有效的资产管理到底是一个技术问题，还是由一个人主导的过程？ 资产管理中的“管理”一词可能是一个更为重要的问题。在Shell Global Solutions公司的工作经历以及与多个技术组织的广泛联络控制工程网版权所有，让我意识到很少有公司能有效地使用这个工具，并无法从这些设计精良的程序中获得应有的回报。
        毫无疑问，现场设备变得更智能化了。一台流量计或者阀门控制器能够提供的信息飞速增长，远远超过过去几年。但是简单地将这些诊断功能增加到硬件上并不能造就有效的管理程序。原因之一就是大多数的工业领域对资产管理程序到底应该管理和负责做什么并未有明确的标准或者要求。一些严格管制的行业（例如运输业）确实是个例外，但是它们并不能作为其他过程领域的参考。
        机遇
        在大型的资产管理项目中，自动诊断能力的有效应用可以为生产制造的多个层面带来好处。首先也是最明显的效果就是提升了维护的效率和效用。对于仪器维护来说，一个最常见的现象就是 “没有发现问题”，这通常是如下一系列行为的结果：
        •携带着检测设备的维护人员被派往现场；
        •维护人员在查找故障上花费了大量的时间和费用；
        •它们在查找故障时可能冒着某些风险；
        •这些行动最多只能延迟问题发生的时间。
        有效的诊断工具可以让这些活动在中央控制设备内甚至远程站点内快速并简单地完成。将数据发送给专家而不是将专家带往问题现场的出发点很好，但是并未被充分利用，因为这一概念的实现需要依赖于优良诊断工具的合理应用以及有效的工作流程。
        自动诊断的另外一个潜力巨大的优势是它具有在操作受到严重冲击之前检测并维修故障的能力。这种情况下，“维修”有两层含义，一层含义是通过控制系统组态自动处理故障，这是技术被广泛采用，但还不够普及。第二层含义是通过人为干涉的方式，实时处理早期故障。虽然这种方法具有可行性，但是很少被采用。在更严重情况发生之前进行早期故障维修对工作方法有全新的要求，这一要求对大多数进行维护的组织来说都是陌生的。在作业受到冲击之前进行有效维修的能力，可以在最少的基础设施投资下，极大地提升收益率、安全性和环保绩效。

        阻碍
        资产管理有着如此巨大的好处以及低廉的价格，似乎意味着这种技术会被广泛采用，但事实却远非如此。下面让我们看一下是什么阻碍了它的普及，并给出一些可行性解决方案。
        第一个障碍是技术上的问题。用于资产管理的工具历来就具有不完整、难以使用、集成度低（多个工具堆叠而成）、更新换代过快以及供应商匮乏的缺点。用户经常无法获得必要的工程资源来，以克服这些障碍并搭建出实际可用的解决方案。好消息是这些工具正在改进，用户们已经找到了有效使用它们的方法。坏消息是对这些工具以及其所需工程技术的有效利用还远远不够。

        资产管理第二个的问题就在于管理。所有的技术问题都能够通过管理上给予的支持得到解决方案。然而，管理上的支持并不是随手即来的，在管理上支持一套资产管理程序应当给予奖励，如果管理上的奖励只是季度回报，那么维护活动就会被推迟，直到设备无法使用。短期来看推迟维护并没有什么影响控制工程网版权所有，但是从长远来看，无谓的推迟对于资产总是不利的。
        资产管理系统的管理奖励要求良好的制度、良好的报告和有效的核查。对有效的奖励必须有记分卡。对于很多作业，记分卡并不一定是必要的。
        如果没有优秀的管理系统，设备表现欠佳往往就被认为是技术上的问题，或者被当做一种常态。诊断信息到底应该由谁处理和维护？对大多数组织来说，将一堆难以理解的毫无优先级可言的诊断数据给一个维护人员，并让其决定下一步的行动是很困难的，也是不现实的。安装合适的系统可以提供命令和优先级，让工程和维护部门能够使用这些数据。
        尽早规划
        安装资产管理程序本身就是一项工程。对于已有设备，它可以是独立的项目；对于新建设备或者控制系统现代化改造，它可以作为扩展工程。对于已有设备，如果智能现场设备并未与智能系统相连接，那么总是有很多堆积（不可用）的诊断信息存在。在已有设备中安装系统工具要面临成本问题，但是它便于管理。对于新建项目，增加资产管理工具的费用几乎可以忽略不计，不过这局限于硬件方面。这两种方法，对于工作流程、培训、规范和管理过程上的要求都是一样的。
        在所谓的前端设计（FED）中，即项目的第一阶段，客户需要确定想要做什么和怎么做。安装资产管理系统需要在这一步就开始计划。应对事故灾难的办法是购买一些资产管理软件，在试运行时使用作为常态，也可以在维护时使用作为查找故障的工具。一旦项目施工人员离开工厂，那么很有可能它就不会再被使用了。资产管理程序需要最先做的工作之一就是为每一台主要的仪表和设备进行危险程度等级划分。这通常是一个痛苦的过程，但是如果没有优秀的系统，那么任何设备都需归入高危险程度等级。因为大家都知道，如果某台设备未被归为危险设备，那么它是不会被维修的。为了完成危险程度等级划分，必须了解后果的严重程度和问题发生的可能性。当然，一旦确实有设备报警发生，你唯一感兴趣的就是后果，因为这已经成为既定事实了，那时，你只需关心后果，然后重置故障报警的优先级。

