资产绩效管理(APM)系统旨在提高实体资产的可靠性和可用性，同时将风险和运营成本降至最低。APM通常包括状态监控、预测性维护、资产完整性管理、以可靠性为中心的维护，并经常涉及诸如资产健康数据收集、可视化和分析等技术。
资产性能管理涉及操作和维护之间的信息共享和应用程序集成，以提供生产、资产性能和产品质量的全面视图。APM改进了生产管理(生产产品)和资产管理(确保生产能力)之间的集成。目标和目的变得更加清晰，沟通和共享。APM的分支可扩展到业务流程、技术和组织结构。
资产绩效管理通过企业资产管理、制造执行系统/制造运营管理、工厂资产管理、资产完整性管理(检查)之间的信息共享和应用集成来同步生产和维护，以及其他解决方案，提供生产和资产表现的全面视图。这种集成增加了跨功能的可见性、协作和沟通，从而获得更好的生产力、可靠性、安全性、质量和资产回报。
工业物联网(IIoT)和工业4.0为改善整体业务绩效提供了新的机会，特别是APM。对于业主-运营商来说，这包括主要通过提高流程工业的资产可靠性和提高离散工业的质量而实现的运营改进。对于原始设备制造商(oem)，工业物联网通过将公司的业务模式扩展到更高可靠性和质量的售后服务，提供了新的收入来源。对于终端用户和供应商来说，这结合了工业物联网、分析和其他预测和规范技术，将性能提高到更高的水平。
使用APM进行的优化跨越了功能性筒仓——类似于操作、维护和质量管理——包括那些效率显著低下、浪费严重，有时功能失调的筒仓之间。这种APM方法可以系统地改善关键指标，如正常运行时间、平均修复时间(MTTR)、资产寿命、成本、质量/产量和安全性。这些指标的成功导致了执行指标的改进，如收入、利润、客户满意度和在制品(WIP)库存。
拥有先进分析技术的工业物联网(IIoT)为提高工业资产的可靠性提供了新的机会，使业主和运营商能够实现无计划外停机，许多人认为这是维护和运营的最终目标。
预防性维护假定故障模式随年龄或使用而增加。不幸的是，这只适用于18%的资产。其余82%的资产显示出随机失效模式。相比之下，预测性维护(PdM)方法采用状态监测数据来预测故障。主动维护通过将多个变量与分析相结合，以更高的置信度和更少的误报来预测故障，从而走得更远。
主动维护的典型好处包括改善正常运行时间、资产寿命、维护成本控制和安全性。行业组织应审查其资产管理战略，并考虑更多地采用状态监测和预测性维护解决方案。ARC咨询小组建议用户考虑一个试点项目，通过分析进行主动维护——特别是对于复杂资产或通用资产类型。
建立主动维护的案例需要对其他维护策略以及优缺点进行回顾。
预防性维护计划检查和/或维修通常基于日历时间、运行时间或周期计数。这种方法假定设备故障的概率随着使用而增加。然而，美国宇航局和美国海军汇编的故障模式数据显示，只有18%的故障与年龄有关，82%的故障具有随机模式。根据这些数据，预防性维护(PM)仅为18%的资产提供了好处。通过将资产放置在早期生命周期失败的B型曲线的开始处，对其他82%进行PM很可能会导致失败。
PdM使用状态监视来提供故障的预先通知，以便可以安排和执行适当的维护，以防止计划外停机。三种常用的状态监测方法包括:
策略 |
描述 |
资产属性 |
汽车的类比 |
无功 |
运行到故障，然后修复 |
故障不太可能发生，很容易修复/替换，或者不重要 |
广播 |
预防 |
服务在固定的时间或周期间隔 |
失败的可能性随着资产使用或时间的增加而增加 |
每5000英里更换一次机油 |
状态监测 |
对使用单个数据值的坏趋势或其他基于规则的逻辑发出警报 |
部件故障导致巨额美元损失的资产 |
油压，冷却液温度指示器 |
| 预测(PdM) | 设备专用算法或机器学习。多变量 | 计划外停机对业务有影响的关键资产 | 电动汽车电池管理系统 |
说明性的 |
模型和知识库确定了问题以及如何进行修复 |
复杂资产需要高级技能 |
Dealership-level诊断设备 |
