編者按：本文編譯自德勤大學(xué)出版社2016年8月刊發(fā)的文章。作者分別為克里斯?科爾曼，德勤咨詢(xún)供應鏈和制造操作實(shí)踐專(zhuān)家領(lǐng)導人、德勤咨詢(xún)供應鏈和制造操作實(shí)踐高級經(jīng)理薩蒂什?達莫達蘭，德勤咨詢(xún)數字物聯(lián)網(wǎng)實(shí)踐高級經(jīng)理馬赫什?錢(qián)昌穆里，德勤咨詢(xún)供應鏈和制造操作實(shí)踐專(zhuān)家艾德?杜爾。本文分析預測性維護的影響、潛在收益、支撐技術(shù)及其在數字化供應網(wǎng)絡(luò )和智慧型工廠(chǎng)中的地位，構想將預測性維護融入資產(chǎn)維護策略的方式，探討實(shí)施預測性維護流程中面臨的挑戰，以及促成預測性維護的組織結構變革。

簡(jiǎn)介

多數維護專(zhuān)家采用多種技術(shù)組合識別制造設備的故障模式，以縮短停工時(shí)間。隨著(zhù)新興連接技術(shù)的崛起，機器能為之代勞，最大化零件的使用壽命，避免發(fā)生故障。

落后的維護策略會(huì )削弱工廠(chǎng)5%～10%的生產(chǎn)能力。近期研究顯示，意外的停工期導致工業(yè)制造商的年損失達500億美元。維護人員難以確定機器下線(xiàn)維護的頻率，也難以估計可能的停工期。因此大多數公司都面臨窘境，有些公司承受停工期的風(fēng)險，選擇使用零件直至故障發(fā)生，也有些公司會(huì )提前替換性能良好的零件，最大化機器運行時(shí)間。部分公司則根據以往的經(jīng)驗判斷停工時(shí)間，主動(dòng)解決問(wèn)題。

維護項目通常分為四種：被動(dòng)性維護、計劃性維護、主動(dòng)性維護和預測性維護，每一類(lèi)維護類(lèi)型都有其利弊（見(jiàn)圖1）。預測性維護借助智能連接技術(shù)連接數字資產(chǎn)和實(shí)體資產(chǎn)。雖然預測性維護概念早就有，但是成本高昂的數據處理技術(shù)導致其使用者多為大型企業(yè)。如今，隨著(zhù)數字技術(shù)的普及、成本的降低以及數字化供應網(wǎng)絡(luò )的迅速發(fā)展，預測性維護已適用于大中小企業(yè)。運營(yíng)與信息技術(shù)的結合使人們能夠深入分析實(shí)體世界的數據，進(jìn)一步驅動(dòng)智慧行動(dòng)（見(jiàn)圖2）。預測性維護能夠利用相互連接的智能機器與設備的數據預測故障發(fā)生的時(shí)間和位置，最大化零?工作效率，縮短不必要的停工期。在多數情況下，預測性維護是最具效率的維護策略。因此在數字化供應網(wǎng)絡(luò )時(shí)代，預測性維護是一種至關(guān)重要的能力。

權衡取舍

雖然越來(lái)越多的人認為預測性維護是維護策略的黃金標準，但面對不同的維護或維修需求，其他方法也許更適用于智慧型工廠(chǎng)。下面我們將簡(jiǎn)要探討其他三種維護方式。

被動(dòng)性維護

被動(dòng)性維護指在零件或設備崩潰或發(fā)生故障時(shí)開(kāi)展維修工作的策略，是技術(shù)含量最低、最普通的資產(chǎn)維護策略。該維護策略保證物盡其用，但是這也許會(huì )導致機器震動(dòng)、過(guò)熱或故障，進(jìn)而造成更嚴重的損害。被動(dòng)性維護會(huì )放任企業(yè)治標不治本，該策略適用于維護廉價(jià)、耐用或笨重的零件。但是在多數情況下，定期更換零件或檢修機器更具成本效益。