        在整个设计过程包括执行其他维护作业和制定计划时CONTROL ENGINEERING China版权所有，你都将使用到这个危险程度信息。但是很多人并不是在FED阶段完成这项工作，而通常是在系统建成、安装和运行时才做。他们认为：“我们现在需要进行维护了，所以就做一下危险程度等级划分吧。”要想高效完成项目，你就得在设计阶段完成危险程度等级划分。
        在FED阶段你还需要管理供应商列表。你需要确认供应商的资质，不能仅仅报个价了事。那些你选择作为供应商的厂家需要建立很多模板，因为带有诊断功能的智能设备具有无数的默认设置选项。有很多数据库的工作需要完成，所以最好尽早开始，然后你可以导入所有这些模板，顺利进行设计工作并搭建工艺过程。
        如果你开始的足够早，并且有系统地做这些工作，那么工厂建设和工艺过程的搭建将会更快并且更流畅。在设计阶段和验收测试阶段，你的工作是建立厂房、创建工具并且训练员工。在安装、试运行和循环检查中，你都希望能使用这些诊断信息。通常，此系统肯定能够收回成本，也就是说只要工厂运营，投资就已经收回了。历史告诉我们，在大多数工厂的案例中，我们使用此系统调试、启动工厂、复查细节、纠正错误，然后我们就将系统关闭了，再也没有看过一眼。即使系统在工厂建设和试运行阶段可以收回成本，工厂业主还是在工厂的运营过程中损失了此系统将会带来的巨大收益。
        一旦工厂运营起来之后，资产管理系统就被遗忘了，这并不合理。然而，事实是如果不依赖工程公司，工程和维护人员通常不具备建立资产管理系统的资源。
        填补黑洞
        关于这个议题的讨论我曾经做了这样的陈述，大多数诊断信息都进入了一个“黑洞”。其结果时常让人震惊。并非是缺乏可用数据，而是似乎没有人知道如何处理这些搜集到的数据。诊断信息的堆积并不是唯一的问题，真正的问题在于工具和工作流程。将调制解调器与HART相连并不困难，线路进入房间，然后连接调制解调器，费用比使用无线HART通讯要便宜。但问题并不在这里，问题是既然数据已经被获取，下一步该做什么？你将要使用什么类型的系统来管理这些数据、产生报表、完成报警并且确保配置合理并及时更新？你可以将数据流引入房间，但是如果你并不利用这些数据，那么他们仅仅是流入了一个比特桶而已。如果你所做的一切就是使用无线THUM适配器控制工程网版权所有，那么就是在填补黑洞。这不是一个技术问题，而是一个系统问题和管理问题，这是为什么整个讨论如此复杂和面临挑战的原因。

