2017年，麥肯錫針對蒸汽機、早期機器人技術(shù)和信息技術(shù)進(jìn)步等技術(shù)轉型所帶來(lái)的生產(chǎn)力增長(cháng)做了研究。目前，自動(dòng)化所帶來(lái)的新驅動(dòng)力使制造業(yè)面臨巨大的壓力。麥肯錫預計，未來(lái)幾十年，它將帶來(lái)前所未有的高達0.8-1.4%年生產(chǎn)力增長(cháng)，超過(guò)早期的增長(cháng)率。機器人、人工智能和機器學(xué)習的發(fā)展進(jìn)步將在某些工作中達到甚至超越人類(lèi)能力，包括快速、精確、重復的行動(dòng)和認知能力?，F在，在競爭日益激烈的全球市場(chǎng)，對于那些致力于推動(dòng)自動(dòng)化和提高效率的制造商，當務(wù)之急是要快速部署這些新功能。目前，僅在流程行業(yè)，每年因計劃外停機而造成的生產(chǎn)損失就高達200億美元，因此，消除計劃外停機造成的生產(chǎn)損失已成為現階段的首要任務(wù)。

問(wèn)題依然存在

在過(guò)去50年間，維護方式不斷進(jìn)化，以解決設備的可靠性和可用性問(wèn)題。所取得的進(jìn)展包括：運行至故障檢修、定期維護、按使用情況維護、按狀況維護以及可靠性中心維護（RCM）。然而，設備仍然會(huì )發(fā)生故障。為何會(huì )發(fā)生這種情況？首先，與維修和檢查間隔相比，維護工作的進(jìn)度更難以測定。然而，ARC等行業(yè)分析機構指出，超過(guò)80%的設備故障是因為操作設備時(shí)不遵守設計和安全限制造成的；目前的操作無(wú)法檢測出這種看似“隨機”的設備故障。只有將維護和操作相結合才能制定出解決所有故障的解決方案。

資產(chǎn)績(jì)效管理（APM）2.0

ARC認為, 資產(chǎn)管理APM 2.0采用了包含傳統工廠(chǎng)歷史數據源和新數據源（包括檢修、化驗室、設備震動(dòng)和事件跟蹤系統）的新分析工具。不同的數據源保證了可以?xún)?yōu)化裝置設備的機械與操作的可用性及性能。維護和操作都需要數據驅動(dòng)的機制來(lái)評估性能降低問(wèn)題，對生產(chǎn)進(jìn)行微調，并提供早期干預措施（改變工藝過(guò)程操作運行），以避免裝置設備的損壞。出色的預測診斷和規范性指導使操作人員能夠更早、更快、更有效地做出反應。實(shí)現突破的關(guān)鍵技術(shù)主要采用基礎分析和數據科學(xué)策略；特別是機器學(xué)習。

APM 2.0的靈丹妙藥

先進(jìn)的機器學(xué)習軟件能夠在早期成功地識別工藝設備微小的性能變化，這些變化可能是性能降低和發(fā)生故障的預兆。尖端的軟件技術(shù)結合其他相關(guān)數據，通過(guò)機器設備和工藝過(guò)程以及周?chē)膫鞲衅鳟a(chǎn)生的數據流來(lái)學(xué)習行為模式。只有行業(yè)內自主性較高的領(lǐng)先解決方案才幾乎不需要人為干預。當運行條件改變時(shí)，這種應用方法不斷地學(xué)習并適應新信號模式進(jìn)行相應調整。通過(guò)在一臺機器上學(xué)到的故障特征就可以避免這一問(wèn)題，確保同樣的情況不再發(fā)生。學(xué)到的故障特征很容易應用于類(lèi)似的機器，防止相同的問(wèn)題影響機器正常運行。

例如，一家北美的能源公司電動(dòng)潛水泵故障頻發(fā)，由此產(chǎn)生的維修費和收入損失高達一百萬(wàn)美元。先進(jìn)的機器學(xué)習軟件應用從存檔的歷史數據和維修事件中學(xué)習了18臺泵的操作行為。在學(xué)習過(guò)程中，它在一臺泵上檢測到引起環(huán)境事故的機殼泄漏的明顯模式。該軟件將這一故障特征應用于18臺泵，為可能發(fā)生相同故障的其他泵提供預警。通過(guò)早期采取行動(dòng)來(lái)移除并維修泵，有效避免了重復事故頻發(fā)而遭受重大損失。