計劃性維護

計劃性維護指在計劃時(shí)間段內，維護人員更換運行良好的零件的維護策略，這能夠防止機器故障，減少停工時(shí)間。該維護策略會(huì )更換尚在使用周期內的零件，而且維護人員需要保證備用零件的庫存，相關(guān)的庫存管理工作增加了維護工作的復雜性。另外，計劃性維護會(huì )下線(xiàn)正常工作的機器，進(jìn)而中斷工廠(chǎng)的運營(yíng)，增加計劃停工期。因此，難以確定被動(dòng)性維護和計劃性維護，哪一種成本效益更高。

主動(dòng)性維護

主動(dòng)性維護指利用數據分析率先確定和解決導致機器出現非正常情況根源的維護策略，能夠防止因零件磨損或破裂引發(fā)的設備故障，因而可減少故障的發(fā)生，縮短停工期。該維護策略的優(yōu)勢在于降低成本，因為它能夠減少不必要的維修工作，降低備用零件的庫存需求，延長(cháng)零件和設備的使用壽命。同時(shí)，主動(dòng)性維護策略可與其他策略相結合。對于在惡劣條件下運營(yíng)的、成本高昂的大型設備而言，該維護策略可能是最佳選擇。表1展現了三種維護策略的優(yōu)劣。

權衡破局

預測性維護能最大化零件的使用壽命，避免或最小化意外停工期，降低成本，從而打破公司原有的策略權衡。本質(zhì)上而言，預測性維護通過(guò)分析連接設備的數據以期預測零件的故障及維護時(shí)間。目前，不少公司或持續使用零件直至故障發(fā)生，或替換運行良好的零件。但是預測性維護能夠幫助公司恰在零件需要維護的時(shí)間點(diǎn)前開(kāi)展維護工作。

預測性維護的崛起及其在數字化供應網(wǎng)絡(luò )中的地位

雖然預測性維護的概念由來(lái)已久，但是近年來(lái)預測性維護的廣泛使用要歸功于數字技術(shù)的進(jìn)步和成本的降低。過(guò)去，預測性維護常常需要進(jìn)行費時(shí)的人工數據運算和分析，以探究數據背后的意義。相關(guān)策略通常依賴(lài)于“部落知識”的估算，或者持續性地深入了解和分析各種設備以保證數據的準確性。

隨著(zhù)傳感器、運算能力和帶寬的成本不斷降低，數字技術(shù)迅猛發(fā)展，預測性維護成為一個(gè)可在全公司實(shí)行的可行性選項，這反過(guò)來(lái)促進(jìn)了預測性維護的使用。維護人員可通過(guò)多種渠道快速獲得連接機器的數據，發(fā)現先前未注意的細節并分析其原因。以一家消費品包裝商品公司為例，該公司結合傳感器與高速相機的數據識別出兩個(gè)看似無(wú)關(guān)的事件之間的關(guān)系，避免了生產(chǎn)線(xiàn)的停運，每年幫助公司節約了500萬(wàn)美元的維修成本，提高了工廠(chǎng)的生產(chǎn)效率。

然而，簡(jiǎn)單地從傳感器和系統采集數據不足以收獲預測性維護的利益，數據只有經(jīng)過(guò)整合和分析后才能預測設備的故障時(shí)間，這要求相關(guān)人員具備創(chuàng )造、處理和利用數據的能力。事實(shí)上，隨著(zhù)連接技術(shù)和數據的發(fā)展，分析水平愈加高級，賦予了公司利用自身搜集數據的能力。上述能力在數字化供應網(wǎng)絡(luò )和智慧連接工廠(chǎng)是不可或缺的。預測性維護可以利用多渠道數據影響維護策略決策，增強資產(chǎn)健康的透明度，高效維護資產(chǎn)。通過(guò)數據驅動(dòng)行動(dòng)，實(shí)時(shí)的信息流動(dòng)及信息分析能力能以維護和保養的形式帶來(lái)運營(yíng)效率和績(jì)效。信息流與分析是數字化供應網(wǎng)絡(luò )的兩大特點(diǎn)（見(jiàn)圖3）。

