无论是大型工厂还是中小型工厂，对于设备的维护都有自己的一套方法，比如设置告警参数，比如尽可能地减少设备故障，延长设备使用寿命，在生产中带来最大的经济效益。然而，就算设备的维护做得再全面，有一种设备故障是很多工厂实时面临且非常头疼的，就是意外停机！

机器的螺丝钉松动这样微小因素都会导致设备的意外停机，而意外停机带来的后果就是整个生产线的停滞，例如在一家典型的半导体工厂中，关键装置意外停产1小时收益损失将达到100000美元，为了避免停机故障带来的巨大的损失，维修部门被迫购买了大量多余零配件，而大多数时候都用不上，造成了巨大的浪费。可想而知，意外停机带来的损失是巨大且无奈的。

那么，这些可能导致意外停机的细微因素该如何去实时监测呢？靠人工来目视、耳听、手摸、传统巡检，这样一方面会耗费大量的人力成本，一方面又不能很全面地检查到设备的隐患。即使是经验丰富的一线设备专家也难以做到准确无误预检设备故障。

精细化的监测工作由谁来完成？操作可以既高效又准确？能够捕捉到设备的细微变化……这些问题都在困扰着工厂管理者。

随着意外停机的弊端愈加明显，很多相关的解决方案和应用相继出现，例如GE 开放的 Predix 等，都成为传统工厂转型智能化工厂的必备。

可预知保养，它究竟可以做到哪些传统维护不能做到的呢？

⊙基于对设备健康状态进行监控的评估结果，通过损耗特性参数的设置，实时监测设备的健康状态，做到预知故障，提前预防，并且降低了人力成本，提高了设备维护的精准性。

⊙一线现场设备专家们的经验将被录入企业专家库，可复制利用。将过程程序化，避免传统维护中技术难以传承的尴尬。

设备的意外停机，以前一直是让工厂管理者感到心累的问题，花太多钱投入大量人力，但是效果都不好，但是现在预测性的维护，既省人力财力，又可以较为精准地预知设备的故障，提前做好防御措施，这对于企业而言是一箭多雕的好消息。

大数据采集及使用，给工业带来不少便捷和实用价值。工厂的数字化转型已经从各方各面展开，对于意外停机的预防也是其中的一个重点领域，抢占先机者，已经逐渐在其中尝到了数字化设备维保带来的甜头，也会有越来越多的企业投身到这场工业数字化的浪潮中。