随着工业革命的不断推进，资产管理理念也在与时俱进。当前，企业正在经历向资产绩效管理(APM)的重要转型，这对完善资产维护流程具有重要意义。
APM如何让你的资产维护过程更成熟
从工业革命开始，制造流程的自动化程度不断提高。如今，以大数据和机器学习为特征的工业4.0时代已经到来，推动着智能化、高度自动化流程的发展。与之相应，资产维护领域也在不断革新。维护4.0不仅实现了传统手动维护流程的数字化转型，更重要的是通过数据分析，使企业能够预测资产故障并自动开展修复工作。普华永道的调查显示，95%已采用这些先进技术的企业都取得了实质性成果。要充分利用这些创新技术，企业需要配备合适的技术工具。本指南将阐述为什么传统的计算机化维护管理系统（CMMS）和企业资产管理（EAM）技术必须向资产绩效管理（APM）演进，以及如何发展才能满足现代企业“事半功倍”的需求。APM解决方案通过整合海量传感器数据和高级分析技术，帮助企业优化人力物力配置、提升安全性，并提高资本预算的准确度。
与工业4.0对等的维护4.0
维护技术的演进与工业革命相辅相成。250年来，制造业经历了显著的发展历程:
- 工业1.0以蒸汽和水力机械化为特征；
- 工业2.0实现了电力驱动的大规模生产；
- 工业3.0将计算机和通信技术引入生产过程；
- 而当今的工业4.0则以数据和机器学习驱动智能自主系统。
资产维护领域同样经历了重大变革，尽管这一演变过程鲜为人知。
- 维护1.0依靠专业人员进行目视检查；
- 维护2.0开始使用仪器测量设备运行状态；
- 维护3.0引入实时监控系统，实现了程序化的资产状况管理；
- 如今的维护4.0则通过物联网（IoT）采集海量传感器数据，将其存储在数据湖中，并运用算法和分析技术深入解读数据，从而揭示资产故障原因，预测故障时间，并制定相应的解决方案。
资产绩效管理（APM）演进的重要性
在当今时代，无论企业规模和所属行业如何，所有资产密集型企业都致力于以更少的投入获得更大的产出。这就要求企业在确保适时开展必要维护、避免设备停机的同时，通过延长资产使用寿命来最大限度地降低成本。
企业资产管理(EAM)系统让组织能够准确记录和掌握资产状况，从而聚焦于开展恰当的资产维护工作。EAM系统和计算机化维护管理系统(CMMS)通过工单管理确保每次维护活动都严格遵循规范流程。
然而，对于那些希望实现维护4.0(可靠性维护)的组织而言，传统的被动维护管理模式已不足以满足需求。CMMS和EAM系统难以应对预测性维护和规范性维护所需的海量数据管理与分析工作。这些组织迫切需要APM解决方案，以充分利用已采集的数据深入了解资产状况、预测可能发生的故障并改进故障管理。同时，APM还能够帮助企业在发生故障时精准预算出具方案，实现前瞻性的业务目标。
企业需要一套完整的解决方案，而不是被迫安装、管理和维护多个软件应用。随着可靠性和可持续性从可选项逐渐成为必备条件，越来越多的组织将寻求能够通过统一平台满足各类需求的APM解决方案。
APM系统的五大核心组件
资产性能管理（APM）系统不仅能够提取企业资产管理（EAM）系统中的传统数据，还可以整合各类资产测量解决方案的数据。通过运用算法或人工智能/机器学习模型，APM系统可以提供决策支持、预测分析以及“假设”分析。
当组织根据分析结果作出决策后，APM系统可以通过EAM功能或者与企业资源规划（ERP）、产品生命周期管理（PLM）、供应链管理（SCM）等系统的集成，自动执行相应措施。借助更先进的分析能力和更高程度的自动化，企业可以提升资产效率、加强资产可靠性和可持续性管理、提高客户满意度，并优化总体拥有成本。
APM解决方案需要包含以下五个关键组件：资产数据、工作历史、实时状况数据、算法和建模分析以及连接性。
1、资产数据
作为传统EAM系统的核心要素，资产台账主数据承担着储存组织所有重要资产信息的职责。通过资产主数据，企业能够实现资产定义的标准化，减少人工数据录入，掌握资产库存状况并进行风险评估。
资产台账主要追踪三类数据：元数据、资产在相关流程中的位置信息以及动态数据。