與傳感器相連接的實(shí)體資產(chǎn)及相關(guān)系統生成的數據流實(shí)現了“永遠連線(xiàn)”的敏捷性，能夠實(shí)時(shí)感知設備內部的意外情況和變化，減少可能發(fā)生的損害。資產(chǎn)與系統的互聯(lián)群落能提供更大規模和范圍的數據，賦予了更精確的預測分析，使公司能智能優(yōu)化決策和設備的使用。在生產(chǎn)過(guò)程中，對機器中傳感器產(chǎn)生的數據進(jìn)行整合能夠實(shí)現端對端透明，而使用正確的分析和算法處?相關(guān)數據能夠達成關(guān)于資產(chǎn)維護方法的整體決策，基于資產(chǎn)在整體網(wǎng)絡(luò )中的角色，優(yōu)化其績(jì)效。總而言之，上述能力可實(shí)現更明智的戰略性決定。

連接技術(shù)驅動(dòng)預測性維護的方式

一旦識別出數據源，就能通過(guò)定制或標準數據網(wǎng)絡(luò )上傳數據至在線(xiàn)平臺或云存儲空間。隨后，分析工具根據預測性算法分析數據，預測零件的故障時(shí)間。最后，工作人員通過(guò)數據可視化協(xié)作工具在零件需要進(jìn)行維護的時(shí)候開(kāi)展維護工作。圖4描繪了預測性維護的流程。

預測性維護對智慧工廠(chǎng)的影響

制造公司的兩大商業(yè)目標是商業(yè)運營(yíng)和商業(yè)增長(cháng)，相互連接的數字技術(shù)和物理技術(shù)會(huì )影響上述兩個(gè)目標。在商業(yè)增長(cháng)領(lǐng)域，數字技術(shù)關(guān)注收入增長(cháng)；而在商業(yè)運營(yíng)領(lǐng)域，其目標是提高生產(chǎn)效率或降低關(guān)鍵區域成本。人工的設備檢查和排除故障工作費時(shí)費力，并且成效一般，所以預測性維護對提高運營(yíng)效率的作用是顯而易見(jiàn)的。連接技術(shù)可從多個(gè)渠道和系統提取數據，提供實(shí)時(shí)先進(jìn)的觀(guān)察報告，因為電腦系統代勞了情報搜集工作，維護經(jīng)理得以有精力去高效配置各種資源。

提高商業(yè)運營(yíng)效率

連接技術(shù)能幫助解決維護的核心難點(diǎn)，即在合適的時(shí)間點(diǎn)確保合適的零件安裝在合適的位置。依靠真實(shí)的數據來(lái)源，而不是靠猜測來(lái)驅動(dòng)維護流程。預測性維護能幫助識別出維護方案的最優(yōu)效率。該維護策略可減少20%～50%的計劃維護時(shí)間，延長(cháng)10%～20%的設備運行時(shí)間，降低5%～10%的總維護成本。

被動(dòng)性維護、計劃性維護和主動(dòng)性維護均要求維護人員準備充足的備件以應對突發(fā)故障，而預測性維護能使維護團隊更高效地開(kāi)展維護工作。意大利鐵路公司在開(kāi)展常規維護時(shí)會(huì )停運1600余輛火車(chē)，在某一火車(chē)突發(fā)故障時(shí)，該公司也采用相同的處理方式。這會(huì )造成難以計數的火車(chē)延誤、高額的違約罰款，乘客也為此惱火不已。鐵路公司為解決這一問(wèn)題，啟動(dòng)歷時(shí)三年的“維護工作改進(jìn)”項目，在車(chē)身上安裝數百個(gè)傳感器以搜集數據。相關(guān)數據會(huì )上傳至公司云儲存中以診斷分析零件的發(fā)生故障時(shí)間。這樣，最大化了零件的工作壽命，降低了備用零件成本。總體而言，該公司縮短了5%～8%的停工期，節約了8%～10%的年維護成本（約1億美元）。

