预测性维修项目(PDM)为何会失败

预测性维修项目（PDM）为何会失败？作者：AlanFriedman翻译：翁建忠在过去几年中大量的事实表明预测性维修（PDM）领域正在发生着显著的变化，越来越多的公司正选择把他们的预测性维修项目外包。虽然许多工厂以20:1的投资回报率作为度量标准，仍有其他一些工厂嘲笑说数据采集仪现在在他们那里是“灰尘采集仪”或只是把它当作挡书板。虽然如今预测性维修概念已经被大众接受并熟知，并对其潜在能产生的效益普遍接受，但很多工厂都未能成功地把现有的预测性维修技术拓展到实践中去。对于这种状态于是我们不禁会问道:“当其他工厂都失败的时候，为什么有些工厂开展预测性维修能成功呢?”当我们面临经济衰退和削减维修人员的时候，我们将再一次地被要求做得更好。这意味着我们需要思考当前和未来如何通过新的内部流程或外部协助，来进行维护以及如何维修得更聪明有效。我们面临着新兴经济的挑战，我们需要贯彻最佳实践、重组、投资基础设施等等，并准备迎接经济再次好转的时机。在接下来的几个月,我会写一系列的文章来阐述预测性维修PDM实施成功或失败的原因，从不同的角度，如管理、技术和财务等各个层面来分析。不管你是否决定使用这些信息来加强或者重新启动内部流程、确定哪一类培训最为合适、或者把PDM外包、或者这些的综合等等，希望我能够提供足够的实用信息，可以使你的努力能够成功。这篇文章涉及到的一些主题，我们将来还会有深入的探讨。缺乏愿景没有哪个项目能够成功，如果它没有经过很好的构思。如果实施得好，预测性维修方案可以改变维修部门的维修文化、理念以及工作流程。这不仅仅是增加了一个新技术或者新工具，而是采用与以往完全不同的方式方法或策略来维护设备。实施这种方式方法所获得的效益是应该而且能够被衡量的。这些效益包括：增加的运行时间、故障减少、更短的计划停机、更少的预防性维修等等，最终一句话：设备运行得更有效率。如果未能引导原来的维修文化向新的理念发展，并且检验收益，那么终将导致预测性维修项目的失败。采用新技术却没有改变原来的维修策略将不会产生预期的效益。使用新工具却不明白为何要使用诸多工厂购买了新技术工具，如振动数据采集器或激光对中工具，花费时间与金钱去学习如何用这些工具，但花很少时间去理解何它会被使用。举例，我所知道的某个工厂有能力通过振动分析技术检测出水泵的轴承是否存在早期磨损，尽管没有任何征兆表明泵的轴承有磨损，但工厂还是依据他们的预防性维修计划周期更换了轴承。在另一个工厂，振动分析师很擅长检测工厂的机械故障，但他不敢告诉他的主管他所发现的所有问题，因为他担心主管知道要修所有这些设备后也许会很生气！这两种情况都说明只是把这种技术当作工具在使用，而没有作为整体策略。未能验证就算是在那些预测性维修技术使用得当并且氛围也不错的工厂，我也经常看到PDM最终由于它的成就没有适当的记录而失败。也就是说工厂已经改变了他们的理念，以预测性维修模式作为维修理念，正确的应用技术来缩短预防性维修工作并最小化灾难性故障，但是他们没有充分记录预测性维修带来的效率和节约。因此，虽然预测性维修在维修部们内部承认是很有用的，但他们没有数据来向其他人证明。不幸的是；他们也许就会见到他们的项目会被经理们由于预算收紧而削减，另一种情况是，搞预测性维修的人离开了而没有人再把球捡起来。缺乏一致性另一个导致预测性维修项目失败的因素是缺乏一致性。产生缺乏一致性的原因有很多，从未有合适的人员、缺乏适当的培训、技术人员的离职、改变项目的方向/技术、项目启动时没有充分明确目标而最终缺少一致的监测来评估整个项目的效益等等。这些错误的启动和停止增加了混乱的过程，通常导致工人缺乏信心，他们认为公司投资的“转化”很快便回到旧模式。缺乏一致性的另一个不良影响是不允许工厂“进化”到主动维修模式。对于维修模式我们来作一个简短回顾，有四个层次的维修实践：事后维修、预防性维修、预测性维修和主动维修。在事后维修模式中，工厂采用某种技术如振动分析来测试和诊断他们知道有问题的设备。