        工作流程的建立对于搭建可用系统是很关键的一步，而且系统供应商并非总能给予帮助，因为他们的工具可能并不适用于用户的特定工作程序。虽然情况有所改观了，但是由于用户无法买到合适的产品，所以他们不得不自己搭建资产管理系统工具和工作流程。某些供应商为未来目标工艺潜心研发了程序和工作流程，你可以基于历史信息、故障率、危险程度和类似信息来制定最优化的维护计划，但是他们都未将诊断作为工作流程的一部分。你需要估计所有的系统节点、网络和模块，但是资产管理系统通常聚焦于现场设备。不能仅仅取消节点或者网络了事，我们需要在一个系统里面管理所有的资产。
        黑洞不仅仅侵蚀诊断信息，它还侵蚀设备组态，明白这一点很重要。除非精心管理，否则将影响组态的准确度。解决方案是使用与现场设备同步的基于整个系统的实时数据库，精密集成的系统可以使组态的准确度保持稳定，但是手持式便携组态工具就无法做到。

        管理优先级
        用来管理维护优先级的传统维护技术是一个可靠性矩阵。我们已经做过风险评估，而且我们确定这台设备的优先级是中还是低。我们分析任务列表，看到底有多少危险程度高的设备存在，所有那些低优先级的设备都推迟维护，有时可能是永远推迟，由于预算原因以后它们甚至都不会再被提及。所以低优先级的设备充满故障，没问题，只要故障不是太多就可以了。过多的低优先级故障会导致大范围的系统故障，因为操作人员无法辨明当前情况，没有足够的测量手段，没有足够的控制方法，你将不能使工厂正常运转。系统故障比低优先级设备故障的影响要大，因为如果独立地对待设备，就有可能产生系统效应，这些系统影响将无法用简单的决策矩阵建模或者管理。
        通常在主要故障或者操作事故发生之后，通过调查可以发现实际上有很多征兆预示问题的存在，但是没有人能够发现它们或者没有人能够正确地解读看到的现象。现场设备诊断致力于预警正在发生的问题，但是没有人能够将小问题联系起来。通常小问题越积越多，最终达到极限。在今天的企业中小问题（低优先级）的积聚很普遍，如果审视灾难分析，你会发现这种小问题积聚的影子：这里有一点小问题，那里有一点小问题，别处还有一点小问题，却没有引起任何人的重视，因为它们都是小问题，紧接着，足够的小问题积聚成大问题。正所谓千里之堤毁于蚁穴，这是一个管理上的失误。
        这也是一个技术上的不足，因为我们无法模拟所有故障。我们所谓的安全系统模型，只是针对单一的故障，前提是假设只有这一个故障发生，其他一切正常。在基础的过程控制领域，你不能做那样的假设。你可以假设有很多故障同时发生，没有被维修，而且这些故障随着时间的推移慢慢积聚。工厂审核通常能够解释这种偏离状态。通常是工厂已经处于亏损边缘，但是业主无法决定是否应该将其关闭。你或许可以让工厂起死回生，但并非仅仅通过维护，这将是一个大工程。
        数据需物尽其用
        一旦合适的数据采集系统配备完毕，开始着手建立工作流程，你需要确定数据流的流向。传统的问题是数据流向维护人员或者操作人员。如果你遵循一些简单的原则，那么这并不是一个困难的问题：如果需要操作人员立即响应CONTROL ENGINEERING China版权所有，那么就将报警同时发送至操作人员和维护人员。针对操作人员的报警原则是对孤立事件的原貌进行报警。需要限制报警的数量，以使操作人员及时做出不同的响应。
        对于维护人员来说，你不希望处理孤立的事件。你需要查看每一个日志细节，使用报表将这些日志事件分类，并从中分析出问题所在。查看并分析历史案例，那些情况多次发生，优先级有多高，是否多个设备都发生过同样问题。从报表中可以看到事件发展的趋势，而从孤立事件中是无法获得这些信息的。空气系统中的一个问题每天可以导致数百个事件。你需要使用一种报表格式来合并所有这些信息，识别出信息源头。很明显，一套使用智能设备诊断信息的高效资产管理系统就可以胜任这个工作。
        万事俱备？
        说起来容易做起来难。如果你只是在工厂发生非预期的关闭后才例行地使用诊断数据以寻找故障源的话，你并没有完成这项工作。如果你配备了信息充足的数据库，并使用诊断信息阻止了非预期的工厂关闭，这才算功成名就。