预测性维护，当前工业互联网领域最热门的词，您的工厂需要它吗？首先您需要知道它是什么以及它如何工作。然后明确自己的情况并确定最适合您的维护方法。
当它运行良好时，感觉就像水晶球一样神奇。有了预见未来的能力，您可以在问题即将发生之前执行维护，将计划外停机时间减少到基本为零。但这不是魔法，它是数学。
首先将传感器放在资产上收集数据。这取决于资产，但你可以监测振动，温度，噪音，压力，油和润滑油的水平，甚至电流、电压。一旦数据开始涌入，你就开始通过复杂的算法来推动它。产出的结果是，当你的资产出现问题时，可靠的预测就会出现。因为你知道这些问题什么时候会发生，你可以提前安排维修。
因为两个系统都使用传感器，所以很容易混淆。最大的区别是如何使用传感器数据。使用基于状态的维护，您总是将当前传感器数据与预定的“最佳状态”进行比较。一旦传感器发现资产没有正常工作，它就会发出警报(可能是从警报声、红灯闪烁到通过CMMS软件向您发送短信或邮件)，然后执行维护。举个例子：有一个以一定速度旋转的风扇。一旦转速过快或过慢，警报就会响起，并提示你进行维护。而通过预测维护，系统收集到的数据表明，未来风扇将以错误的速度旋转，并提醒你。
你可能会疑惑，因为预测维护听起来就像是得到了一种超能力。但是有一些优势你可能没有考虑到，并且它也有缺点。
维护是在意外宕机之前完成的，因此可以极大地减少意外停机时间。理想情况下，它会非常接近于零。
你只需要做实际要做的维护工作。如果您应用预防性维护策略，那么您可能太早或太频繁地进行维保，从而浪费了时间、备件等。“安全总比遗憾好”的策略有其局限性。
现在的传感器突破了很多可能，可以探测到技术人员难以作业的地方。比如在烟囱的顶部还是在蒸汽管道的后面，传感器将技术人员从耗时的停机和锁定中解救出来。
持续的成本。每隔一段时间，传感器就需要重新校准。更重要的是，搭建数据模型，弄懂这些数据。
难以预测的工作任务。因为您只是在需要维护之前才安排维护，所以为您的技术人员设置一个常规的时间表比较困难。以前是“我们要每两个月更换一次这个垫圈，所以提前备好库存及安排工作计划”，现在是“我们会在传感器告诉我们的时候更换垫圈，无论什么时候。”
每种类型的维护都有其优点和缺点。诀窍是找到最适合您的那个。我怎么知道这是否适合我？
您需要查看计划外停机成本和可预测的维护计划成本，并对这些数据进行比较。即使您决定使用预测性维护，也可能需要一个混合维护程序。这就引出了下一个问题:对于混合维护计划，哪些资产值得使用预测性维护来覆盖?这将因行业而异，你的经营规模也将是一个因素。因此，让我们举一个与行业无关的例子，看看决策过程中的一些内容。
汽车大灯，最好坚持运行到故障维修。继续使用它们直到坏掉，这很好，因为它们并不是特别昂贵，并且因为它们有两个，当一个故障时，您仍然可以开车到4S店更换。对于临界点较低的相对便宜的零件，使用预测性维护是没有意义的。
对于轮胎，坚持基于状态的维护是很好的。现在，许多较新的型号都内置了气压传感器，但仍只是基于状态的维护。一旦气压太低，仪表板上就会出现警告灯。但是传感器无法预测轮胎何时会胎压降低。也就是说，提示您胎压低的时候，可以就近停好更换备用轮胎，并不会耽误太长时间。
但是对于发动机和电力系统，如果能进行预测维修，这一定是超值的。发动机和电气系统具有很高的风险性。一旦他们停止工作，就只能叫拖车了，而且修复它们通常需要花费大量的时间和金钱，因此有必要考虑持续的预防性维护投入。从长远来看，是值得的。
在考虑投入之前，您需要将预期投入成本与当前维保成本进行比较。随着硬件成本下降，预测维护对您来说可能会越来越有意义。预测维护传感器和软件的价格将会下降，当它们下降时，它们可能对你的操作更有意义。但无论价格跌得有多低，总会有一些资产，使用预测性维护几乎毫无意义。
在做出有关预测性维护的任何决定之前，您需要了解当前不同资产的停机成本。而统计这块成本的最佳方法是应用CMMS系统。它是移动化的，有云计算的支持，所以您可以随时随地获取数据，并且自动生成各类（工单、人员、备件等）报告。