为了充分利用好数字化，提高可靠性并降低成本，企业应该大力提升其数字化维修维护领域。
原文：Digitally enabled reliability: Beyond predictive maintenance | McKinsey
让预测性维护有效落地
随着技术的进步，我们是否正在进入一个新时代，在这个时代中，智能机器能够预先警告操作员即将发生的故障？先进的预测性维护（PdM）技术，通过集成大量传感器和应用机器学习技术，已成为第四次工业革命中广为人知的一个显著优势。这种技术的概念非常吸引人，它激励着那些资产密集型行业的公司投资于数字化的维护和可靠性提升。
然而，将预测性维护视为解决维护和可靠性问题的万能钥匙，可能是一种短视的行为。一方面，现有的高级预测性技术并不适用于所有情况。另一方面，如果过分依赖这一单一技术，公司可能无法充分利用数字化维护和可靠性所能带来的所有潜在好处，如提升运行时间和优化维护效率。
从我们观察到的重工业数字化维护和可靠性转型案例来看，这些转型能够将资产的可用性提升5%-15%，同时将维护成本降低18%-25%。
预测性维护的机会与挑战
预测性维护被认为是工业4.0中的一项关键技术，这一点很容易理解。它结合了支持新一代工业数字化的多种技术，如网络传感器、大数据、高级分析和机器学习。通过分析数百甚至数千个变量的复杂数据模式（这是传统分析方法无法实现的），预测性维护使操作人员能够深入并基于数据驱动的方式理解故障的成因。最吸引人的是，它承诺能够实现零故障运行。
然而，在实际应用中，将这些高级预测性维护技术普遍应用于实际场景通常是不切实际的。有些设备故障模式较少且已知，可以通过更简单的方法解决潜在问题，如监控部件的温度或振动并与阈值比较，或者一贯地应用数据驱动的可靠性分析技术来解决故障的根本原因。而有些设备可能出现数百种甚至数千种不同故障（其中一些非常罕见），创建一个高质量的模型来充分预测所有可能的故障是不现实的。
只有在故障模式记录良好且停机时间影响重大的情况下，基于模型的预测性维护才显示出其潜力，例如在大型生产线上的关键机器。当可以广泛应用于具有大量相同资产的编队时，如海上风电场、车队，这种方法也能发挥良好作用，因为这些编队拥有足够的可靠性历史数据来分摊开发和运维成本。因此，设备制造商在战略上天然处于有利地位，可以推动预测性模型的开发和部署，供最终用户使用——但这些努力也尚未广泛实现。
抓住数字化的机遇
虽然预测性维护的实际应用范围相对有限，但这并不意味着维护和可靠性数字化不重要。实际上，我们建议公司不要局限于某一特定的数字化工具，而是思考如何利用数字化和高级分析技术来全面改造维护和可靠性管理体系。这意味着要全面寻找更好地利用数据的机会，并应用以用户为中心的设计原则来数字化流程。要实现可持续的影响，需要结合新的数字化工具、改变资产策略和优化可靠性实践。
集成化的数字化维修和可靠性管理
可靠性和维护活动完整看来，应关注于两个基本部分：
- 规则部分，涵盖资产策略分析、优化、制定，以及编制对应的维护计划；
- 执行部分，涵盖识别、优先排序、调度和执行工作。
数字化可靠性管理和维修维护管理覆盖这两部分，并提供支撑这些活动所需的基础设施、流程和工具，以帮助公司管理资产、数据和人员，从而提高资产的可靠性和维护绩效。
数字化可靠性管理的支撑
数字化可靠性和维护的成功始于建立一个坚实的数据架构。虽然大多数组织已经拥有记录维护和可靠性数据的系统，但这些系统的效率往往因管理不善而受到影响。例如，相同的资产或问题可能在不同的系统中被有差异的描述，这会使数据整合变得困难。此外，公司可能会使用输入文本字段记录问题或维护操作，这增加了自动化搜索和数据分析的难度。关键数据也可能被锁定在Excel或纸质记录中，无法访问。
要克服这些挑战，通常不需要新技术的投资，而是需要采用更严格的资产标注和数据记录标准。自然语言处理等人工智能技术可以帮助将混乱的历史数据转换成更适合自动分析的格式。
此外，数据存储和网络带宽成本的显著降低使得从机器控制系统和外部传感器收集数据流变得更加容易和经济。这些数据可以用于基于条件的监控、诊断和故障模式分析，无论是采用传统方法还是应用高级分析和机器学习。
组织需要能够访问这些数据。这通常意味着需要创建一个综合数据服务层或“数据湖”，它能从多个系统和来源收集数据，创建一个单一的真实数据源，弥补系统间的信息差距，提供关于资产状况的完整视图。这一关键的数据架构组件不仅为数字性能管理、描述性分析和仪表板提供基础，还作为新的维护和可靠性应用程序的统一层，为高级分析模型提供所需数据。
数字化可靠性工程分析工具是另一个重要的支持要素。根本原因分析（RCPS）、故障树分析、故障模式和影响分析（FMEA）等方法是通用的维护和可靠性策略的核心。这些活动通常手动进行，并且结果很少集中记录。将可靠性工程工具集成到组织的数字化可靠性和维护（DRM）架构中可以确保以一致、结构化的方式进行分析，加速并简化对输入数据的访问，并捕获分析结果以供将来使用。