預測性維護能提供更精準的零件故障時(shí)間，確定零件需求量的大小，所以公司可在零風(fēng)險情況下，減少備用零件庫存。如果該維護策略與物流和零件訂購系統相結合，實(shí)現備用零件的自動(dòng)訂購，那么就更易達到維護工作的終極目標：在合適的時(shí)間點(diǎn)確保合適的零件安裝在合適的位置。目前，航空業(yè)已利用預測性維護來(lái)判斷未來(lái)24小時(shí)內是否會(huì )發(fā)生機械故障，確定備用零件的需求。這不僅能最大程度地解決航班的復雜調配問(wèn)題，還能幫助維護人員準備好所需零件。

實(shí)現商業(yè)增長(cháng)

上述論述表明，預測性維護可實(shí)現以降低開(kāi)支、提高效率為目標的商業(yè)策略。但是在商業(yè)運營(yíng)領(lǐng)域之外，預測性維護也能幫助實(shí)現商業(yè)增長(cháng)。該維護策略不僅有助于控制成本，也具有品牌差異化作用。維護工作的失敗既會(huì )影響機器的正常運轉，也會(huì )導致殘次品的生產(chǎn)。超出容限度的工具和機器會(huì )導致產(chǎn)品質(zhì)量下滑，而預測性維護能讓維護人員注意控制容限度以保證更優(yōu)的產(chǎn)品質(zhì)量。同時(shí)，由于停工期縮短，制造商可釋放現有機器的額外生產(chǎn)力，以增加產(chǎn)量，增強反應能力。由此，該維護策略可用更短的時(shí)間交付高質(zhì)量的產(chǎn)品，使公司在激烈的競爭中脫穎而出。

以一家電子元件生產(chǎn)商為例，該生產(chǎn)商將制造執行系統和材料處理系統數據導入分布式數據庫。數據輸入結構化數據槽后，利用公司開(kāi)發(fā)出的預測性算法，可以提高生產(chǎn)力，減少33%的殘次品。

產(chǎn)品質(zhì)量的提高不僅能夠降低生產(chǎn)成本，更重要的是能提高顧客滿(mǎn)意度和實(shí)施品牌差異化。前一案例中，意大利鐵路公司的項目以完善車(chē)身的維護工作、提升車(chē)身的可靠性為目標，然而鐵路公司的最終目的是提高火車(chē)準點(diǎn)率，增強顧客滿(mǎn)意度。

預測性維護背后的驅動(dòng)技術(shù)

只有了解預測性維護背后的連接技術(shù)，我們才能理解它的工作原理。連接技術(shù)有傳感器與通信協(xié)議、分析與數據處理工具、數據可視化與合作工具（見(jiàn)圖5）。

傳感器與網(wǎng)絡(luò )

傳感器可能是預測性維護中最重要的一環(huán)，它能創(chuàng )建所需的數據與通信，以實(shí)現數據存儲與分析。傳感器能把機器的物理動(dòng)作翻譯為數字信號。當然，我們也可以從可編程序邏輯控制器、制造執行系統、企業(yè)資源規劃系統等渠道獲取數據。以美國通用電氣公司為例，該公司的情況預測系統整合每臺發(fā)動(dòng)機的250個(gè)傳感器傳輸的數據，以及4萬(wàn)余條歷史維護信息記錄，最大限度發(fā)揮工廠(chǎng)發(fā)動(dòng)機的性能與可靠性。

