什么是预防性维护？

工业环境在很大程度上依赖于定期维护，以保持充分的生产效率，避免出现代价高昂、浪费时间的机械故障。
 
术语“预防性维护”涵盖了广泛的禁止活动和一般任务。系统中的每个生产组件都需要进行一定程度的定期维护，通常至少需要清洁和润滑这些设备。在其他情况下，可能需要进行更广泛的维护 - 涉及大量调整、修理甚至更换某些部件。
 
在更高层次上，预防性维护还包括对容纳各种生产系统的实体工厂进行保养。与此类预防性维护相关的一般任务包括确保 HVAC 系统处于良好的工作状态，所有电气系统都正常运行并符合规范标准，以及所有必要的照明都正确运行。

人们经常有一种冲动，将预防性维护和预测性维护视为完全不同的实体。遗憾的是，这种试图将预防性维护与预测性维护的关系简单化的做法忽略了一个关键点。
 
实际上，预测性维护是预防性维护的一种经过发展的形式。这两种类型都尝试主动预测和预防机械故障。但预测性维护将这一概念进一步向前推进。
 
就拿一台工业设备来说吧。如果我们对该设备进行预防性维护，我们可能会使用有关该机器品牌和型号的一般信息来制定关于何时应该对其进行定期维护的粗略时间估计。我们将知道大约何时应该进行维护。
 
而预测性维护则要精确得多，因此需要更多的数据。有关该设备型号的预期生命周期的信息要与有关该特定装置性能的历史数据相结合。一旦有了这些额外的数据，预测性维护模型就能做出强大的预测，让操作人员确切地知道系统将会发生故障的时间。

而且，由于通过预测性维护安排的维修是恰好在故障前才进行（而不是按照一般的时间表），因此不会进行不必要的维修，从而使维护预算更加精益。
 
预测性维护结合物联网后得到蓬勃发展。随着机器不断生成有关其活动和状况的更新，预测性维护模型现在可以获得生成急需的维护预测所需的大量数据。

预防性维护与被动维护的一个主要区别是：时机。被动维护采用“运行到故障”策略，即在设备真正停止工作之前根本不进行维护。然后，必须尽快完成所需的修复。另一方面，预防性维护试图在机械故障发生之前预测设备故障，并采取纠正措施。

至于是选择预防性维护还是被动性维护，这并不重要，重要的是被动性维护的成本要远远高于预防性维护。打个汽车保养的比方，一辆汽车如果没有定期接受规定的保养，就会发生灾难性的多系统故障，突然需要进行大量昂贵的维修。

虽然采用预防性维护措施需要在常规服务活动中制定预算，并且可能需要采用计算机化维护管理系统 (CMMS)，但在工业环境中，这通常是值得的，特别是因为当工业运营因计划外维修而停机时，它会迅速导致生产停滞甚至收入损失。

随着在运营中越来越多地部署 AI 与 IoT 技术，用于推动工业部门的资产和活动便会持续进行优化。从评估预防性维护的未来的角度来看，显然，远程监控和分析建模的使用已导致分配给执行预防性维护任务的资源出现净减少。

从资产的角度来看，当今的 AI 和 IoT 解决方案使更广泛的数据收集和分析成为可能，使制造商能够获得有价值的数据，从而提高其运营和产品的可靠性。资产运营商可以真正了解他们部署至运营的资产的质量，推动新的资产生命周期战略，从其运营中清除性能不佳的资产，最终减少停机时间和成本。