另一個(gè)例子：美國一家行業(yè)領(lǐng)先的鐵路貨運公司在23個(gè)州開(kāi)展業(yè)務(wù)，他們使用機器學(xué)習軟件解決長(cháng)期機車(chē)發(fā)動(dòng)機故障，從而避免了高達數百萬(wàn)美元的維修費、罰款和營(yíng)運收入損失。機器學(xué)習軟件應用部署在大量機車(chē)上，通過(guò)檢查潤滑油數據來(lái)檢測發(fā)動(dòng)機故障的極早期指標。這種早期檢測有效避免數十起災難性的發(fā)動(dòng)機故障。在一次重大事件中，一臺發(fā)動(dòng)機通過(guò)了低壓泄漏測試，并準備重新投入使用。然而，機器學(xué)習軟件檢測到發(fā)動(dòng)機泄漏的性能降低，高壓測試則發(fā)現發(fā)動(dòng)機在八個(gè)位置發(fā)生泄漏，證實(shí)了這一診斷。發(fā)動(dòng)機得到及時(shí)修復，避免了一次災難性的事故。這種在故障發(fā)生之前發(fā)出的預警給管理人員預留充裕的時(shí)間作出決定。檢測到問(wèn)題后，機車(chē)仍然有時(shí)間完成一段行程，然后再進(jìn)行維修。避免這樣的故障可以減少成本高昂的停機和罰款，為公司節省多達數百萬(wàn)美元。 

績(jì)效全面提升

麥肯錫注意到，伴隨著(zhù)工業(yè)4.0這一與工業(yè)物聯(lián)網(wǎng)（IIoT）密切相關(guān)的行業(yè)趨勢，新穎的、價(jià)格合理的制造分析方法和解決方案正在不斷涌現。這個(gè)新階段包括監測物理過(guò)程以進(jìn)行分散化決策的網(wǎng)絡(luò )物理系統。資產(chǎn)和過(guò)程分析共同創(chuàng )建一個(gè)多維的資產(chǎn)視圖，允許在更廣泛的平衡因素中作出基于事實(shí)的決策。需要涵蓋的資產(chǎn)類(lèi)型數量是一個(gè)非常關(guān)鍵的挑戰。工業(yè)4.0還帶來(lái)了基于大數據和機器學(xué)習的新機制。事實(shí)上，機器學(xué)習可以對海量數據進(jìn)行深入研究，以確定模式并預測未來(lái)的結果。然而，它無(wú)法解決一切業(yè)務(wù)挑戰。模型和機器學(xué)習相結合可以檢測并避免危險的工藝過(guò)程運行狀態(tài)。它可以隨時(shí)解釋各種具體的裝置設備狀態(tài)，進(jìn)行校準，并通過(guò)機器學(xué)習自動(dòng)調整模型，以通過(guò)更簡(jiǎn)單的校準來(lái)實(shí)現及時(shí)、準確的確定裝置設備過(guò)程狀態(tài)。

結論

只有具備敏銳觸覺(jué)和強烈責任心的企業(yè)才能踏上這個(gè)征程。要成功使用分析工具來(lái)提高安全性和可靠性，需要具備幾個(gè)要素。其中包括許多基于人類(lèi)（企業(yè)）的行為和文化。最終用戶(hù)必須專(zhuān)注于具體的業(yè)務(wù)問(wèn)題，才能找到符合業(yè)務(wù)目標的最佳解決方案（而不是技術(shù)）。在選擇正確的問(wèn)題解決方案團隊時(shí)，企業(yè)需要準備好面對有關(guān)解決方案的準確性、及時(shí)性、部署方便程度、可擴展性和有效性的嚴峻問(wèn)題。在這個(gè)激動(dòng)人心的新市場(chǎng)中，只有領(lǐng)先的解決方案提供商才能施展出在設計、運行、過(guò)程優(yōu)化和維護管理方面的經(jīng)驗，以及數據科學(xué)可靠性分析和機器學(xué)習的新功能。所有這些都是全面的生命周期資產(chǎn)績(jì)效管理必不可少的。