PdM 的兴起以及为什么很难做到正确

预测性维护 (PdM) 是一种在机器故障成为问题之前解决它们的主动方法。通过分析大量机器数据，PdM 使维护人员能够了解机器的健康状况并相应地优化其活动，以防止意外停机并消除突发故障。但是，尽管有明显的好处，但大多数 PdM 部署都注定要失败。在这篇文章中，我们将探讨 PdM 的兴起，以及为什么这么多供应商 - 以及他们的客户 - 继续犯错。

预测性维护 - 过去和现在

预测性维护已经存在的时间比您想象的要长得多。在第二次世界大战期间，科学家 CH Waddington 观察到，飞机的故障或维修率往往在检查或维护后立即达到最高水平。这种被称为“沃丁顿效应”的现象导致了维修过程的调整，以适应飞机的物理状况和使用频率，并根据对结果数据的分析调整检查周期。简而言之，这是 PdM 的开始。

当然，从那以后发生了很多变化。第四次工业革命和工业 4.0 的出现见证了技术突破的速度之快，以至于它们“几乎颠覆了每个国家的每个行业”。这些突破导致传感器、网络、数据采集和存储技术的显着改进，再加上人工智能技术的最新进展提供的大量计算能力和数据的访问权限，使得 PdM 越来越适用于更广泛的行业.

今天，就像近 80 年前一样，PdM 的主要优势仍然是其为决策提供信息的能力。负责监督一个或多个站点的许多机器，维护专业人员是非常忙碌的人。通过让他们更好地了解机器的持续运行状况，Pd​​M 解决方案可以帮助他们更好地利用有限的时间和资源。

那么，鉴于它的传统和它提供的明显优势，为什么这么多人在 PdM 方面取得成功如此困难？

三个常见错误

事实是，许多供应商已经加入了 PdM 的潮流，尽管他们对本质上是一个非常独特的域知之甚少。一些人只是简单地尝试“超级充电”遗留监控工具，而另一些人则将传统的数据科学方法应用于远离传统的问题空间。如果没有必要了解 PdM 系统到底是什么以及它是如何工作的，许多新的解决方案甚至都无法进入市场。因此，很少有企业会在规模上取得真正的成功。

最终，这种缺乏理解以及随后 PdM 的成功在很大程度上归结为供应商及其客户经常会一次又一次地犯的三个基本错误。

1. 正如我们所见，PdM 的概念并不新鲜。状态监测、维护信用和预测等技术已经存在了一段时间。但是，由于缺乏将这些技术扩展到关键机器之外的能力，这意味着它们的部署在很大程度上仅限于关键机器。
2. PdM 并非像某些人认为的那样是一个大数据问题，其中有数百万个数据点和标签可供训练模型。工厂环境是高度动态和嘈杂的，具有一系列变量，包括机器维护、不同的生产速度，甚至不同机器操作员的行为。当然，每台机器都是独一无二的。尽管如此，许多组织仍将采用经典的数据科学方法来处理 PdM。
3. 请务必记住维护专业人员的忙碌程度。如果 PdM 系统的用户体验不能反映这一点，那么它就有可能无法与目标用户互动。它产生的所有有价值的信息和洞察力都将被忽略，组织对系统本身的投资将被浪费。

Senseye 了解 PdM

Senseye独家花费了超过 150 人年的研发时间 在 PdM 上。这就是为什么我们了解 PdM 的工作原理。重要的是，我们了解 PdM 如何改进维护工程师的日常操作。正是因为这种理解，我们的 PdM 解决方案才取得成功。这就是为什么我们知道如何大规模部署它，这就是为什么我们不只是让数据科学家去做，这就是用户体验很重要的原因。

我们的下一篇文章将探讨我们如何将我们学到的经验应用到我们所做的一切中。在那之前，您可以在我们的白皮书“Senseye in Depth：为什么预测性维护如此困难？”中找到更多关于 PdM 的来源以及为什么供应商和一些买家没有做到正确的详细信息。