英國南極調查局（IBM Maximo EMEA Exchange 匯聚了來自 46 個國家的代表，活動地點選在馬德里市議會主辦的麗池公園（Retiro Park），這實在是再合適不過了。公園本身就充滿了各類資產、庫存和備件，是複雜市政環境管理的一部分。我實在想不出未來的活動要如何超越這次的選址。
‍
‍

在各場簡報中，一個核心訊息始終貫穿其中：Maximo Application Suite 已不再僅僅被視為一個工作管理系統。各機構正將其作為實現韌性、標準化、創新以及日益重要的人工智能驅動決策的平台。

馬德里：圍繞 Maximo 構建韌性

馬德里市議會 在活動開幕時解釋了三次重大危機如何塑造了其技術與資產管理策略。
‍

COVID-19 疫情暴露了數據與影響評估方面的弱點；菲洛梅娜（Filomena）風暴證明了預測的重要性；而 2025 年 4 月的全市大停電則強化了實時掌握資源、依賴關係及營運優先級的必要性。
‍

在危機時刻，問題變得非常務實：

• 哪些發電機只剩下四小時的燃料？

• 現有的警力資源在哪裡？

• 剩餘的柴油貨車應該部署到哪裡？
  ‍

馬德里的應對方案是 MINT（Madrid Intelligente），並以 Maximo 作為城市運作的核心。該平台支援 22 項市政服務、500 萬個地理定位資產以及 300 萬個被追蹤的車輛位置。它必須協助城市管理緊急情況與大型活動，同時確保為居民和遊客持續提供服務。
‍

「Cloudvolution」計劃將馬德里從高度客製化且已過時的 Maximo 7.6 環境，遷移至為未來而設計的雲端託管平台。該計劃傳達的訊息既務實又直截了當：在對解決方案充滿信心之前，切勿貿然上線。
‍

馬德里目前的目標是邁向「代理城市」（agentic city）。這包括空間情境感知、將圖像視為一等數據、利用 Maximo Visual Inspection 從提交的照片中識別問題，並可能讓公務員透過 WhatsApp 建立 Maximo 工單。
‍

很高興看到一座歐洲大城市如此致力於推廣更廣泛的 Maximo Application Suite。這或許也解釋了為什麼馬德里的街道如此整潔。
‍

‍

Bane NOR：將套件與維護生命週期保持一致

我在此次活動中收穫最大的一點來自 Bane NOR。
‍

挪威 鐵路 機構正利用 MAS 作為創新平台，以推動鐵路維護轉型。關鍵在於，他們透過將各項 MAS 應用程式與其維護生命週期的每個階段進行對照，成功爭取到高層持份者的支持。
‍

這在技術投資與營運價值之間建立了清晰的聯繫。同時，這也促成了一項重要決策：Bane NOR 決定不對 MAS 進行大幅修改以遷就現有的工作方式，而是調整其業務流程，以發揮該套件的原有設計優勢。
‍

更多採用 MAS 的機構應考慮這種做法。
‍

Bane NOR 從「挪威維護流程」（Norway Maintenance Process）這一成熟的跨行業標準入手。他們亦運用了 Maximo 的線性資產功能，這是一個儘管對鐵路、道路、管道及其他分佈式基礎設施至關重要，卻往往被忽視的領域。目前規劃工作已帶來成效，並計劃在未來階段引入 Optimizer。
‍

更廣泛的啟示是，當應用程式能對應到可識別的業務生命週期時，MAS 的採用將更容易推廣。機構無需再孤立地討論產品和功能，而是能精確展示 Manage、Mobile、Scheduler、Health、Monitor 及其他功能如何支援維護決策。

El Corte Inglés：流動性作為價值的早期來源

El Corte Inglés 介紹了他們從舊有工作管理平台遷移的過程。其策略需求包括：支援多站點及多語言、無需開發即可進行廣泛配置、與行業及零售維護實踐保持一致，以及與物聯網（IoT）和樓宇管理系統整合。
‍

