在 本系列的第一部分中，我们讨论了为什么在财务上难以证明对状态监测系统的投资是合理的。接下来，第二部分将介绍如何创建尽可能完整和准确的财务状况，从而在财务上证明购买状态监测系统是合理的。
首先，需要深入了解设备过去的可靠性能数据。此外，与其他设备相关的信息也至关重要，因为这些设备的运行状况可以得到改善，故障可以得到预防。
其次，在没有实际状态监测系统的情况下，对状态监测措施的现有绩效进行有效的财务描绘非常重要。为此，所有相关部门的管理人员都需要对其负责的成本进行概述。这部分费用在财务上应该比较容易量化。有几个因素与维护工程有关。
生产损失和加班费用
非计划 downtime 造成的生产损失和加班都比较容易在财务上量化。例如，10 个小时的 downtime 意味着 7,000 个部件（产品）无法生产，1,000 个部件因意外的 downtime 和重新启动机器而损坏。如果一个部件的成本为 10 欧元，那么由于意外 downtime ，成本就达 8 万欧元。此外，还必须加上机器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
交货义务、生产纠正和质量损失造成的成本
与上述因素相比，有些因素在财务上更难量化。例如，计划外的 downtime 可能导致延迟向客户交付产品，或者机器磨损可能导致产品质量下降。这两种情况都会导致客户不满，而这种不满在财务上是难以量化的。此外，有关交货义务的协议可能会因罚款或需要从竞争对手处购买产品而导致高成本。
此外，如果可能，可能需要改变 "正常 "生产计划，以弥补生产损失。这可能是必要的，因为公司对客户负有交货义务。
如果分开来看，这些费用似乎可以应付，但如果加在一起，就会很快发现它们构成了一个大问题。
故障频率和持续时间
最难确定和永远无法确定的是故障发生的频率和故障持续的时间。发电厂过去的性能报告可以帮助准确估计故障发生的频率和持续时间，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，也许可以确定故障发生的趋势。如果没有这种趋势，故障完全是随机发生的，那么这些性能报告可以让我们了解平均 downtime 所造成的成本（每小时）。
设备老化造成的成本
工厂和工厂内的机器老化似乎是必然的。机器的磨损是无法避免的。例如，轴承或齿轮箱的振动会导致各种机器部件的磨损，而这些部件的更换又与这些振动没有直接关系。这就增加了更换机器部件的成本（见图 2）。
图 2.无状态监测生命周期的典型成本模型
预测性维护提供了一种方法，可以更快地洞察和预测未来可能出现的磨损及其原因。通过状态监测系统提供的数据进行趋势分析和频谱分析等多种分析，可以对机器/工厂的状态和潜在的必要维护措施做出准确的判断。这些分析可以清楚地指出需要维护的位置和原因。
现行（预防性）维护战略的成本
当然也必须考虑当前维护策略的成本，因为它们（部分）被状态监测系统所取代。这通常比较容易确定。它包括当前的成本：工资、备件、管理费用等。这些成本会随着工厂的老化而增加（见图 3）。
图 3.预防性维护战略的典型成本模型
继续阅读本系列的第 3 部分：
使用状态监测系统的维护政策的财务论证和后果
