不论是称为智能制造，还是称为工业4.0，其实都是对当前数字化变革的一种描述。自从2011年德国汉诺威展会中工业4.0的高

调提出，围绕智能化的设计、连接、建设被不断的强调，而LNS Research则认为，在工业4.0这场变革中，人们其实忽视了关

于资产管理的变革与影响。

 

LNS Research通过对500名资产绩效管理（APM）从业者的调研发现，数字化转型中，其实是提高资产管理的绝佳机会，而成

就工业4.0的一个关键是APM的不断进化。

 

APM的演变：
 

第一代APM：基于纸质的管理系统；
 

第二代APM：企业资产管理（EAM）和计算机化维护管理系统（CMMS）取代了纸质管理系统；
 

第三代APM：基于计算机系统的可维护（CBM）、高可靠性（RCM）的资产战略管理系统即经典的APM。
 

 

面对工业4.0变革的浪潮，全面数字化也正在重新定义APM，新一代的APM4.0，在原有全套功能的基础上，余更多新技术、新

工具的结合，延伸出更多预测、优化等功能。

 

APM4.0 从预测性分析迈向规范性分析
 

工业4.0的“五大法宝”：工业物联网(IIoT)、云、移动、大数据和分析，已经显而易见的推动着科技的变革与进步，其中，分析

真正的价值将在APM的变革中得以体现。

 

过去，分析主要的作用是用于描述和总结过去的行为，而随着CBM and RCM的出现，人们将分析的重点转为预测性分析，即

可能将会发生什么。今天，人们已经普遍认可预测性分析的是保障可靠性的最佳手段，是维护的最佳助手。而APM4.0关注的则

是，下一个阶段：规范性分析。

 

而规范性分析将超出预测会发生什么的范畴，而更加关注提供规范性的指导选型来处理各类问题。简单的预测分析是通过过程

数据来预测未来一段时间内会出现故障的情况，而发送维护预警。而规范性分析，则会在原有故障预警之外，分析引擎上增加

诸如生产计划、维护人员信息，计划停机时间等更多决策性选型。同时，处理意见也提供了更多的选择，一种可以指定特定的

时间进行维护保养；也可选择延迟，通过调补订单，将维护推迟到下个预定停机时间。

 

而实现如上功能，则需要更多数据汇总和访问，如工程设计信息、磨损预测信息，维护程序、生产维护时间表等等。而这些汇

总都需要大数据与分析的相辅相成。而要实施规范性维护则需要机器学习和人工智能的共同协作，并且需要依靠可靠性与维护

专家的经验数据为参考。

 

APM 4.0是动态的、可视的
 

规范性维护成为现实，需要对整个工厂、整个系统都有一套完整的数字化双胞胎。就是说用户需要拥有数字化的双设备，这意

味着设备制造商必须与设备用户共享设计模型，而且设计模型必须动态性能模拟模型，不能只是细节展示的静态模型。这对于

不愿意分析设备细节的供应商将是一个挑战。最终用户有一个完整的模型资产，他们将实现数字化双平行的实物资产操作。

 

数字化双胞胎，将需要更多增强现实(AR)和虚拟现实(VR)技术的支持。可视化工具、仿真、建模和实时数据采集的混搭将成为

构成APM 4.0的“杀手锏”。这些工具的使用，与云计算、雾计算、边缘计算、数据共享技术的结合将使得在全球的供应商、销

售、客户和其他相关人员都可随时按照权限查看到相关信息，而最终用户将通过APM4.0实现规范性维护，并获得最大的价值。

 

你买不到APM 4.0

APM 4.0不是一个单纯产品或解决方案，是需要用户自己建立的一套系统。它需要和工业4.0相结合，构建出一套符合具体工厂

需求的模型、维护方案和管理机制。今天没有哪家供应商可以提供一套完整功能的APM4.0，IIoT领域比较领先的供应商，也只

能提供APM4.0的大部分功能，而IIoT生态圈一些其他供应商，可以提供一些特殊的元素。正如工业4.0也是通过数年演化发展

而来，LNS相信APM4.0也需要一些时间来发展演化。
 

记住：就如你不能依靠非智能产品，实现智能化一样，你也不能依靠老旧的APM技术来实现真正的智能制造。想要实现工业

4.0，就需要APM4.0.