這些需求使 MAS 成為強有力的候選方案。
‍

其創新路線圖現已納入 BIM 整合、遠端專家協助、ESG 排放管理及資產健康監測。然而，最直接的效益之一是流動性。
‍

這提醒我們，轉型未必需要從最先進的功能開始。讓技術人員在工作現場更便捷地獲取準確資訊，既能帶來顯著的營運價值，又能為更廣泛的路線圖奠定基礎。
‍

‍

Spendrups：當備件實現數碼化

Spendrups這家瑞典釀酒廠展示了活動中最獨特的用例之一：利用 3D 打印製造備件，並透過 Maximo 管理整個流程。
‍

其四個廠區擁有不同的資產、維護需求及設備年資。部分設備需要已停產的獨特零件。在生產環境中，即使是一個微小的零件缺失也可能導致整條生產線停擺，因此零件老化和交貨期長短已成為重大的營運風險。
‍

增材製造改變了這一模式，因為備件實際上已成為數碼資產。流程始於準備 CAD 模型，隨後進行打印、驗證、安裝及監測。Maximo 始終處於核心地位，支援需求識別、項目建立、內部採購、收貨、安裝及後續工單歷史記錄。
‍

這具有巨大的潛力。項目可儲存於 Maximo 中並附上 CAD 圖紙。當庫存低於約定閾值時，庫存重訂限制可觸發內部採購訂單，並將產生的需求傳遞至打印流程。這使 3D 打印不再只是獨立的實驗，而是成為受控維護與庫存流程的一部分。

米芝蓮（Michelin）：透過標準與成熟度實現規模化

米芝蓮展示了 Maximo 的運作規模：80 個站點、三個區域組織、19,000 名用戶、2,800 萬項資產以及 700 萬份工單。
‍

其「米芝蓮維護之道」（Michelin Maintenance Way）透過銅級、銀級和金級的成熟度標準來定義維護規範。該組織目前使用 Maximo Manage 和 Scheduler，並已將 Health 和 Mobile 列為未來的目標。
‍

米芝蓮已廣泛應用 Manage 的各項功能，包括資產、位置、庫存和採購。其排程目標涵蓋圖形化工作週（Graphical Work Week）、圖形化分配（Graphical Assignment）和圖形化排程（Graphical Scheduling），旨在將維護規劃轉化為可衡量的營運價值。
‍

這種成熟度方法令我印象深刻，因為它與我們為 DP World 開發的能力模型十分相似。與其期望每個站點立即達到相同的最終狀態，分級模型建立了一條從基礎能力邁向更先進實踐的受控路徑。
‍

米芝蓮亦強調了許多組織都會遇到的挑戰。他們希望透過 Maximo Mobile 擴展現場服務管理，但現有的內部流動應用程式與 Maximo Mobile Technician 應用程式之間存在顯著差距。完善的路線圖必須承認這些實際的採用落差，而非假設部署新應用程式就能自動實現業務就緒。

Quant：從數據基礎開始

Quant 描述了其從 Maximo Monitor 概念驗證到正式投產的歷程。作為一家負責管理 Maximo 中 55 個客戶站點的維護管理公司，其目標是為數據驅動的維護建立穩固的基礎。
‍

Monitor 的價值體現在以下方面：

• 感測器異常檢測

• 基於閾值的警報

• 近乎即時的儀表板

• 資產管理人員通知

• Maximo Manage 中的後續工作
  ‍

Quant 遵循了結構化的方法，經歷了概念驗證、設計、構建、驗證、試點和持續推廣等階段。他們成功建立了設備配置、數據連接和視覺化，同時學會了不應帶著預設期望去接觸 Monitor，也不應僅僅將其與現有的物聯網平台進行比較。
‍

約 3,000 台設備被匯入 Monitor 使用，技術人員和操作員已能從中看見價值。Quant 的下一步是升級至 MAS 9.1，並採用 Maximo Manage 儀表與 Monitor 指標的整合。
‍

