是否称呼它smart manufacturing或者Industry 4.0，数字破坏是真实的。它将影响所有制造商；资产密集型业务，例如公用事业，石油和天然气公司以及采矿；以及以基础设施为中心的公司，例如重型运输和管道运营。
自2011年汉诺威博览会以来，德国政府将这一想法带到了最前沿，市场一直在围绕定义第四次工业革命的网络物理结构结合在一起。重点一直放在设计到建造和智能连接的供应链方面，并强调了设计和工程机会。行业4.0讨论中缺少的是对生产资产的变革性影响。
Surveying more than 500 asset performance management (APM) practitioners, LNS Research sees an opportunity to elevate the asset reliability discussion to embody the full breadth of digital transformation. LNS refers to this APM evolutionary step as APM 4.0, to align with Industry 4.0.
APM的进化
考虑APM的前三代：
- 基于纸的系统。
- 企业资产管理（EAM）和计算机化维护管理系统（CMMS）流离失所纸。
- The introduction of computer-based tools for condition-based maintenance (CBM), reliability-centered maintenance (RCM) and asset strategy definition, or classic specialized APM.
第四代APM利用了全部数字工具和功能来重新定义APM是什么。APM 4.0的完整范围包括跨越过程本身到高级业务系统的功能，包括CMMS/EAM（例如CMMS/EAM）的报告和交易系统扩展到与优化相关的预测功能，并包含许多其他工具和应用程序。
APM 4.0 becomes prescriptive
Of the “big five” of digital transformation—the Industrial Internet of Things (IIoT), cloud, mobility, Big Data and analytics—the one with the most growth is analytics. The other four have had their share of advancement as technology has become more affordable and powerful (thanks to Moore’s Law), but it is analytics that has the potential to radically transform APM as it evolves.
从历史上看，分析主要用于描述或理解过去的行为。随着CBM和RCM的出现，重点转向了预测，描述了可能发生的事情以及何时发生的事情。对于当今大多数组织而言，应用于可靠性和维护的预测分析被认为是最先进的。随着转向APM 4.0的转变，企业必须进入一个新的级别：规定分析。
规范性分析通过预测将会发生什么以及何时以及提供有关处理该问题的期权的指导，超越了预测分析。简单的预测分析使用过程数据来预测接下来的N小时即将发生故障，并可能会为所需的维护发送警报。通过规定维护，分析引擎使用相同的信息加上数据，例如生产计划，维护人员的可用性和预测的计划停机时间来提供选项。一种选择可能是在特定时间执行某些纠正性维护。另一个可能是将流程降低10％，填写计划的生产订单，并将维护延迟到下一个预定的停机时间。
Of course, this capability requires access to far more data such as engineering design information, wear projections based on intended operating conditions, specific maintenance procedures, production and maintenance schedules, and more. This is why Big Data goes hand-in-hand with analytics in the APM 4.0 realm. Another element of prescriptive maintenance is the need for machine learning and artificial intelligence (AI) to act upon Big Data. The shortage of reliability and maintenance domain experts and data scientists makes this an imperative.
APM 4.0 is dynamic and visual
为了使规范性维护成为现实，需要有一个数字双胞胎，作为单个设备以及整个资产列车，例如炼油厂或发电厂。设计工程师在建造设备或OEM正在建造时将其创建数字双胞胎。这意味着OEM必须与设备用户共享设计模型，并且设计模型必须是用于模拟性能的动态模型，而不仅仅是静态构造细节。如果设备供应商不愿意共享详细信息，公司应考虑从机器制造商而不是设备购买能力。这种方法使供应商可以保护知识产权，但也将表现责任置于其上。在最终用户确实具有完整的资产模型的地方，他们需要始终与实际资产平行运行的数字双胞胎。这种姿势允许跳入替代路径，以模拟不同操作场景的潜在结果。
为了支持数字双胞胎，APM 4.0将推动采用增强现实（AR）和虚拟现实（VR）技术。可视化工具，仿真，建模和实时数据获取的混搭成为APM 4.0世界中的“杀手应用程序”。通过在结合云，边缘或雾计算的计算环境中组合所有这些工具，并在全球供应商，销售，运营，客户以及其他任何需要查看发生的事情的社区中共享数据，最终用户可以维护它们具有APM 4.0功能，并从工业4.0工厂中获得最大收益。
您不能购买APM 4.0
APM 4.0 isn’t a product or solution you buy any more than Industry 4.0 is a factory you build. APM 4.0 is, like Industry 4.0, an aspirational model and philosophy of how to maintain and operate a plant in context of Industry 4.0. No technology vendor or machine builder today can serve up a full suite of APM 4.0 capabilities. There are providers who, like in the IIoT realm, offer a platform with a large percentage of the capability. Similarly, there are APM 4.0 ecosystem suppliers that provide elements of functionality. Just as Industry 4.0 has taken five to seven years from concept to the first instantiation of plants that are 4.0 capable, LNS expects APM 4.0 to take a similar amount of time to evolve to support those plants.
您无法在愚蠢的工厂中构建智能产品，并且您当然无法使用昨天的APM技术维护智能连接的工厂。行业4.0需要APM 4.0。
>>丹·米克洛维奇（Dan Miklovic）是LNS Research，主要关注资产绩效管理和能源管理，并在制造运营管理（MOM），物联网，化学，纸张和包装，金属和采矿之间进行协作覆盖。
