自工业时代开始，我们就开始依赖机器帮助人来完成流水线的重复工作，大幅提升了工业生产效率并降低了生产成本。但如果企业不对设备进行妥善的维护和保养，机器就很容易出现故障。在传统的设备检修方式下，维修团队人员主要依靠经验和直觉来找出机器故障并进行维修。但随着工业智能化的不断发展，工厂的设备数量和类型不断增加，传统依赖人工的检修方式已经无法满足新时代需求，制造企业正在期待一种全新的资产维护方式来实现设备的预测性维护。
一、预测性维护
预测性维护的目的是首先预测何时会发生设备故障，其次是通过执行维护来防止发生故障。监视未来的故障可以在发生故障之前对维护进行计划。理想情况下，预测性维护允许维护频率尽可能低以防止意外的反应性维护，而不会产生与执行过多预防性维护相关的成本。
预测失败可以用许多技术之一来完成。所选择的技术必须能够有效预测故障并为即将到来的维护提供足够的警告时间。一些技术包括振动分析，油分析，热成像和设备观察。这些将在基于条件的维护页面中详细介绍。选择正确的技术进行状态监测是一项重要的考虑，最好在咨询设备制造商和状态监测专家的情况下完成。
当预测性维护作为维护策略有效运行时，维护只能在需要时在机器上执行。也就是说，就在可能发生故障之前。这带来了3项成本节省，包括最大限度地减少设备维护的时间、最大限度地减少因维护而损失的生产时间、最大限度地减少备件和耗材的成本。
二、IBM设备健康洞察解决方案
在商业竞争日益激烈的今天，对于拥有高价值资产的企业来说，设备维护已不再局于成本范畴，更成为获取利润的战略工具。
Maximo是IBM公司的产品，Maximo以工单的创建、审批、执行、关闭为主线，合理、优化地安排相关的人、财、物资源，将传统的被动检修转变为积极主动的预防性维修，与实时数据采集系统Watson IoT Platform集成，连接IoT设备整合所有信息实现预测性维修。通过跟踪记录企业全过程的维护历史活动，将维修人员的个人知识转化为企业范围的智力资本。集成的工作流与业务流程配置功能，使得用户可以方便地进行系统的授权管理和应用的客户化改造工作。
IBM设备健康洞察解决方案中，Asset Health Insights结合了来自传感器和SCADA系统的数据，以及来自Maximo的信息，使用Watson IoT Platform对这些数据，以及其他重要的运行数据进行分析，然后传给Asset Health Insights工作中心，从而确定资产运行状况的预测性洞察和得分。Maximo Asset Health Insight可以帮助维修与操作团队节省成本，降低资产发生故障的频率，最大程度消除由于灾难性故障引起的意外停机，并优化预测性维护，从而提高收益。值得强调的是，人们不仅根据设备的状况读数，还根据使用年限、维修历史记录。天气数据以及子部件的现有数据和历史数据来决定维修工作。