這場簡報最吸引我的是對效益實現的關注。技術固然重要，但整個歷程的架構核心在於證明用戶將在何處獲得價值。

Mitie：將自家的 AI 代理引入 MAS

Mitie 展示了「Andy」，這是一個在 MAS 上運作的內部 AI 助理。授權用戶可以針對 Maximo 內的數據進行提問，並以文字或圖表等格式獲取答案。這展示了組織將自身的 AI 能力引入 Maximo 環境的潛力，而無需依賴單一、固定的互動模式。
‍

設施管理是一個顯而易見的探索領域。對話式助理可以引導用戶回答一系列問題，收集分類問題所需的資訊，並利用所得數據協助在 Maximo Manage 中建立服務請求或工作單。重點不僅在於用戶能與 Maximo 數據進行對話，而是藉此機會讓複雜的流程變得更易於存取，同時維持適當的授權與監管。
‍

‍

MAS 發展藍圖：AI 無處不在，但基礎先行

路線圖討論重點強調在整個套件中擴展人工智能。討論的計劃包括在 MAS 9.3 中將人工智能助手引入 Maximo Mobile Technician 應用程式、在資產生命週期管理中擴展人工智能，以及邁向預測性維護。
‍

IBM 還希望讓更廣泛的 MAS 產品組合更易於採用。我們鼓勵用戶探索 MAS 9.2 中的生成式人工智能功能，並從向助手詢問一個簡單的問題開始：「你能做什麼？」
‍

方向非常明確。人工智能正成為 MAS 路線圖的核心部分，並將越來越多地提供給整個套件的用戶和合作夥伴。然而，圓桌會議提出了一個重要的現實考驗。許多組織了解以下方面的潛力： 資產績效管理 但認為他們仍有更基本的優先事項需要處理。新功能的發展速度快於部分組織的消化能力。
‍

Maximo Health 被建議作為一個易於入手的切入點。我認為它還可以用來提供數據質素的可視化，幫助組織了解支撐其資產的資訊狀況，而不僅僅是物理資產本身的狀況。

優秀的人工智能仍取決於優質的數據

當天的討論或許是以人工智能結束，但話題卻反覆回到數據質素上。
‍

如果組織想要利用代理式人工智能、機器學習、預測性維護和人工智能生成的洞察，就需要標準化的資產、項目和故障層級。反覆出現的建議很簡單：

• 保持解決方案標準化

• 保持流程簡單

• 讓系統易於使用

• 定義最低數據標準

• 向業務人員解釋這些標準的重要性
  ‍

預期的模式並非以人工智能取代人類判斷，而是由人工智能為人員提供更好的數據、洞察和背景資訊，從而讓他們做出更明智的決策。讓人類參與其中，也是組織在營運用戶與人工智能代理之間建立信任的方式。

我的總結

IBM Maximo EMEA Exchange 展示了 MAS 的未來遠不止於單一應用程式。
‍

馬德里展示了 Maximo 如何成為城市營運韌性的一部分。Bane NOR 展示了將套件與標準維護生命週期保持一致的價值。El Corte Inglés 強調了流動性是早期轉型的成功案例。Spendrups 展示了增材製造如何將備件轉化為受管制的數碼資產。米芝蓮說明了成熟度模型在全球規模下的重要性。Quant 提供了從互聯數據到營運價值的實踐路徑。Mitie 展示了組織如何將自己的人工智能代理引入 MAS。
‍

所有這些例子背後都遵循同一個原則：先進的功能只有在建立於良好的流程、可用的標準和可信的數據之上時，才能創造可持續的價值。
‍

人工智能可能是 MAS 路線圖中最顯眼的部分，但組織應抵制從技術入手的誘惑。請從您需要改進的營運決策開始。將 MAS 對應到維護生命週期。建立必要的數據基礎。盡可能保持解決方案的標準化和簡單化。然後，利用人工智能讓這些基礎的價值更容易被獲取。
‍