1. 确立核心目标

如果不确切了解数字化意味着什么，就无法在组织中启动预测性维护计划或任何其它数字化变革。关键的第一步是为组织制定 “数字化”的通用定义。

有一种观点认为，“数字化是一种几乎即时、免费且完美无瑕的能力，可以将人、设备和物理对象连接到任何地方。”诚然，这是一个广泛而简单的定义，但它全都与连接和共享信息有关。它是数据管理的核心，有助于创建程序标识。

有了通用定义，下一个任务是定义计划的核心目标 ：确定“为什么”。

我们都遇到过没有明确定义“为什么” 的举措，它们几乎都失败了。重要的是要弄清楚目的是什么，以及它不是什么。目标不是为了实施新技术，而是为了解决实际的业务问题。它将为企业创造新的核心竞争力并整合提高盈利水平的业务功能。 

我们正在将技术和更新的工艺应用到前所未有的主流制造中。归根结底，这是一种不同的思维方式。如果所有参与者不能始终注意该计划的底线，那该计划就很难实现长期成功。

 2. 执行前评估 

在确定了核心目标后，接下来是确定适合该目标的成果和数字化重点领域。这就需要对现状进行评估。它由一个团队完成，组成人员包括工厂经理和各个部门的经理，包括生产、维护、IT 和其它部门——他们都对自己的系统了如指掌。

该团队的初始任务是记录当前使用的工艺和系统，以评估哪些工作做得好以及知识和能力的差距。这包括查看基础设施并确定关键工作中心和数据收集点。

通过评估考虑并衡量当前设施的数字化转型准备情况，包括差距分析，该分析不仅记录工艺和技术的现状，还具体描述了该现状与数字化准备状况之间的距离。

评估包含一个试点项目，一个生产测试台，它将部署所需的技术和实践，以可证明的方式填补评估所识别的差距。在试点项目期间，评估阶段开始。在这一步可以建立一个卓越中心 (CoE)，用于研究和培训项目工艺和技术方面的利益相关人员。

完成所有这些之后，您可以开始执行转型——实际的最后一步是在卓越中心支持的分阶段部署中，将数字化创新扩展到工厂其余部分，最终扩展到整个企业。

对任何初始转型，我们的建议始终是“从大处着眼，从小处着手，快速扩展。”您想考虑在组织的任何地方，都拥有预测性维护能力，并拥有世界一流的 OEE，这对全球化公司来说是一项巨大的改进——这就是从大处着眼。

但是你必须从小处着手 ：一个足够小的试点项目，如果第一次由于某种原因失败，时间和资源的损失可以忽略不计。团队可以吸收所学并重新开始。然后，当成功来临时，它可以从单一资产扩展到一条生产 线、一个工厂、第二个工厂，然后迅速扩展到整个企业。

 3. 为试点项目选择合适的资产 

证明预测性维护计划的能力取决于成功的试点项目，因此必须使用数据为项目选择合适的资产。可以在不同层面进行分析 ：

• 生产设备停机历史 ； 

• 关键部件的质量数据 ； 

• 故障模式的频率和类型。

然而，现代或原始的方法一直用于跟踪此类数据，例如，计算机化维护管理系统 (CMMS) 或企业资产管理 (EAM) 软件或输入日志的操作员笔记等，历史数据对评估至关重要。但同样重要的是需要参与讨论的维护和运行人员的经验。 

数据驱动的四象限方法，可以引导为预测性维护计划试点选择合适的资产。在这种方法中，过去的停机事件被绘制在一个图表上，事件频率在一个轴上，停机时长在另一个轴上，然后将图表分成几个象限。

第一象限是频繁且停机时间长的故障（因此影响大， 成本高）；这可能需要考虑重新设计。

第二象限是停机时间短的高频故障，这个问题需要通过保持备件库存来解决。

第三象限是针对持续时间短且频率低的故障，需要通过定期维护来处理。

第四象限是停机时间较长、成本较高、但频率较低的故障，在这里可以为 PdM 试点计划寻找合适目标。

 4. 收集、可视化和分析数据 

一旦选择了试点计划的最佳资产，就可以启动该计划。安装必须的传感器和适当的软件应用程序来收集、可视化和分析资产的生产数据，从而使资产就绪。 

企业迈出了预测性维护的第一步，也许也是进入工业 4.0 技术的第一步，但与此同时，我们还需要意识到下面两点的重要性：

首先，企业实施数字化转型不是因为它很酷，而是因为它可以解决业务问题，并帮助实现有针对性的业务成果，最终在更大规模上实现数字化。 

其次，不仅仅是数据，还有做这项工作的人。永远不要认为，接受了数字化技术，一切传统的东西都不需要了。企业可能拥有了解机器或工艺并已使用它们多年的专家。收集和使用数字数据至关重要，但从专家那里获得的见解可能包括有助于验证结果的无价信息。这些人是宝贵的资产，也是任何数字化战略的重要组成部分。

文章来自网络，版权归作者所有，如有侵权请联系删除！