善用 FMEA 与 P-F 曲线：提升资产可靠性与可用性的实战路径
对于深受意外故障与非计划停机困扰的组织，失效模式与影响分析 (FMEA) 能助力实现高资产可靠性与可用性。
搞定可靠性与可用性，离盈利就不远了。
但有个惊人现实。
许多组织和制造商从未踏上这条路，反而乐此不疲地（只要合格产品能按时交付客户)在恶性循环里打转。
“您说的旅程是 RCM（以可靠性为中心的维护）吧！太贵了，我们负担不起！”他们抗议。
这些制造商似乎总有时间（和钱）报废废品、采购新轴承、清理漏油、修机器、叫 OEM（原始设备制造商）驻厂、安排加班。每年还要隆重表彰反应性维护“英雄”。
嗯。
您在想：“员工登上公司内刊、获副总裁握手，就因为让工厂靠反应性维护苟活？”
真有这事。但我们要看得更远。
达成良好资产可靠性与高可用性，不必搞全盘 RCM 研究。但需要高质量的 FMEA（失效模式与影响分析）及其高质量输出，并应用 P-F（潜在失效-功能失效）曲线，确保状态监测技术聚焦正确失效模式、采用正确检测频次。
失效模式与影响分析：触底（或触顶）的关键
FMEA 是通用分析工具，帮助设计师、技术员、工程师理解关键资产或组件如何失效、对整体系统有何影响、可采取何种缓解措施。
FMEA 精髓在于：洞悉失效模式、发生概率，并以特定维护动作、重新设计、甚至“不作为”（若风险足够低）加以缓解。
FMEA 有两大基本类型。
自底向上：列出资产每个组件及其所有可能失效方式。常称“硬件路径”。工作量大，但常用于航空、核能等高安全、高环境后果领域——这些领域绝不容许意外资产失效。
自顶向下：更常用，亦称“功能路径”，先考虑资产功能。功能明确后，问“如何功能失效？”继而推导失效模式，寻找影响与缓解措施。
自顶向下 FMEA 直击最重要的潜在问题贡献因素，而非逐个组件穷举。
还有 FMECA（C 代表关键度），引入数值风险因子。
请看这个涵盖 FMEA 与 FMECA 的示例。
为简化，以汽车雨刮器为例。假设初期不做任何检查，任其行驶中自然失效。
功能 |
功能失效 |
失效模式 |
潜在影响 |
严重度 |
潜在原因 |
发生度 |
探测方式 |
探测度 |
RPN |
资产或组件的功能是什么？ |
如何失去其功能？ |
什么导致功能失效？ |
影响是什么？即后果 |
后果有多严重？ |
什么导致失效模式？ |
发生频率如何？ |
现有预防或探测控制是什么？ |
用现有方法探测有多容易？ |
风险优先数 = 严重度 × 发生度 × 探测度 |
按需清除前挡风玻璃雨水与雾气。 |
无法启动。 |
保险丝熔断。 |
大雨天无法刮刷挡风玻璃。 |
10 |
异物阻挡雨刮（导致过流 & 熔断保险丝） |
2 |
行驶中失效时发现 |
7 |
140 |
推荐措施 |
责任人 |
目标日期 |
措施落实情况 |
SEV |
OCC |
DET |
RPN |
如何降低原因发生率或改善探测？ |
谁负责该措施？ |
措施目标日期？ |
重算 RPN 看风险是否降低。 |
|
|
|
措施后的新 RPN。 |
1. 每次出行前检查雨刮器是否有遮挡物。 |
车主 |
即刻生效 |
车内放检查清单提醒，并备好保险丝。 |
10 |
2 |
2 |
40 |
可见，落实措施后风险优先数 (RPN) 应下降。
在厂内开展 FMEA 或 FMECA 后，您就有了维护策略。
维护策略：维持固有可靠性
FMEA 关键产出是维护策略，主要回答“做什么”。可能包含：基于时间的更换、状态监测、设备重新设计、失效查找任务、巡检、大修等。
为进一步细化并落地策略，还需决定：谁干、何时干、需什么备件。
关键点：
在正确时间做正确维护，能将资产的固有可靠性维持在高位。正确、适当的维护永不能提升固有可靠性超出其初始能力——因为那是内禀特性。
但好的维护策略能让固有可靠性保持在应有的高位。
状态监测与 CBM：可用性为王
聚焦状态监测（亦称预测性维护）战术。其传感器、数据、信息让我们洞悉资产健康，是 IIoT 与工业 4.0 的驱动力。
若能随时掌握资产健康，便能实施最具成本效益的维护——状态基础维护 (CBM)。
关键点：
CBM 不提升资产可靠性（固有或其他）。它给您同等重要的可用性——单凭减少非计划停机即提升可用性。
CBM 仅基于资产实测健康度执行修复/更换任务，给出潜在/迫在眉睫失效的早期预警。
但用状态监测技术，数据采集频次该如何设定？
P-F 曲线与间隔
首先，什么是 P-F 曲线？它描绘失效模式启动后，资产健康随时间恶化的轨迹。
下图阐释概念。
曲线水平段代表良好健康状态。通过以下维护最佳实践可延长此段：
- 资产安装
- 基础与支撑结构
- 资产润滑
- 资产对中与平衡
- 在资产能力范围内正确操作
随后，失效模式出现，有一个失效启动但数据采集中仍不可见的点。
时间（或资产应力循环）推移至 P 点。
P 点即潜在失效。这是状态监测技术开始能探测到潜在失效的位置。此后资产健康逐渐（或迅速）恶化，直至 F 点——功能失效。
意为游戏结束。
得请出反应性维护“英雄”了。
P 与 F 的时间差即 P-F 区间。长短从秒到十年不等，取决于失效模式与资产。
请牢记：特定失效模式的 P-F 区间始终是平均值——统计波动必然存在。
但若通过过往失效、RCA（根因分析）、OEM 数据等大致掌握了它，便可设定状态监测巡检间隔。经验法则：巡检间隔通常至少为预期 P-F 区间的一半。
假设您知晓关键泵驱动端轴承振动达 8 mm/s 时，大概仅剩 3 个月服务寿命便会卡死。至少应多久测一次振动？
巡检/测量间隔 
这能确保在预期 P-F 区间内捕获该缺陷（虽多数策略师会保守笼统建议 1 个月间隔——还记得统计波动吗？）。
公认不同状态监测技术在 P-F 区间提供的预警提前量不同。请看下图粗略指南。无单一技术能覆盖所有失效模式。
最佳策略组合多种状态监测技术。
迈向指令性维护的征程
结语，考虑 IIoT 与工业 4.0 进展，我们应展望指令性维护 (RxM)。
指令性维护 (Rx) 的独特之处在于：预测性维护 (PdM) 仅预测迫在眉睫的故障，而 Rx 致力于从 Rx 分析中产出面向运营与维护的成果导向型建议。虽 RxM 尚处萌芽，许多思想领袖看好其成为下一级可靠性与维护最佳实践。 |
“那是什么？”您问。
预测性维护的下一个前沿就是指令性维护。
能想象吗？
传感器、网络、算法、机器学习与 AI 协同，告诉维护团队做什么、何时做以维持可靠性、提升可用性。甚至在探测到潜在失效后，指导如何管理资产（转速、负载）以延长剩余寿命。
未来维护策略将流动、可变、由技术与人工构建的 FMEA、P-F 区间、OEM 故障排查指南智能驱动。
我们尚未到达，但它正在到来……
延伸阅读：维护领域 IIoT 综合指南
物联网技术