预防性维修模式是指维修部门按照维修计划定期检测设备，但并不依据这些检查来进行维修。在预测性维修模式，主要的维修工作是依据检测的结果，来以减少不必要的定期预防性维修以及防止灾难性故障。下一阶段的进化是主动维修模式，基于工厂有足够的设备历史信息与故障模式来决定如何延长设备的寿命,更换不同的部件或淘汰固有的设计缺陷。要达成这些目标需要一个比较高效的工厂。我们来看这些维修模式的基本不同点，你会注意到工厂实行事后维修模式的话设备会以各种形态的损坏模式出现，显得很随机；实行事后维修模式的工厂维修人员一般都会比较忙碌，并且他们会认为他们一直在忙着适应新规程！在预防性维修模式，其中之一就是要更好地关注设备以使其不频繁损坏。在预测性维修模式，主要表现为可以减少预防性维修工作，延长机器寿命和减少非计划停机的事故。在主动性维修模式，主要表现为消除或重新设计故障设备，使工厂运行得更加平稳和有效。为了达到这个目标，长期保持一致性是非常重要的。培训和合作持续的培训是成功开展预测性维修项目非常重要的组成部分。然而，这些培训需要以正确的方式出现：结合了免费的技术与管理知识的培训。ISO和ASNT振动认证课程主要针对转子动力学和振动方面比较综合的技术，参加这些课程，通过考试并获得认证是很重要的，但如果只是这种单独的培训，不一定就能使预测性维修项目PDM成功开展。设备供应商的培训通常是非常有用的，因为它可以帮助学员学会如何使用数据采集器和正确设置软件，但通常也仅限于此，不会扩展到如何使用这些工具成功地开展PDM项目。然而学习如何使用数据采集工具只是一个基本的技术，如果用户不知道如何处理采集的数据或者如何成功实施PDM项目，通常就意味着项目的失败。关于供应商提供的培训还有一点需要注意的是：一旦培训结束，通常就没有人在用户边上确认工具的使用是否正确。现场培训、数据库检验、程序审核以及选择合适的长期稳定的合作伙伴或预测性维修服务供应商，对于确保PDM项目成功将大有帮助。如果做得好，服务合作伙伴将提供现场技术培训，并且对于你当前的项目管理在不同阶段提供相应的技术支持。某些情况下，好的合作伙伴将会接管部分项目并提供培训与支持以使你能接管回这些项目更好地继续运行PDM。缺少规程/方法刚刚说到在最后一节，一个成功的预测性项目不仅仅是分析图谱和数据，它取决于一致性和重复性。一般来说，我们监测设备是为了诊断设备的健康状态和其它故障。为了精确地做完成这个目标，我们需要以可重复的方式，年复一年、月复一月地进行。理解了这些，你将看到一个预测性维修项目的成功开展不仅仅在于技术能力，而更重要的是取决于项目的一致性和计划管理（不幸的是，很少有培训课程会涉及到这些问题）。换句话说预测性维修项目的成功往往取决于方法和组织。一个有着良好记录的合作伙伴或服务供应商应该能够利用他们经过检验的方法和管理经验来帮助你实现预测性维修项目的成功开展。缺乏经验/责任到目前为止，我们已经探讨了预测性维修成功或失败的多个不同方面，也许现在我们可以明确地看到它其实涉及到多个问题，这也凸显出另一个问题，即在某个特定的工厂可能只是缺乏经验或责任感。即使有了明确的工作目标和最高的责任心，可能还是需要长时间的培养来引导他们如何成功实施预测性维修。同时在他们的学习提高过程中，也可能会遇到一些挫折或方向性错误。更典型的是工厂希望实现远大的目标却不想投入任何人力或物力到预测性维修项目中，或者他们想实现这个或那个目标，但所有这些目标都只是临时性的。在这期间，公司策略改变或人事变动等等都会导致项目的搁置。和今天世界上的其它技术一样，预测性维修技术正成为一个非常需要经验的专业领域，如果一个人想要获得一流的预测性维修技术与经验，需要大量的时间累积与钻研精神。然而，不幸的是，这个很可能与你的其他工作职责相冲突。这也是为什么预测性维修外包已经成为许多工厂的另一个选择的原因之一。结论通过这一系列的简单介绍，也许我们对于预测性维修服务外包的优势有了更清晰的了解。