如今，成本低廉的帶寬和存儲空間使傳輸海量數據不再難以企及。憑借端對端數字化供應網(wǎng)絡(luò )提供的透明度，制造商能對工廠(chǎng)資產(chǎn)和整個(gè)生產(chǎn)網(wǎng)絡(luò )的情況了然于心。

數據整合與增強智能

數字信息一旦集中，必須利用先進(jìn)的分析和預測算法來(lái)解析、存儲和分析數據。預測零件故障需要非結構化數據的解決方案、增強智能或機器學(xué)習平臺等工具。數據分析師需要利用上述工具深挖數據之山，在日常運營(yíng)的“噪聲”中尋獲零件即將發(fā)生故障的信號。簡(jiǎn)而言之，在預測性維護依賴(lài)試點(diǎn)項目或評估周期所決定的故障臨界值的同時(shí)，機器學(xué)習平臺通過(guò)分析每次預測的結果反復調整臨界值。因此，選擇合適的分析法或算法對構建預測性維護的能力至關(guān)重要。做對選擇能產(chǎn)生意義非凡的結果。近期，一家制造商利用預測算法的機器學(xué)習平臺縮短了一半停工時(shí)間，提高了25%的生產(chǎn)效率。

因為這些工具逐漸主流化，所以未來(lái)公司也許不再需要統計學(xué)和計算機專(zhuān)業(yè)的學(xué)生，沒(méi)有掌握專(zhuān)業(yè)知識和資源的公司也能有機會(huì )使用上述工具。

增強行為

在數據分析工作完成之后，維護人員和機器會(huì )根據分析結果采取行動(dòng)。可穿戴設備和增強現實(shí)等技術(shù)使得維護人員可以在全神貫注完成任務(wù)的同時(shí)“看見(jiàn)”大量資料，如參考維護手冊和專(zhuān)家建議等。上述技術(shù)通過(guò)提供詳細指導來(lái)幫助操作人員在機器發(fā)生故障時(shí)快速解決問(wèn)題，并通過(guò)按需提供的擬真培訓傳播知識。借用這些技術(shù)，異地的團隊甚至可以遠程控制和監督操作流程。

以一家領(lǐng)先的技術(shù)制造商為例。該制造商部署了一套行業(yè)領(lǐng)先的可穿戴設備，以實(shí)現技術(shù)問(wèn)題的遠程解決和專(zhuān)業(yè)知識的實(shí)時(shí)傳播。這個(gè)解決方案有力地支撐了故障處理流程。該公司的檢修周期減半，通過(guò)縮短停工期，一條生產(chǎn)線(xiàn)就節省了50萬(wàn)美元。

數據經(jīng)過(guò)加工、分析和可??之后，數字洞察會(huì )轉化為行動(dòng)。在某些情況下，數字洞察會(huì )指示機器人和機器改變功能。其他情況下，維護警示會(huì )促使技術(shù)人員采取行動(dòng)。下面讓我們設想一個(gè)情景：預測性算法激活公司維護管理計算機系統的維護工作指令，檢查企業(yè)資源計劃系統中的庫存，若需要額外備件，則自動(dòng)下單采購，這一系列全自動(dòng)的行動(dòng)均先于意外的停工期。維護經(jīng)理只需批準工作流程中的項目，派遣合適的技術(shù)員去辦即可。

夯實(shí)基礎

復雜的新技術(shù)涌入工作環(huán)境必然造成天翻地覆的影響。采用和實(shí)施預測性維護的過(guò)程面臨三大挑戰：攀升的成本、技術(shù)支持與變化的人才需求。僅憑技術(shù)無(wú)法實(shí)現向預測性維護過(guò)渡，流程和組織變革與技術(shù)同等重要。向預測性維護轉型的公司需考慮下述內容。

安全性   相互連接的資產(chǎn)數量倍增，物聯(lián)網(wǎng)無(wú)處不在，公司應保護會(huì )被侵入的關(guān)鍵設備的通道，主動(dòng)采取網(wǎng)絡(luò )安全措施。

