资产绩效管理策略
创造一个不会崩溃的世界为流程工业提供了 200 亿美元的机会。减少计划外停机时间和提高资产利用率是改善生产运营财务状况的最大机会。阿尔伯特·爱因斯坦可能是在暗指智能制造，他说：“如果我有一个小时来解决一个问题并且我的生活依赖于它，我会用前 55 分钟来确定要问的正确问题，因为一旦我知道正确的问题问题，我可以在不到五分钟的时间内解决问题。”
维护的演变
在过去的五年中，维护作为一种实践已经发展到在可靠性和可用性领域更好地为制造业服务，并且框架越来越复杂。然而，变革迫在眉睫。当前的方法，例如运行到故障、基于日历、基于使用、基于条件和以可靠性为中心的维护 (RCM)，受到机器检查和服务背后缺乏科学的挑战。当前的维护方法主要将磨损作为故障的根本原因，但机械设备中 80% 的退化和故障是由过程驱动的。
当今的行业现实是，为了最大限度地提高盈利能力，流程往往会在尽可能接近关键限制的情况下运行。但是，过程偏移可能会将资产置于不希望的操作点，从而会发生损坏或过度磨损。对于准确的、基于事实的维护决策，需要更好地了解过程对资产的影响。需要新一代的分析能力来更深入地了解资产、流程和它们之间的交互。操作员需要预测性解决方案来提醒他们即将发生的问题，并且软件必须能够通过规定性指导引导他们远离问题。这种性质的洞察力需要深厚的流程建模专业知识以及能够从设计、生产和维护系统中提取和分析数据的大数据机器学习能力。
下一代资产绩效管理
下一代资产绩效管理能够利用可操作的数据最大限度地延长正常运行时间，并准确预测和消除所有故障的根本原因。它代表了具有高级分析能力的制造业的未来，可以预测问题并规定操作员的行动。高级数据分析和数据科学支持可靠性策略，其中包括机器学习。为了增加资本密集型工业资产的价值，机器学习需要解释和管理复杂、有问题的传感器和维护事件数据。最终，它可以通过捕获过程操作模式并将其与故障信息合并来确定可能对资产产生不利影响的操作条件和模式。
成功的系统
虽然预测分析可以减少停机时间，但中断很少单独发生。相反，许多可靠性、流程和资产问题同时发生。这给 RCM 带来了系统性问题，这是一种通过延迟决策过程来进行静态评估的当前维护方法。需要动态评估，因为需要与其他活动条件一起评估新警告，以优先考虑和分配资源。但是，由于无法一次性解决所有问题，因此需要一个成功的系统来解决问题，并根据问题所代表的风险级别对其进行优先级排序。借助先进的软件，每个新警报都可以触发风险状况的重新计算，以确保在可靠性评估中使用最新的财务和风险概率评估。
当然，要完全成功，公司必须采用整体方法来实施，其中包括以下步骤：
- 明确传达目标以帮助有效解决问题
- 拥抱数据驱动的世界
- 区分滞后指标和领先指标，以及如何做出相应的反应
- 采用正确的人员、技术、战略和解决方案组合，以及相关用例的使用
- 花时间掌握技术
- 使采用的分析计划与业务目标保持一致
- 部署适当的软件和硬件来解决问题
- 执行良好，并具有敏锐的紧迫感。
凭借卓越的运营和盈利能力，制定有效的资产绩效战略是企业的当务之急。对于有助于创造一个不会崩溃的世界的技术来说，失败不是一种选择。
设备保养维修