在智能制造背景下，工業系統向更為復雜化、智能化方向發展。對于維修管理而言，維護維修的工作量、維修響應能力、系統可靠性和穩定性要求、維護人員綜合技能要求、工業備件的供給效率和質量等都面臨重大的挑戰。

鑒于內部維修與外部工業服務現狀，多數制造企業處于救火式的事后維修，設備隱患突出，這制約了工業轉型的進程。工業互聯網條件下，探索新的維修模式和服務形態，將成為當務之急。

智能化條件下的維修知識重用與技能培養

高技能維修人才短缺是工業領域較為突出的矛盾，在工業互聯網背景下，人才爭奪正成為趨勢，這意味著工業企業招聘人才的成本陡然上升。為此，通過智能化手段，提升現有維修工人技能是非常迫切的需求，這包括：

1.基于故障記錄的維修診斷輔助

重復性故障在維修作業中的占比普遍較高，借助于人工智能技術的應用，根據故障描述與歷史維修經驗的查詢匹配，大幅降低故障判斷與處理方法引用，有效提升故障處理效率，實現維修知識共享和精細技能培訓。

2.基于預測性維修的智能診斷輔助與遠程運維支持

預測性維修是在故障早期發現設備隱患和缺陷，進而主動采取干預措施的維修策略，這將大幅減少非計劃性停機，從而提高制造效率、降低維修成本，是工業互聯網重要的應用場景。

受制于工業設備故障相關傳感器普及率較低，這使得為預測性診斷成本極高。將傳感器從診斷儀器中分離，采用智能傳感單元＋工業APP的創新模式結合，不僅大幅降低預測性診斷成本，同時將云計算和智能應用高度融合，提高用戶體驗和智能診斷準確性。

維修可視化-數據驅動下維修智能決策系統

在智能化條件下，建立目標導向的可視化系統，將有利于構建新的運維體系，實現：

1.維修維護動態監控可視化系統

設備停機時間進行科學的合理切分，并以維修APP為載體，實現從報修到開機驗證的全過程管理，以此形成作業動態管理，包括報修延時、維修延時、人員去向動態等可視化看板系統。這有利于實現維修調度，維修作業動態管理，確保維護維修資源利用效率和質量。

2.維修智能決策可視化系統

以維修APP為基礎的智能維修系統為基礎，將有效統計出工業企業整體，部門和設備的可用度指標、主動性維修和事后維修相應比例關系、維修費用以及維修分析數據。講實現：

2.1.維修價值度量：通過對比分析工廠整體可用度的變化趨勢，維修費用下降趨勢、維修庫存下降趨勢對比，以及事后維修工單的下降趨勢、點檢和預防性維修的執行情況分析，并對多發故障、長停機故障和高成本的故障針對性的分析。

2.2.全員參與性度量：識別并對不同產線進行可用度的排序，這有效區分出不同產線的自主維護水平和能力，這對于實施TPM、精益生產的工業企業而言，將有效推動設備維護能力的多方面提升。

3.維修技能可視化系統

以維修APP為載體，有效衡量不同維修人員的工作量（工單執行的數量和時間）、工作效率（維修平均所花費的時間）、工作態度（派單響應時間）和工作業績（維修維護責任區的可用度表現），將作為維修工人績效和維修技能提升的依據，這對于企業整體的維修能力將有大幅的提升。

服務化-工業互聯網條件下的維修模式變革

伴隨工業設備的復雜化、智能化發展，維修維護的難度增大，企業維修力量已經不能滿足多方面的維修業務，維修的專業化分工成為必然趨勢。這包括：

維修外包作業形態

不難發現，許多企業的高技能的維修人才，流動性都很大，要么另謀高就，要么轉而成為維修服務商，這對于企業提升維修綜合能力并不是件好事。

A.大型企業的維修公司化。由于制造規模較大，容易形成新的維修業態，并能有效整合供應鏈資源，一般系由原有的設備主管部門或者供應部門成立工業服務公司。

B.中小民營企業的外修外包形態。在制造業區域化集中的地區，適合以第三方工業服務平臺開展維修外包業務，即以工廠現有的維修力量為主體，成為維修項目團隊，并以平臺實現業務調度、專家支持等業務。