虽然有许多公司自己拥有内部的专家来发展和维持高质量的预测性维修，但也有一些公司通过预测性维修外包服务可能更受益于，或更快地受益于预测维护计划。当然对于是否外包这个决定，每个企业需要进行详细的分析。服务供应商通常都理解所实施的技术，对于如何长期成功管理开展预测性维修项目有相当的经验。他们知道什么是成功开展预测性维修项目的必要条件，然后针对这些问题可以进行专门的培训。服务供应商应该在整个周期内保持一致并能够提供适合客户公司的专业技术。部分原因是客户通常完全相信他们正在运用的技术。最后，服务供应商应该可以与你一起设定项目基准和验证整个周期的投资回报率。在将来的文章里，我们将更深入地探讨这些问题以便为您提供足够的实践信息来更好地开展预测性维修项目或者是找到合适的合作伙伴/服务供应商来帮助你开展预测性维修项目。在这两种情况下，理解为什么项目会失败是成功开展预测性维修的关键。预测性维修为何会失败：人的因素作者AlanFriedman翻译翁建忠很多工厂和企业都没有在预测性维修项目上达到预期的10：1，20：1甚至30：1的投资收益率，虽然投入了大量的金钱在检测仪器和培训费用上，但非常不幸的是，在很多工厂中的数据采集仪不是在采集数据而是在采集灰尘，它们静静地躺在仓库的架子上等着能有人重新发现它，而某一天发现它的人也许会好奇这个古董到底是用来干什么的。与此同时，整个工厂又恢复到以前的停机抢修状态，每个人都焦头烂额忙于应付。当然，这里的工作至少不缺乏刺激。本文的焦点是和大家来探讨预测性维修失败的原因中人的因素。让我们从头开始，假设我们还没有开展预测性维修，然后我们准备现在启动这个项目。这个带给我们第一个问题值得我们思考：有多少次我们需要假设我们以前没有开展过预测性维修而要重新从头开始？也许这次连设备也是新的——因为负责预测性维修的工程师另谋高就了，留给新人的只有一个正方形的仪器和几根电缆、传感器，除此之外他把几乎所有东西都带走了。坦率地说，大多数企业在开展预测性维修项目上都不止尝试过一次。人才保有对于预测性维修来说，如何保有受过专业训练的人才一直是个问题。当有人退休其它人升迁、或者离职到其他公司的时候，这些变动对于预测性维修的影响通常都是毁灭性的，特别是当这些工作未纳入标准流程而离职的时候就会导致其他人不能上手。不幸的是，大部分人都喜欢成为“专家”，并且为了维护他们的职位而把分析工作神秘化，隐藏自己的经验以使公司能一直依赖他们。也有些人可能没那么保守，但却不认为需要考虑得很长远。换句话说，他们没有建立起标准流程从而导致企业的预测性维修工作会随着他们的永久离职而中断。在这两种情况下，我们可以肯定地说企业内部专家的离开通常就足以导致预测性维修的失败，而那些高技术设备也会随之被搁置到遥不可及的架子上。这些教训提示我们的是我们需要从现在开始就把预测性维修规范化与流程化。规范流程对于企业来说是非常好的，不单能够提高预测性维修项目的效率，还可以使其制度化，从而使预测性维修项目不再是一个人的工作，而是一个团队。这些工作可以使企业在流失关键人员的时候预测性维修项目能够幸存下来。人员培训让我们来对另一个问题进行探讨：多长时间才能让开展预测性维修的人成为专家？一年？二年？五年？这里还有另一个重要的问题需要考虑：我们需要的是一个全职负责预测性维修的人还是只需要一个兼职的（在他完成本职工作之后再来做预测性维修）？是给他们时间、培训以及必要的设备来使他们成功，还是这只是其繁忙工作中新增的职责？记住，当一个工厂运行没有得到有效的预测性维修支持，非计划停机以及不能对对工厂设备状态及时了解的情况就会频繁出现。因此，维修人员就会忙得像个消防员救火一样。在这种情况下，预测性维修人员就很难抽出时间来推进预测性维修工作。为此，我们需要给他时间、空间及支持来使其能够成为我们新的专家，当然我们也不能期望这些在一夜之间发生。基本方向接下来我们探讨下一个可能的问题：实施预测性维修的那个人可能没有足够的能力来帮助工厂成功开展高质量的预测性维修项目。即使我们假设工厂已经准备提供时间与资源来支持预测性维修项