ABB|改善资产维护的路径
各项研究表明，设备故障导致的计划外停机每年为行业带来3%至5%（有时甚至更多）的生产力损失。只要管理层愿意考虑和采纳成熟的策略方法，借助现代工业物联网 (IIoT) 技术和SCADA系统提供的所有数据和连接功能，就可以显著降低上述损失。
设备维护模式
从被动维护到主动维护、预测性维护，过程设备的维护方法多种多样。从成本和时间角度看，每种方法各有优缺点，需要具体问题具体分析。关键是将方法与应用结合起来。这一点对于生产关键型旋转设备尤其如此。
工业物联网 (IIoT) 传感器、SCADA系统和先进分析软件的普及帮助能源公司从被动式维护转向惯例维护。
01被动式维护（事后维修）
在一项行业调查中，近四分之一的受访者表示，其超过25％的资产采用这种维护模式。灯泡坏了才更换通常不会对生产造成负面影响，还可以节省定期更换灯泡的成本，因为灯泡往往具有超长的使用寿命。但是同样的方法不适用于旋转设备，例如关键的泵机和鼓风机，因为这些设备故障会导致工厂的运行中断，且紧急维修的代价可能极其昂贵。
02预防性维护模式（按固定时间或周期间隔进行）
尽管研究表明，故障模式与基于时间的退化模式之间的关系仅适用于大约18%的情况，但是仍有约45%的公司采用这种传统的定期维护方法来维护超过四分之一的资产。计划的维护周期可能根据平均磨损状态、最坏情况下的设备故障经验、其他一些历史参考依据、或者设备制造商的建议而综合考虑。问题在于，尽管该方法浪费了大量的零件和人工成本，为大多数设备计划和执行了不必要的“预防性”维护，但仅使用这一方法仍然会偶尔发生设备故障和计划外停机。更糟的是，在不必要的物理干预过程中，错误的检查、装配或拆卸不当甚至会引入人为错误。
03基于状态的维护模式
借助随时待命的传感器和分析设备来监控振动、运营温度升高、流速下降等警示信号，从而仅在状态报警时对设备进行维护，大幅节省时间和资金。
04 预测性维护模式
预测性维护依靠仪表测量的实时监控结果。通过使用设备特有的实时数据，而非估算的平均值，系统可以跟踪设备退化的发展过程，并将其与已知的性能特性相比较，预估出最经济有效的时间，在发生功能性故障之前执行维护干预（ 图2）。虽然预测性维护的概念是合乎逻辑的，它建立在与历史经验相关的基于状态的输入之上，但期望从长期计划维护方法无缝切换到由"黑匣子"驱动的全自动方法是不现实的。转换到预测性维护方法（基于安装在整个处理过程中的数十个传感器的分析反馈）可能会引起经验丰富的工厂维护工人的一些担忧（ 甚至是抵触），因为他们习惯于信任自己的经验和见解。可以更换角度思考，将预测性维护/资产管理方法做为历史记录的补充，与工人认知相结合，并在异常情况下进行干预。
在掌握设备退化进度的前提下，预测性维护模式可在运营状态降至紧急情况之前警告维护人员。相比于紧急维修或更换，这有助于避免意外停机，优化定期维护，减少维护成本。
05惯例维护(Prescriptive Maintenance)
随着机器学习和人工智能 (AI) 的日益普及，企业现在可以通过分析特定设备状态的影响，并根据相关影响和机会采取适当的行动方案，来进一步完善系统。
只有融入到企业文化及其资产管理观念的整体转变中，设备维护策略方法的蜕变才能发挥最大效益。这可能需要一些时间，但在降低生产力损失、减少维护成本和人力的无谓浪费方面，却是一笔超值的投资。
采用联合协作方法进行预测性维护，可以充分利用设备出现问题之前连续收集和分析的数据，更快速、更经济高效地报告警报状态，提供现场解决方案。
实际案例
虽然预测性维护模式刚刚在能源行业崭露头角，但是多种同类旋转设备应用已经证明，采用更具分析性的维护方法在成本效益和停机防范方面极具价值：
1. 旋转设备维护
某家公用事业企业从基于时间的维护转换成基于状态的预测性维护后，其33个生产设施（包括100个旋转设备）在三个主要领域大获成功：
- 减少意外故障
- 实现更有效的计划维护
- 提高工厂生产力，节省机组维护成
为实现上述目标，该企业分析了约800个数字资产模块的19万个信号。尽管用户是一家水力发电公司，但从概念上已证明，作业类型及记录的成本节省都与旋转设备在水处理、水配送或废水收集和处理中的应用相关。
2. 提升维护有效性
一家化工企业实施了预测性维护，监测工厂内的100多个不同的控制回路。他们与预测性维护系统的供应商建立了一个协作运营环境，充分发挥供应商在控制回路分析方面的经验，深入理解如何基于该数据来部署维护。最终将运营成本(OPEX) 降低了20%以上，通过全天候可视化功能加快解决问题的速度，每年可节省35天的分析时间。
另一家化工企业在其旋转设备上使用了无线传感器来优化厂内60,000台机组。过去，此类设备造成了工厂中80%的维护问题。最终，该企业减少了意外故障，提高了生产效率，并最大限度地降低了运营成本。
3. 提高公用事业效率
某家综合公用事业公司证实了设定多重警报限值并在情况严峻之前进行干预的可行性。他们的水务运营商可以优先考虑并更积极地预防问题，而这是泄漏检测的关键，到目前为止，作为持续改进循环的一部分， 损失已从33%减少到20%。集中式长期数据存储有利于为公司的每个层级提供支持。重要数据可以随时随地在整个公司中使用，并且通过协作提高质量和效率。现在，该公用事业公司无需花费时间进行维护，而是集中精力对设施进行微调，并提供更好更稳定的水质。
