《向预测性维护系统过渡》

本服务文件旨在建议加拿大陆军（CA）战车采用预测性维护方法。将说明当前维护方法的局限性及其如何影响适用率和设备可用性。将重点介绍预测性维护新兴技术的使用情况，包括通过优化维护和提高设备适用性给陆军带来的好处。最后，还将讨论预测性维护的成功案例和美国陆军的相关试点项目，以强化其益处。

能否保持较高的设备适用率仍然是一项挑战，也是陆军关心的问题。陆军试图通过“陆军装备就绪计划”（CAERP）更新装备文化，重点关注其部队态势和就绪（FP&R）目标。遗憾的是，由于多种原因（甚至在 COVID-19 大流行之前），实现这些目标具有挑战性。首先，陆军维护组织必须支持从高科技新车到老化和不可靠车辆的混合车队。其次，尽管发生了这些变化，但维修组织在结构和人员方面基本保持不变。最后，当车辆出现故障时，纠正性维护方法可能需要长时间和大量的诊断，并因维修零件短缺而面临更多延误。因此，在收到部件之前，车辆一直处于无法使用的状态，这可能比实际维修时间更长。

由于陆军正在研究与 “适应性分布式行动”（ADO）概念保持一致的手段和方法，设备的可用性和可维护性将至关重要。综合维护组织将力不从心，无法支持分散行动，必须寻找机会改进陆地设备管理系统（LEMS）。目前的预防性和纠正性维护方法，再加上上述混合机队和组织方面的挑战，将无法维持助理总干事办公室所依赖的设备可用性。从这一角度出发，陆地设备管理系统应考虑如何利用大数据分析和人工智能（AI）应用的绩效管理框架来预测维护需求。