由Univ的Klaus M. Blache博士撰写。田纳西州的可靠性和可维护性中心（RMC）

问：接下来要做什么？

A：t自1950年以来，他的全球维护劳动力已经通过24hbet 10bet各个阶段发展。这是我对R＆M工具和技术演变的代表的更新版本。这些更改的速度更快，可以根据数据实现更好的决策，但以复杂性为代价，至少在一段时间内实施了更大的难度。将思维方式从反应性变为主动维护策略将继续是一个挑战。人类的可靠性和数据完整性（足以做出艰难的操作决策）仍然是一个障碍。

请注意，大约在1950年，1980年，2010年和2020年，有“不确定性区域”。我目睹了其中的三个，下一个可能会在2025年才发生。它们发生的频率更高：30、30、10，可能是5（TBD），相隔数年。我定义了一个不确定性区域，因为您和/或您的员工不了解或没有资源和知识来向前迈进，因此仍然陷入了R＆M之前的范式。24hbet 10bet

康涅狄格州斯坦福德的Gartner Inc.（（（gartner.com），发布了一份关于维护变得更加协作的报告，6影响资产维护未来的关键变化。“设备特征和相关的过程更改将使业务生态系统从简单的，自有的自我模型转变为复杂的协作模型。资产密集型行业CIO必须应对资产属性，维护管理，供应链和业务价值的变化。”示例包括：

• 更改1：新属性（物理和数字）将定义设备。
  • OT和IoT平台从设备扩展了数据源。
• 更改2：数据和智能将以新的方式收集。
  • 谁拥有数据，谁应该访问？
• 更改3：维护将通过新工具进行管理。
  • 新的资产管理支持工具正在出现。
• 更改4：零件在供应链中的移动方式不同。
  • 现场补给
  • 3D打印
• 更改5：公司将需要识别并参与正确的生态系统以扩大数据覆盖范围。
  • 识别正确的生态系统
  • 参与正确的生态系统
• 更改6：我们如何重视以资产为中心的业务将改变。
  • 数字双胞胎实现了新的战略业务模型。

可靠性和维护已经从“解决时修复”到当今技术已经有了很长的路要走。资产管理，机器对机器通信和传感器（更可靠，没有电池）的互连性将更大。3D打印的更多选择将影响供应链需求（现场添加剂制造），总体而言，需要新的业务模型来理解所有这些，以实现成功的实施。

最好的公司将使他们的采购部门负责资产的“终生”成本，以便在购买时获得可维护性概念。更多的机器学习将有助于基于条件的维护（CBM），从而为结果提供更好/更快的反馈。我之所以这样说，是因为我的某些分析表明，CBM在一组设施中没有获得预期收益。因此，跟进以评估CBM的发现和好处很重要。对预测技术途径（随后进行修复）的类似分析导致反应性较低。

在开发中也是4D打印。从根本上说，它与3D打印相同，除了它包括形状变形，以应对环境刺激，例如温度，光，电压，湿度。将有更多的实时数据用于决策和规定维护（机器学习仅分配必要的工作订单/维护）

可用数据的数量将引起其自身的挑战，主要是存储和安全性的成本。随着更多的自动化，连接的设备，软件控件，助攻，边缘计算，机器学习/AI在系统思维级别的决策，将有更高的需求改进人机接口（人体工程学）。10bet在线娱乐

国际数据公司，马萨诸塞州尼德姆（（（idc.com）预测，世界数据的集体总和将从2021年的33个Zettabytes增长到2025年。一个Zettabyte等于1,000,000,000,000,000,000,000亿。几乎30％的数据将到2025年实时消耗。

公司正在做出更好的基于数据的决策，但这仍然是我所说的“数据丰富，信息差”。尚未建立可行的工具和过程来利用可用于提高性能的休眠知识。

随着公司为工业4.0（通常称为第四次工业革命）而努力，对于所有参与可靠性和维护的人来说，情况将会更快。许多项目将超出我们今天可以概念化的任何事情。EP

Klaus M. Blache博士总部位于诺克斯维尔，是大学可靠性和可维护性中心的主任。田纳西州和工程学院的研究教授。与他联系kblache@utk.edu。