新技能與組織方法   預測性維護是遠超傳統維護計劃和執行技能的維護策略，公司必須采用一整套新技能才能成功實(shí)施預測性維護策略。數據科學(xué)家需要與可靠性工程師合作開(kāi)發(fā)算法和預測性模型。許多公司發(fā)現，這些技能人才難以找到或培養，并且實(shí)施解決方案時(shí)需要與多個(gè)供應商合作，以增強相關(guān)能力。

設備更新?lián)Q代   公司使用服役年限數十年的機器是司空見(jiàn)慣的情況，然而這將導致維護人員難以找到機器備件，并且難以管理相應的庫存。更新或更換智能設備的成本將是一筆不菲的開(kāi)支。此外，改進(jìn)未連接的資產(chǎn)，并將其投入智慧型工廠(chǎng)的運營(yíng)，會(huì )增加安全風(fēng)險。

數據管理   在預測性維護中，正確的數據能夠幫助公司預測故障模式。因此，維護工作的首要任務(wù)是選擇合適的數據渠道。在初始階段，公司需要進(jìn)行數據清理，以保證將來(lái)能進(jìn)行有效的分析。但是，數據準備只是維護流程的一小部分。數據采集工作完成后，需要定位、存儲，并利用算法分析數據，以預測發(fā)生故障的時(shí)間和結果。因此，選擇最佳算法和利用機器學(xué)習平臺得出預測結果是至關(guān)重要的。如上所示，選擇和維護相關(guān)的軟件對促成預測性維護的成功同樣重要。

技術(shù)   與其他較為成熟的維護手段不同，預測性維護的軟件、硬件與算法尚處于發(fā)展的初級階段。因此建議采用試點(diǎn)方式，在大規模采用預測性維護前，先進(jìn)行測試和學(xué)習。

通常，維護策略和流程是維護的核心。如果沒(méi)有堅實(shí)的流程基礎和素質(zhì)良好的員工，那么公司在技術(shù)方面的投資也不太可能實(shí)現回報。如果維護人員無(wú)法理解傳感器和智能設備的報告，那么這些高科技產(chǎn)品便毫無(wú)用武之地。

構建組織能力

預測性維護流程的制度化能夠極大地縮短流程時(shí)間，集合來(lái)自不同資產(chǎn)、系統和地點(diǎn)的數據。以一家航空公司為例，該公司整合來(lái)自文本文件、飛機日志和維護記錄的數據，實(shí)現了維護流程的自動(dòng)化，把發(fā)現問(wèn)題所需的時(shí)間從原來(lái)的30～90天縮短至不超過(guò)1天。然而，在這樣做的同時(shí)，數據分析和維護的能力也必須到位。因此，決策框架的開(kāi)發(fā)是維護策略轉型的關(guān)鍵，以使維護人員不再依賴(lài)直覺(jué)和經(jīng)驗做決策，而是從數據中解讀、挖掘價(jià)值。該公司采取以下三個(gè)步驟開(kāi)發(fā)決策框架，管理維護流程。

步驟一：建立績(jì)效管理框架。如果要確保指標測量了正確的區域，那么正確理解“所做”與“所得”的關(guān)系是關(guān)鍵。因為“所得”指輸出，所以應該瞄準滯后指標。“所做”為日常可控因素，因此具有先導基礎，并且應該積極管理。

步驟二：建立辨識和獲取價(jià)值的流程。量化價(jià)值，建立目標，明確責任，排定項目?jì)?yōu)先次序，監控績(jì)效和分配資源。

步驟三：由被動(dòng)性預測轉變?yōu)榛趯?shí)時(shí)信息分析的主動(dòng)性預測。通常在這一步驟中會(huì )建立資產(chǎn)信息中心，為獲取多渠道信息提供簡(jiǎn)單通道。

