在本系列的第一部分中，我们探讨了为何难以从财务角度证明对状态监测系统的投资是合理的。在此基础上，第二部分将阐述如何构建尽可能完整、准确的财务图景，从而为购买状态监测系统提供财务依据。
首先，需要深入了解工厂可靠的过往性能数据。此外，与其他设备相关的信息也至关重要，这些设备的运行状况有望得到改善，故障也可得以预防。
其次，在尚未部署实际状态监测系统的情况下，有效呈现状态监测措施的现有绩效财务状况至关重要。为此，所有相关部门的管理人员需要提供其职责范围内成本的概览。这一部分在财务上应相对容易量化。有几个因素与维护工程相关。
因生产损失和加班产生的成本
因计划外停机（ downtime ）导致的生产损失和加班费在财务上相对容易量化。 例如，10小时的停机时间（ downtime）意味着有7,000个部件（产品）无法生产，另有1,000个部件因计划外停机和设备重启而受损。若单个部件成本为10欧元，则计划外停机造成的损失总额达80,000欧元。此外，还必须加上设备维护所需的额外工时成本（见图1）。
图1. 生产损失的典型成本模型
因交付义务、生产修正及质量损失而产生的成本
某些因素在财务上的量化难度高于前述因素。例如，计划外的停机时间（ downtime
）可能导致向客户交付产品延迟，或者机器的磨损可能导致产品质量下降。这两种情况都会引发客户不满，而这种不满在财务上难以量化。此外，关于交付义务的协议可能因违约金或需要从竞争对手处采购产品而导致高昂成本。
此外，如果可能的话，可能需要调整“正常”的生产计划以弥补生产损失。由于公司对客户负有交付义务，因此这可能是必要的。
若单独来看，这些成本似乎尚可应对，但一旦综合考虑，便不难发现它们构成了一个重大问题。
故障发生频率与持续时间
最难确定且永远无法确切知晓的，是故障发生的频率以及这些故障的持续时间。 工厂过往的性能报告有助于准确估算故障的发生频率、持续时间以及由此产生的成本。然而，这并不能为未来提供确定性。不过，可能能够识别出故障发生的趋势。如果不存在这种趋势，且故障完全随机发生，这些性能报告可以提供关于平均 downtime （停机时间）所造成成本（每小时）的洞察。
因工厂老化而产生的成本
工厂及其内部设备的老化似乎是必然的。设备不可避免地会经历磨损。例如，轴承或齿轮箱的振动会导致各种机器部件磨损，随后这些部件会被更换，但更换过程通常不会直接与这些振动联系起来。这增加了更换机器部件的成本（见图2）。
图2. 不包含状态监测的典型生命周期成本模型
预测性维护提供了一种更快地洞察和预测未来可能出现的磨损及其原因的方法。基于趋势分析和频谱分析等多项分析（这些分析得益于状态监测系统提供的数据），可以对机器/工厂的状态以及潜在的必要维护措施做出准确判断。这些分析清晰地指明了需要维护的位置及原因。
当前（预防性）维护策略的成本
当然必须考虑当前维护策略的成本，因为这些成本将（部分）被状态监测系统所取代。这通常相对容易确定。其中包括当前的工资、备件、间接费用等成本。随着工厂老化，这些成本将会增加（见图3）。
图3. 预防性维护策略的典型成本模型
继续阅读本系列第3部分：
财务论证及采用状态监测系统的维护政策带来的后果