- 元数据涵盖了每项资产的库存信息、序列号、零件号、生产日期、存放位置、责任人、所有权状态、资产状况和相关文档等信息。
- 由于资产通常作为大型系统的组成部分而非独立运行，它们之间存在着相互影响的关系。因此，资产台账会记录位置数据（也称为设备树），用于确定资产在整个系统中的具体位置。例如，某个资产可能位于卡车左前轮胎的轮舱内。这些位置数据能够帮助组织保存资产使用历史。当资产经过翻新并安装到其他系统中时，这些信息可用于评估其对新系统质量的潜在影响。
- 动态数据则是通过人工点巡检、试验或远程信息处理系统获得的状况数据，用于确定状况评级、风险优先级评级、关键性评级和可用性评级等指标。
2、工作历史
许多企业通常依赖设备制造商（OEM）提供的规范来确定预防性维护的时间和步骤。然而，通过系统记录和分析每项资产的工作订单数据，企业可以掌握设备的真实运行状况，从而更准确地预测可能发生的故障并采取主动维护措施。
完整的工作历史记录应包含：故障结束代码（用于说明零部件发生的具体问题）、解决方案代码（详细记录修复措施）、维修人员信息、所用工具和材料，以及修复耗时等关键信息。
这些详实的数据为故障代码分析提供了重要依据。通过故障代码分析，企业可以追踪从故障报告到修复完成的全过程。对收集到的故障数据进行统计分析，能够清晰地展现故障发生的时间规律和原因，帮助企业采取有效措施预防类似故障。企业最终可以利用这些故障统计数据，制定以可靠性为核心的维护（RCM）计划。
3、实时状况数据
当前，大多数关键设备都配备了复杂的传感器网络并与控制系统相连。这些传感器通过物联网（IoT）和工业物联网（IIoT）实时传输数据，使企业能够随时掌握各个零部件的运行状态。企业可以对这些信息进行分类整理，建立故障预警机制，及时发现设备健康状况的异常变化。
以滚珠轴承为例，企业可以为其振动率设定上下限阈值。资产性能管理（APM）系统将这些测量数据与设备历史记录和维修记录结合分析，从而预测轴承可能发生故障的时间。当轴承振动达到预设阈值时，APM系统会自动发出警报或创建工作任务，提醒维护团队及时进行检修。
4、算法和建模分析
当APM解决方案完成必要的数据采集后，企业可以运用算法来指导运营活动，或使用人工智能/机器学习模型进行“假设性”分析。
在算法应用
系统会收集资产台账、工作记录和实时状态数据，用于预测设备的实时运行状况。当算法识别出潜在故障时，会触发警报并给出具体的应对措施，明确说明处理方法、时间节点和具体步骤。
这些分析结果可以同步到企业的其他系统中，自动执行相应的纠正措施。比如，算法可以向PLM系统发出警报以启动特定零件的生产，ERP系统据此管理工作订单，MRP系统则相应调整生产计划和资源配置，以避免生产延误。
建模分析
企业可以利用资产台账、工作单和设备状态数据进行“假设性”分析，预测不同情况下可能出现的结果。例如，采用可靠性中心维护（RCM）的企业可以通过可靠性分析界面查看设备的故障时间和故障模式，并模拟分析当故障相关参数发生变化时可能带来的影响。这种建模方法能够预测设备在各种工况下的表现。具体应用场景包括：电力公司可以利用模型评估其泵站是否能够承受新奥尔良3级风暴带来的风暴潮；或者某部门在获得300万美元预算增加后，可以通过情景模拟来权衡是购置新设备还是维修现有设备更为合适。
5、连接
算法或“假设性”建模所使用的数据越丰富，输出结果就越符合实际情况。APM解决方案应当配备应用程序接口(API)，以便从PLC控制系统、SCADA系统等监控设备中获取状态数据，为算法和分析提供输入。
当APM的算法和模型确定了具体行动方案后，这些结果可以触发APM系统之外的自动化流程。这些活动可以在ERP系统、MRP应用程序、仓储系统、供应链执行系统等应用中自动完成。因此，APM系统最好能够预先与企业中可能用于执行建议措施的其他应用系统做好集成对接。
APM系统的收益分析
APM系统的优势是什么?这个问题需要具体分析。不同组织因其特定需求,能从APM获得不同的价值。但可以肯定的是,APM能带来广泛的益处,包括优化人力和物料规划、提升安全性,以及实现更精准的预算管理。
人力资源优化
