功能转换的重要性

大多数情况下，要先停机才能进行系统变更。直到最近，这场正在进行的工业革命，受到影响的主要还是运行人员。然而，随着基于云的技术变得更具经济效益，维护团队正在转向云，以便实现更智能化的工作，包括在实施预防维护策略方面。

用手持式电表进行测量、在本子上记录数据、并在一天结束后将结果输入数据库的日子即将结束。用户早就熟悉准确、耐用的手持设备。在可预见的未来，维护团队仍需要这些工具，来执行例行的测试以及对资产进行根本原因分析。然而，随着IIoT的发展，这些几乎不可或缺的工具、仪表、传感器以及其它新兴技术，使用起来会更加智能化。

功能的转换

2014年，福禄克公司公司推出了Fluke Connect ，并进入了软件即服务 (SaaS) 领域。基于云的软件使用 Wi-Fi或蜂窝连接，允许从手持工具或无线传感器获取的数据在一个位置自动聚合。收集的数据可用于比较和分析。这一简单的步骤，彻底改变了工厂和其它设施进行维护的方式。这是随着IIoT应用和普及程度增加所带来的直接收益。

最终用户想要的是资产“概貌”，以及按资产显示和组织的应用程序。运行人员看到的不是对人的跟踪，而是有组织地展示资产和审计线索。说到底，展示的是资产在设施内所发生的一切。

专业维护人员希望将此“概貌”用于设备，以便根据与资产健康相关的测量结果完成预测维护策略。然后，资产管理功能可以预测何时进行维护。通常，技术人员希望看到来自SCADA系统、独立工具以及半固定或固定式传感器的测量结果。

如今，工具能够以无线方式连接到云，因此技术人员无需记下任何内容。其它功能按资产来组织和显示维护团队所获得的测量值。维护和工厂经理可以看到哪些资产在规格书设定的范围之内运行，哪些资产在规格书设定值的范围之外运行。

此外，整个维护团队需要了解其所负责资产的运行和健康状况。有了移动应用程序和手动工具的支持，使得这一功能成为可能。数据也可以定期上传到电脑。结果是：根据每项资产存档的准确数据，以及获得良好的决策支持。

图1：Accelix解决方案可满足维护专业人员在维护过程中的要求。

以软件为中心

要成为一家以软件为中心的公司还需要做更多的工作。由此产生的解决方案旨在支持维护人员，让他们更聪明、更快、更有效地工作，而不是代替他们。目标过去是、现在仍然是使预防和预测维护变得更容易。

许多使用手持设备的用户，在他们的设施中也有计算机化维护管理系统 (CMMS)。从事电机、泵以及其它广泛使用资产的维护的公司，通常都有计算机化维护管理系统或工作订单管理系统。在过渡到支持IIoT时，由于维护经理或规划人员已经适应现有的应用环境，可能会对不断变化的模式提出异议，并希望继续使用现有的工作订单管理系统来存储数据。

正因为如此，福禄克公司早前就收购了计算机化维护管理系统供应商eMaint，将数据集成到企业资产管理(EAM)和计算机化维护管理系统系统，并提供移动接口。福禄克公司还通过将数据输入到集成系统的解决方案，进入了固定和半固定式传感器制造领域。该最新的软件和传感器业务部门正成为Accelix生态系统的重要部分。

解决方案套件根据资产类别来存储和分类数据，并将传感器和手持工具中的数据集成到任何现有的计算机化维护管理系统或企业资产管理系统中。但是，如果维护经理已经采用了具有不同软件的工具和系统：比如热像仪或电能质量传感器，那又该怎么办?每个应用程序都涉及不同的软件应用程序。计算机化维护管理系统或企业资产管理系统品牌多种多样。经理或计划员应该如何在同一个位置访问他们所需的所有数据?

生态系统已经与所有工具和传感器兼容。它与热像仪、振动传感器和绝缘测试仪兼容，也可以与来自Accelix的计算机化维护管理系统兼容或与SCHAD集成。事实上，该系统可以与任何计算机化维护管理系统或企业资产管理系统兼容，与第三方工具和传感器、内置传感器的资产、以及控制管理系统如SCADA、楼宇管理和其它控制和运营系统等兼容。所有这些数据，都可以通过PC或智能设备访问。

图2：云连接手持工具和半固定和固定式传感器可以简化数据收集。

简化维护计划

通过添加以传感器和软件为重点的解决方案套件，维护专业人员可以评估他们在维护过程中的位置。当设施从被动战略向主动战略转移时，通常没有配置专业人员，可能也没有相关预算，无法将所有资产都纳入到预防或预测方案中。他们无法添加监测整个工厂所需的传感器，也可能没有技术人员对所有资产执行预防任务。

相反，如果工厂和其它设施执行的策略结合了预防性、预测性和响应性，尤其是在重要性和成本上更倾向于后一种方法，会发现计算机化维护管理系统与工具、传感器 (包括第三方传感器)、资产和运营系统集成的好处是显而易见的。这样，工厂就可以使用状态监测数据来规划维护任务——在紧急工况下的预防性、预测性、甚至是响应性的任务。

当然，洞察近期的状态是有益的，但好的规划比什么都重要。如果设施和工厂能够预测潜在问题，但没有能力和组织来安排维护和保养，那么问题预测收益不大。集成了资产运行状况数据并实现可视化的计算机化维护管理系统，可帮助设施规划维护任务：从被动到主动，无论这些任务处于维护过程的什么位置。

这一过程的理想结果是拥有可提前预测不良结果的技术，并能够诊断出维护人员需要采取哪些措施来防止资产故障。当诊断和分析帮助最终用户继续走向预测性战略和活动时，离未来的物联网就会更进一步。