圖片來自于互聯網

全球最具權威的IT研究與顧問咨詢公司高德納（Gartner）最近的一項研究發現，在流程制造企業，50%的維護工作是不必要的，10%甚至實際上還是有損企業運維或產品質量的。今天，我們看到大多數制造型企業都還沒有做到實時測量資產設備的性能。生產、效率、質量、成本等核心數據都是事后測量的。

為了應對當前工業物聯網全面發展的趨勢，以及互聯網＋與工業大數據應用的落地，ISO55000標準對資產作出了全新的定義。資產包括了投資資產和服務資產兩大類，包括了項目、事物或實體，以及任何對組織具有潛在或實際的軟性目標。

我認為，健康的資產是健康的商業基礎。

歷史上，第一次把資產智能管理體系作為實現業務目標和企業創新管理的重要關鍵因素推到了風尖浪口。企業應當如何根據資產管理體系的要求，利用資產智能化，提升資產性能，全面通過健康資產驅動生產力提高？

資產性能管理（APM， Asset Performance Management）主要通過對資產設備的全生命周期的實時采集，通過控制回路的監視和診斷，旋轉設備的條件監視與監督，通過報警管理與過程性能管理等手段來了解企業制造設備的健康狀態。

資產性能管理常常處理多個領域生成的數據，其中包括從歷史記錄或實時質量流程中獲得的時域信息。頻域信息是許多資產性能管理主要產生的數據來源，例如包含，

• 監測旋轉機械的震動感應監控數據

• 檢測過熱或絕緣故障的紅外熱成像數據

• 線性或移動資產的位置信息和相關氣候數據

圖片來自于互聯網

我們當然理解企業不可能或很難實現全部設備資產的峰值性能，除非他們使用生產的設備和服務提供給市場的物理資產的可靠運行，始終保持在最佳水平的表現。這的確有點理想主意，但通過努力，我們是有很大提升空間的。問題嚴重的是，大多數制造業企業并沒有意識到他們工廠的資產設備哪些運行狀態不好，以及不好的具體細節點。

不健康的，表現不佳的資產，企業一般只能通過增加停機維修來滿足生產。這樣的做法會增加能源和其他公用工程消耗，在排放、安全和工人健康等方面都會影響企業的生產力。

資產健康導致了企業制造過程的不穩定從而最終影響了產品的質量。

圖片來自于互聯網

工業大數據的在智能制造的落地過程中，目的是希望把所有制造全環境的數據源結合起來，再利用演繹和預測分析等方法對這些數字進行分析時，企業的資產效率會給您帶來意想不到的驚喜。資產性能管理的策略已被眾多的優質制造型企業證明是卓越運營的必要手段和首要工作。

資產歷史是理解問題的重要組成部分。對設備資產的測量并且做原始診斷是向正確方向邁進的巨大一步，但是遠遠不夠。為實現原始診斷的測量，診斷結果應按時間排序并做出趨勢判斷。當然，僅僅通過監測一臺或單體設備的實際運行時間來安排預防性維護并不足以成為大數據問題。當你使用震動分析、熱紅外成象、流程條件數據、實時位置信息以及在互聯網上搜索有關類似設備的失效模式時，你才真正地涉及到了大數據。

由于大數據在數據量上有一定的要求，所以僅僅在少數設備上進行這樣的實踐并不足以成為大數據問題。當實施實時資產性能管理時，工程師和技術人員幾乎立刻就能確定工廠內主要的，尚未預見的問題。可以通過數字實現問題根源分級，改進設備、控制、過程和運行以及跟蹤結果等好處，為企業帶來顯著的經濟效益。

結合工業大數據的分析工具，資產性能管理的實踐提供了深入了解組織是如何利用現有的和新興的技術使企業能夠使用流程，確保卓越運營是不是路，發揮他們的能力水平資產受阻。實時資產性能管理是目前實踐智能制造的一個全球共識。

（來源：觀察立）