随着如此多的组织从反应式维护方法转向预防性维修(PM)虽然预测维护(PdM)在绝大多数组织中仍处于起步阶段，但它引出了一个问题，即为什么我想写PdM之后的事情。
炒作往往掩盖了市场现实，对许多人来说，技术将导致企业行为迅速转变的想法只是炒作。然而，在当今世界，四岁的孩子可能永远不需要学习开车，制造业和资源加工厂可以继续扎根于目前照顾我们生产资产的方式，这是一条通往失败的道路。118金博宝appLNS Research的调查数据显示，有一个建设的基础工业物联网(IIoT)启用设备和快速切换到云数据存储和分析将使一种我们称之为智能互联资产．
为什么反应-预防-预测进化如此艰难
我一直在资产绩效管理(APM)到现在已经超过45年了，当然也看到了长期而缓慢的演变，因为我们已经从纯粹的反应性维护转向了标准的实践PM。20世纪80年代末到90年代，随着可编程逻辑控制器(plc)、分布式控制系统(dcs)和数字通信的发展，基于状态的维护(CBM)开始向预测维护转变。统计分析工具在过去15-20年的出现使之成为可能以可靠性为中心的维护．然而，所有这些进步的速度都相对缓慢。造成这种情况的部分原因是成本效益比一直很低，以至于很难证明投资的合理性。首先是传感器的成本，但随着时间的推移，数字化降低了成本。其次是连接成本，但无线技术降低了连接成本。之后是配置成本，但有自我意识的设备降低了配置成本。分析是困难的，因为缺乏对统计方法和领域专业知识的深刻理解。如今，由供应商开发的分析引擎，旨在解决与客户数据相关的大数据问题，以及大多数供应商中数据科学家的激增，现在已经使分析障碍成为一个没有意义的问题。
从本质上讲，我们已经到达了临界点。的收敛IIoT，云，大数据以及分析，所有这些都得益于智能手持设备的发展。实现移动已经创造了一场完美风暴，将推动未来三年多的变革。因此，到2020年，当自动驾驶汽车成为一种常见的景象，尽管不是道路上的大多数汽车，一种由智能连接资产驱动的新维护模式将出现。
规范性分析将推动规范性维护
正如分析学作为一门科学是从事后分析演变而来的历史数据到实时事件分析，到预测分析，这是一个新的前沿领域。分析中的这一进化步骤被称为规范分析。其思想是，分析工具不仅可以预测可能发生的事情，而且可以提供“如果”的替代方案分析，以提供可以改变结果的场景。由于我们已经有了太多的P-M首字母缩略词，所以我为规范维护提供了一个新的首字母缩略词:RxM。我将RxM定义为起源于技术堆栈内部的维护活动。工业物联网数据被输入基于云的分析或智能互联资产系列中的分布式分析，以根据“最佳”结果优化定义规定的维护活动。
这一转变将从根本上改变整个行业，并对现有的许多商业模式构成威胁。那些通过教授统计方法和使用分析工具或流程来实现RCM的顾问们需要改变。教学将需要转向为您的业务定义最优并配置下一代工具。你不再需要一群专家来告诉你如何以及何时维护你的资产，因为如果资产无法自我修复，它们自己会告诉你需要什么。第一批提供这种功能的供应商和早期使用它的用户可以像Uber和Airbnb改变他们的行业一样影响生产力。这不会在今年或明年发生，但这是不可避免的，就像自动驾驶汽车一样。
