确保成功的预测性维护 | Senseye
什么是导致预测性维护项目失败的陷阱，您如何避免它们？作为更广泛的数字化转型项目的一部分，您如何确保团队获得状态监测专业知识和适当的预测性维护“最佳实践”？
在这部电影中，Senseye 的 Alexander Hill 和 Rob Russell 与 MCP Consulting Group 的 Peter Gagg 一起讨论了从一开始就需要采取哪些措施来实施预测性维护计划最大可能的成功机会，以及制造商和其他行业组织如何在这些初始踏脚石的基础上继续推动持续改进。
成绩单
Alexander Hill，Senseye：PdM 项目失败的主要原因分为两大类：技术和文化。
在技术方面，可能是数据不可用 - 项目可能一开始就充满热情，但您会发现从这些机器获得的数据不适合用于状态监测目的。对此有一些可以做的事情，可以改装传感器，可以做进一步的数据分析工作，以提供更好的数据质量。
事情的另一面是文化。预测性维护经常被视为一个不错的、有趣的创新项目。但这是现实世界的维护，它对机器和人类都有实际影响，因此业务案例应该非常清楚。
Senseye 的 Rob Russell：需要来自最终用户的直接拉动，并且这种拉动应该由中央团队创建，解释这些解决方案的好处。获得高层对流程的支持非常重要，而且有专门的资源可以激励推进预测性维护活动。
MCP Consulting Group 的 Peter Gagg：如果您没有得到认可，那么您将无法使新技术具有可持续性。要实现这种可持续性，您确实必须证明有一些非常重要的好处 - 无论是减少停机时间、让工程师的时间更有效，还是让他们的生活更轻松。
你必须认识到，在旅程的最初阶段，你会犯错误，失败也会发生。你必须从中学习。没有任何系统会从早期阶段就万无一失。你必须有重复的学习过程。
Alexander Hill：是否有实施预测性维护的战略目标？如果这只是一个科学项目，那么它可能不太可能获得所需的充分曝光、支持和互动。你需要把它交给维护人员——他们的日常生活将因此得到改善。如果是在研发实验室，那就更难做到了。
Rob Russell：肯定需要制定一个计划，说明如何采用这些新技术并将它们应用到这些操作环境中。必须认识到，虽然这正在发生，但随着人们跟上新技术的步伐，将会出现效率低下的时期。
Peter Gagg：它不断地回到培训人员，检查他们是否遵循正确的程序或流程，并有一些 KPI 或指标来证明你从引入的新技术中受益。确保您已将预测性维护计划货币化，使其成为利润来源而非成本。
Alexander Hill：当我们证明了价值时——我们通常能够在两个月内做到这一点——然后就是寻找我们可以扩展的地方，数据是否可用，是否需要？然后就是把数据放进去，打开它，确保我们可以把它送到更多人的手中。
设备保养维修