谈到工业 4.0，最常引用的例子是资产绩效管理。似乎是突然之间，关键的制造资产仿佛都配备了传感器技术，能够收集的数据量之大、数据种类之多都是前所未有的。
严格追求资产绩效被纳入到预测性维护的类别下。对制造业来说，工厂里的每一个生产设备都是一笔重要的资产。因此制造商们需意识到，设备在规划的时间里需要进行统一的更换，升级，以最大程度的避免大故障发生的风险。
【QAD小百科】
所谓预测性维护（Predictive Maintenance，简称PdM），即在机器运行时，对它的主要（或需要）部位进行定期（或连续）的状态监测和故障诊断，判定装备所处的状态，预测装备状态未来的发展趋势，依据装备的状态发展趋势和可能的故障模式，预先制定预测性维修计划，确定机器应该修理的时间、内容、方式和必需的技术和物资支持。
在制造业中，对生产线机器和设备的持续维护是一项重大开支，这对任何依赖于此的生产操作都有着至关重要的影响。此外，研究表明，计划外停机每年给制造商造成的损失估计为500亿美元，其中，资产故障导致了42%的计划外停机。
出于这个原因，预测性维护已经成为制造商必不可少的解决方案，他们可以从预测零件、机器或系统的下一次故障中获益良多。
的确，提高资产绩效确实是一项崇高而有价值的追求。但是，务必要承认的是资产可用性绝不是终极目标。额外的关键资产可用时间能否发挥作用取决于利用这些额外时间都做了些什么。
为避免加班或避免额外资产进行资本投资的负担，额外的产能可立即转化为额外的产量至关重要。这对大批量生产的食品制造商来说是一个巨大的优势。然而，大多数制造商缺乏专用设备，并且过于注重调整重复过程。产品种类和定制要求促使设备必须具备灵活性和可调整性。只有订单得到妥善处理，让相应的客户满意，产能增加才是实实在在的优势。
针对使需求与生产相匹配，或者在有冲突的组织目标之间进行协作等遗留问题，就算有额外的产能也无济于事。在最糟糕的情况下，额外的产能有可能会导致生产出更多不需要的“错误”产品库存。
因此，对于许多制造商而言，对资产绩效的深入了解必须与目前的需求和供应链计划工具相适应。如果受到了传统电子表格规划的限制，资产绩效也并不会带来意外效益。为此需要现代需求和供应管理工具，才能发挥资产绩效监测和预测性维护所带来的基本优势。
此刻，如果您对行业需求以及如何匹配供应链管理工具还很陌生，欢迎加入QAD，我们愿与您一起共同应对工业4.0带来的机遇和挑战