创建一个能够处理“数字化可靠性和维护”中所有工具和数据的数字化平台可能具有挑战性，但在DRM计划的早期阶段做好这一点将带来持久的好处。例如，一家石油和天然气公司开始在现有平台上构建维护解决方案时，发现该系统不具备所需的技术功能。由于工具间的无缝互连对于其长期维护愿景至关重要，该公司选择将所有维护解决方案集成到一个全新的平台中，即使这意味着短期内需要返工。这样做的结果是创建了一个能随着组织需求和数字化能力的扩展而扩展的DRM功能，而不是仅提供暂时的提升。
值得注意的是，迄今为止的讨论集中在应用数字化技术来加速、简化和改进现有的可靠性工程。数字化还为可靠性工程团队提供了大量新工具和方法。虽然成本、复杂性最终可能限制其应用，但通过机器学习来监控资产状况已经很受关注。
并非所有条件监测技术都需要复杂的算法或复杂模型。数据驱动的条件监测方法会定期或实时评估，机器和外部传感器生成的时间序列数据。如果满足阈值条件，这些系统可以触发检查或纠正措施流程，或者直接触发维护执行工单。
数字化资产性能管理
上述技术基础建立了“数字可靠性管理”的基础，但实际上并不能直接提高资产的可靠性或维护的有效性。这些改进来自于组织如何利用其数字数据来优化维护活动：调整计划、简化方案以及优先分配资源。
数字资产性能管理系统（APM）是有效“数字可靠性管理”运行的核心。它涉及使用描述性分析和数据可视化来提供资产健康和可靠性性能的实时视图。数字性能管理自动生成和展示公司在其可靠性计划中使用的关键指标和定性信息，例如总体设备有效性（OEE）数据或损失原因。这种自动化是一个强大的改进杠杆，它解放了维护人员从耗时且容易出错的数据收集和分析过程中出来。同时，它支持快速趋势识别、基于事实的决策和及时干预，以及设备投资、流程和政策的改变。
有时，公司已经拥有管理维护绩效所需的大部分数字基础设施。例如，一家矿业公司正在准备采购一个新的系统来跟踪移动设备的维护。在概述新系统的需求过程中，它意识到所需的功能早已经存在于其当前的计算机化维护管理系统中。相关模块甚至已经在组织内部进行了试点，只是从未扩展到全公司。
可靠性工程项目的周期和有效性，通常因信息缺失或运营、可靠性和维护团队之间的协调不佳而受到阻碍。可靠性管理的工作流程系统能跟踪可靠性工程相关的每个工作单元的工作任务状态，从而解决这些问题。至少，这些系统记录好让可靠性工程团队调查的事件或事件的详细信息、采取的行动以及这些行动的结果。
通过这种数字化的方式，企业不仅能够提高数据收集和分析的效率，还能更好地协同各部门的工作，确保每一项决策和行动都基于准确和实时的信息，从而实现整体的可靠性和维护管理的优化。这种系统的持续使用将帮助组织不断改进，确保每项措施对资产管理和资产管理体系来说都是合适的、充分的和有效的。
数字化资产策略
数字工具还可以帮助加速和标准化支撑维护和可靠性活动的成本效益分析和决策。例如，数字资产管理工具可以帮助可靠性团队规划和管理单个资产或设备群组生命周期内的维修或更换选择。类似地，新的数字工具可以支持以可靠性为中心（RCM）的维护，帮助团队为每个资产选择正确的维护策略（如运行至故障、计划预防性维护或基于状态的维护）。
数字化工作管理
数字化工具正在改变企业规划和管理维护及可靠性活动的方式。这包括流程数字化和数据驱动的分析，提高维护工作的效率和效果。例如，自动调度算法、数字化规划环境、以及用于现场数据输入和检索的平板电脑或可穿戴设备。
结论
大多数工业参与者已经在DRM（数字可靠性管理）之旅上迈出了步伐，无论他们是否意识到这一点。他们已经在企业资源规划或资产管理系统（ERP/EAM）中记录了工单，并且许多资产已经在生成和收集数据，即使这些数据分布广泛且未被充分利用。
然而，目前这种“默认数字化”的方法并没有发挥出其全部潜在影响。根据我们在今年早些时候对一组维护经理进行的调查，只有50%的维护经理认为他们当前的信息和操作技术架构能够充分支持维护和可靠性流程，不到20%的人觉得维护人员有良好的用户体验。
对大多数组织来说，关键步骤是转向一个主动的、全面的和深思熟虑的“数字维护和可靠性”策略。这需要对当前的维护和可靠性实践进行详细评估，以识别可以通过改进数据捕获、从高级分析中获得洞察以及通过新的数字维护执行系统增加控制力来产生影响的地方。关键是要对潜在应用进行广泛的端到端审视，并考虑如何整合和结合新工具、技术和方法。
像任何重大变革努力一样，迈向这一新的数字可靠性和维护世界将要求公司在愿景上具有长远眼光，在愿望上大胆，并在转型方法上结构化。
通过这些转型措施，企业不仅能够优化数据收集和分析的效率，还能更好地协调各部门的工作，确保每一项决策和行动都基于准确和实时的信息，从而实现整体的可靠性和维护管理的优化。这种系统的持续使用将帮助组织不断改进，确保每项措施对资产管理和资产管理系统来说都是合适的、充分的和有效的。
总体来说，转向数字化可靠性管理不仅是为了满足当前的需求，更是为了在未来的市场竞争中占据优势地位。通过系统化和数字化的管理方法，企业能够实现更高效、更精准的资产管理，从而提升整体业务的可持续性和竞争力。