評估組織需求

不同公司對資產(chǎn)可靠性的要求不同。公司可根據以下三個(gè)方面評估任務(wù)要求和維護項目的成熟度。

商業(yè)戰略

?預測性維護對全公司的價(jià)值為多少？

?公司資產(chǎn)可靠性的需求為多少？什么是公司可實(shí)現的目標？

維護策略

?如何決定資產(chǎn)更換和資產(chǎn)維護的時(shí)間？

?公司已掌握何種未有效利用的數據？

?公司是否已選擇一款能夠解決所需數據類(lèi)型和容量的分析工具？

?公司是否已在生產(chǎn)系統中辨識出何為關(guān)鍵資產(chǎn)？

?預測性維護試點(diǎn)是否會(huì )有利于部分關(guān)鍵資產(chǎn)？

維護流程

?公司是否在合適的時(shí)間和地點(diǎn)備有合適的零件？

?維護流程是否記錄完好、易懂且實(shí)用？

?公司是否為此工作配備合適的工具？

?公司的技術(shù)人員是否具備完成任務(wù)的能力？

無(wú)論是大型或是小型維護，但凡取得成功的公司都會(huì )考慮基本維護策略、流程以及驅動(dòng)技術(shù)。

邁向預測性維護

制造業(yè)公司的成功通常有賴(lài)于恰當的技術(shù)與流程、能力卓著(zhù)的員工。在分析數字化供應網(wǎng)絡(luò )和智慧型工廠(chǎng)時(shí)，并非所有公司都準備立即采用預測性維護。在起步階段，公司應以一些基礎性工作作為預測性維護和主動(dòng)性維護的開(kāi)始，逐步培養預測性維護能力。在這個(gè)階段，公司應遵循下列三個(gè)步驟。

從小處起步   公司可利用一至兩套合適的資產(chǎn)，開(kāi)展預測性維護的試點(diǎn)。試點(diǎn)資產(chǎn)必須與運營(yíng)緊密關(guān)聯(lián)，同時(shí)相關(guān)資產(chǎn)會(huì )相對頻繁地發(fā)生故障，以生成基本預測算法。另外，公司需根據成功的標準檢查試點(diǎn)項目，以評估維護策略、技術(shù)和流程的有效性，并限制其風(fēng)險。

快速規模化   一旦試點(diǎn)結構成形，并在維護試點(diǎn)資產(chǎn)中發(fā)揮了作用，那么公司可以快速擴大預測性維護的范圍，從連接數個(gè)機器擴展至整個(gè)智慧型工廠(chǎng)，然后與大型數字化供應網(wǎng)絡(luò )相連，創(chuàng )造生態(tài)系統利益。

這個(gè)方法也能幫助公司發(fā)現自身面臨的挑戰。例如，許多工廠(chǎng)擁有工具和設備，但缺少正確的文檔資料或培訓項目，也有些公司需要投資更復雜的分析能力。公司必須辨識基礎維護達到怎樣的成熟度才能支撐預測性維護的發(fā)展，以及智慧型工廠(chǎng)的技術(shù)是否有助于增強技術(shù)員的工作？

先規劃后實(shí)行   雖然有時(shí)細致周到的規劃看似是浪費時(shí)間，但是構建決策框架等基礎性工作對公司認識自身缺陷和取得成功至關(guān)重要。在實(shí)施期間，應評估所實(shí)現的具有里程碑意義的成果，如在首臺機器上安裝傳感器或是建立首個(gè)儀表板。這如同一場(chǎng)短距離沖刺賽，賽場(chǎng)休息時(shí)的反思有利于吸取前場(chǎng)的教訓，進(jìn)而采用更為靈活的實(shí)施方式。

公司使用上述方法可以衡量預測性維護無(wú)可比擬的高效率。新興技術(shù)使預測性維護不再是夢(mèng)想，而公司組織結構的改革使它成為可行的策略，現在只需我們把一切變成現實(shí)。

（沈淼 編譯）