假如你的手机掉在了地上，屏幕摔坏了。如果把它送到维修店，你可能会发现，鉴于手机使用年限已经很长，修理屏幕的费用比买一个新手机还要贵。这种情况也可能发生在企业中，因为在设备损坏之前进行维修或干预是不划算的。

这种形式的维护是在资产需要服务或出现故障后对其进行维护。对大多数企业而言，应对故障资产的成本高昂，对生产流程造成负担，而且通过以可靠性为中心的维护 (RCM)¹，完全可以通过优先采用其他维护形式来避免故障。

类似的被动式维护形式还有“故障后维护”，这是一种企业允许设备发生故障的维护方法，从而使维护费用较低。这种维护方法通常只用于特定的设施资产，如灯泡、电池、笔记本电脑或打印机墨盒，所有这些资产要么无法维修，要么维修成本高于让其运转磨损直至更换备件。

随着数据驱动型组织的崛起，被动式维护作为一门综合规程已不再常用，因为数据驱动型组织可以依靠更多的数据就如何进行维护做出明智的决策。虽然经常使用这种方法是因为在零件过期前就更换零件可能不值得，但一个不可避免的缺点是，当公司力争用最短的时间更换零件时，仍会造成计划外停机。

预防性维护策略²的核心是在故障发生之前对设备就进行维护。它包括旨在延长设备使用寿命和防止未来故障的定期维护任务。虽然预防性维护通过主动解决潜在问题来最大限度地降低故障风险，但如果在需要之前修复或更换零件，成本可能会很高，从而导致额外的维护成本。

对于不同的设备、工具和部件，预防性维护计划可能意味着不同的内容。例如，对重型机械，通常需要持续进行润滑和清洁。其他工具可能会用光零件和材料（如墨水或染料），需要更换后才能继续工作。此外，任何一台机器都可能有许多部件，这些部件的故障发生时间或维修时限不同，故障模式（可能出现故障的不同方式）不同，维修或更换的成本也不同。因为如此多的单个部件可以决定大型机器是否发生故障以及何时发生故障，这就给预防性维护带来了挑战。预防性维护通常也无法考虑任何可能影响设备故障发生时间的实时或更新数据。

这种主动维护方法使用数据和机器学习以及其他先进技术，帮助工程师决定何时执行维护。鉴于所涉及的技术，其实施需要前期成本。但是，它在数据驱动型组织中很受欢迎，因为它是一种在必要时根据成百上千个数据点进行维护的方法。预测性维护³ (PDM) 是一种数据驱动型的先进预防性维护。这两门规程都力求在设备过期之前对其进行修复；主要区别在于，预测性维护利用更多的数据和实时信息，就何时更换、维修或清洁设备做出更准确的决定。

RCM 是一种系统化的维护规划方法，组织用来确定产品生产所需的关键实物资产（如机器或工具）。它包括制定一项全面的策略，确保这些资产保持运行状态并发挥最佳性能。根据设备的关键性、采购或更换的难度、可生成哪些数据以帮助维护人员确定是否需要维修或更换以及所需成本等几个问题，使用 RCM 的维护团队会对每件设备和部件进行不同类型的维护。RCM 可以帮助组织跟踪和处理不同的关键资产与非核心资产，从而轻松完成每台设备和每个部件的理想维护工作。

有些组织的预算要比其他组织多得多，因此可以采用更全面、更先进的方案来处理维护工作。但对许多组织而言，RCM 可促进正常运行时间并降低成本，因此是提升盈利能力的理想维护策略。虽然公司通常可以利用现有员工进行被动式维护或预防性维护，但升级到 RCM 或预测性维护通常需要对传感器和软件等技术进行投资，并可能升级到目前使用的设备的更新版本，以利用物联网和机器学习等新技术。

如果生产流程使用的是低成本设备，那么采用“故障后维护”模型可能更有意义，因为监控设备性能和维修机器的成本可能比故障时更换设备的成本更高。但是，如果另一个组织使用的是高度复杂、昂贵且难以替代的技术，那么预测性维护或以可靠性为中心的维护将是有效的维护策略。

即使有了先进的技术，最精妙的维护策略也需要人力来监控技术、分析设备，并决定何时进行干预和维修，还是让设备故障后再进行更换。因此，组织拥有多少维护人员和支持人员将影响他们实施策略的方式。

如果当前的设备已经陈旧过时，而且经常需要维修，那么企业就应该考虑等这些设备出现故障后，开始用更新的机型进行替换，从而为预防性维护和 RCM 维护策略奠定基础。

有些组织可能需要更频繁的监控和维护，这取决于它们使用的设备或生产的产品。在这种情况下，他们可能需要进行预防性维护或 RCM，以保护员工并满足他们的严格要求。