、企業(yè)資產(chǎn)管理系統(tǒng)以及監(jiān)控和數(shù)據(jù)采集系統(tǒng)。理想的預(yù)測(cè)性維護(hù)解決方案應(yīng)該足夠靈活，使您能夠從所有這些數(shù)據(jù)源中收集信息，以學(xué)習(xí)并不斷做出更好、更明智的商業(yè)決策。

確定在哪里執(zhí)行分析：根據(jù)您的具體操作建立高級(jí)分析基礎(chǔ)。例如，可以平衡邊緣(或本地)和云分析，以減輕云部署中易損預(yù)測(cè)性維護(hù)數(shù)據(jù)的傳輸負(fù)擔(dān)。分布式方法使您能夠在邊緣監(jiān)測(cè)和響應(yīng)本地事件，并立即對(duì)流式數(shù)據(jù)采取行動(dòng)，同時(shí)在云中集成其他數(shù)據(jù)源。

組合并分析數(shù)據(jù)以獲得精準(zhǔn)洞察力：首先分析可用數(shù)據(jù)以定義機(jī)器正常運(yùn)行的參數(shù)。這使得能夠通過(guò)狀態(tài)監(jiān)視來(lái)創(chuàng)建規(guī)則，以分析直接來(lái)自機(jī)器傳感器的實(shí)時(shí)數(shù)據(jù)。借助網(wǎng)關(guān)等邊緣計(jì)算設(shè)備，分析可以盡可能靠近機(jī)器進(jìn)行，使用本地I/O從工業(yè)設(shè)備收集數(shù)據(jù)，并能夠在惡劣環(huán)境中運(yùn)行。在分析實(shí)時(shí)數(shù)據(jù)后，添加歷史和第三方數(shù)據(jù)（如可靠性模型和日志），以發(fā)現(xiàn)與實(shí)時(shí)數(shù)據(jù)規(guī)則生成的異常之間的相關(guān)性、模式和趨勢(shì)，以指示潛在故障。這些模式可用于進(jìn)一步優(yōu)化您的規(guī)則并實(shí)時(shí)提供可操作的洞察力。

采取行動(dòng)：通過(guò)單個(gè)管理平臺(tái)將所有資產(chǎn)（設(shè)備）的綜合風(fēng)險(xiǎn)評(píng)估整合到您的運(yùn)營(yíng)中，將洞察力轉(zhuǎn)化為行動(dòng)。例如，當(dāng)發(fā)現(xiàn)潛在問(wèn)題時(shí)，邊緣計(jì)算設(shè)備可以觸發(fā)一個(gè)事件，允許您向相關(guān)方發(fā)出自動(dòng)警報(bào)，例如位置、估計(jì)的替換零部件和建議的糾正措施，以避免災(zāi)難性事件。然后，通過(guò)從替換零件中獲取磨損特征數(shù)據(jù)，您可以不斷優(yōu)化預(yù)測(cè)性模型并從性能洞察中學(xué)習(xí)。最后，探索預(yù)測(cè)性維護(hù)數(shù)據(jù)的其他用途，例如自動(dòng)化監(jiān)測(cè)報(bào)告和增強(qiáng)對(duì)零部件供應(yīng)商的評(píng)估。