提高劳动力使用效率是各组织的普遍诉求。然而,简单地削减人力往往会对业务造成负面影响。许多组织难以准确判断在何种情况下减少劳动力才能产生实际效益。
APM系统的优势在于,它能够在保证业务正常运转的前提下降低人力成本。这是通过消除不必要的工作内容,并确保在合适的时间调配适当的人员执行必要的维护工作来实现的。
举个例子：假设某生产线上的轴承需要运营团队每周四进行润滑保养,这项工作要耗费三小时。团队希望减少这项工作的时间投入。由于振动会导致滚珠轴承逐渐磨损直至损坏，因此准确把握润滑时机和更换时机就显得尤为重要。这个决策需要考虑诸多因素,如设备振动情况、温度变化以及故障发生规律等。借助APM系统，维护团队能够精确判断何时需要添加润滑油或更换轴承,从而避免不必要的工作往返,实现精准维护。
物料管理优化
很多组织都会储备额外的物料。他们储存备件是为了在生产线设备发生故障时能够快速修复,避免大规模停产。但过多的库存物料会面临质量老化的问题。考虑到成本和使用频率较低的因素，持有过多库存会带来财务风险,因为这些物料可能会在未使用前就已过期。另外,其他部门可能会在未经通知的情况下使用这些备件,导致需要时无法找到所需零件。
APM系统能够帮助组织准确识别哪些是必需的关键备件，哪些是可以不必储存的零件，从而降低总体库存成本，并最大限度地降低关键库存过期的风险。这一过程会综合考虑设备特性、运营情况、季节性因素(如有)、原厂商详细信息等多个方面。
安全影响分析
通过资产性能管理(APM)系统,企业可以利用物联网传感器等设备持续监控资产状况。系统将收集到的状况数据与历史运行记录相结合进行分析，从而预测设备可能发生的故障及其潜在影响。以化肥厂为例，这种分析可以及时提醒仓储区工作人员注意可能产生火花的设备状况。工作人员了解这些潜在风险后，就会更加重视将设备与易燃物料保持安全距离。
预算影响分析
准确的预算规划是每个企业的追求。在资产管理领域，精准预算意味着能够根据实际运营条件和业务目标，准确预测需要购置或更换的资产。企业若能充分掌握现有资产状况、历史表现数据、潜在风险以及不同区域、时段、季节的更换优先级,就能更准确地预估维修和更换所需的预算。
借助APM系统，企业能够长期收集和积累资产运行数据，通过故障分析和各种工况模拟，制定更加精准的预算方案。例如,运输公司可以模拟夏季高温或冬季严寒对货运车辆的影响，在考虑引入新设备时还可以模拟电动车投入特定线路的运营效果。
实践证明，APM系统确实能带来显著效益。某运输企业通过运用APM系统,对资产状况和运营流程了如指掌，成功简化了库存管理和设备检查流程。这使得该企业在超过15年的时间里，将实际运营成本始终控制在计划预算的2%偏差范围内。
资产投资规划对企业的重要影响
资产投资规划（AIP）是一种基于数据的资本规划方法。对于资产密集型企业来说，这种方法能够帮助其在确保服务目标实现的同时，科学合理地制定资本预算优先级。通过AIP，企业可以模拟不同情景，综合考虑服务水平目标、资产重要性、状况预测、风险承受能力和财务约束等因素，从而制定短期和长期规划。
当APM与AIP整合后，可为资产投资分析提供重要依据，帮助企业判断是否需要对资产进行维修、翻新或更换，以及确定最佳投资时机。
具体而言，APM能够全面管理企业资产清单，实时监控每项资产的状况、损耗程度和剩余使用寿命。它不仅能识别出可能发生故障的资产，还能预测哪些资产可以稳定运行多年。同时，APM还能帮助企业评估资产对业务的重要程度以及可能发生的故障影响。
AIP则通过与APM的信息共享，确保投资决策充分考虑财务因素。举例来说，如果企业预计在未来十年内需要更换大量资产，可以提前规划分期更换，避免一次性投入过大对财务造成重大影响。
对于资产密集型企业而言，提升维护管理水平的目标是实现投入产出的最优化。通过将APM功能整合到EAM解决方案中，企业可以有效管理和分析预测性维护与规范性维护所需的海量数据，并实现工作流程自动化。这种整合不仅能帮助企业更好地了解资产状况、预测并管理故障，还能通过统一系统来简化运营流程。最终，企业将实现库存成本和人工成本的降低、安全性的提升，以及预算编制的更高准确性。
