提高物聯(lián)網(wǎng)運營效率的六個步驟

根據(jù)Aberdeen Group進行的一項調(diào)查顯示，“同類最佳”公司越來越多地利用物聯(lián)網(wǎng)（IoT）和大數(shù)據(jù)來實施預測性維護模型，以解決和改善其最大的運營挑戰(zhàn)。

我們發(fā)現(xiàn)預測性維護可以：

▲將意外停機時間減少到3.5％▲將整體設備效率提高到89%▲將維護成本降低13％▲將資產(chǎn)回報率提高24％任何運行機械的行業(yè)——制造、運輸、樓宇自動化等，都可以從啟用預測性維護中受益。與任何其他維護模式相比，預測性維護的價值在于，它使維護和運營決策者能夠在資產(chǎn)（設備）發(fā)生影響人員、運營或生產(chǎn)的故障之前預測何時需要干預。預測性維護通過收集和分析各種類型數(shù)據(jù)，提供最高的資產(chǎn)可見性，以提供以下好處：▲確定關鍵預測因素并確定結(jié)果的可能性。▲通過應用可測量的實時和歷史數(shù)據(jù)來優(yōu)化決策。▲規(guī)劃、預算和安排維護維修，合理、及時替換和備件庫存。

我們建議遵循以下六個步驟來實現(xiàn)預測性維護：

建立預測性維護的業(yè)務案例：為成功實現(xiàn)預測性維護，重點應放在影響運營和生產(chǎn)以及管理風險的獨特問題上，而且了解企業(yè)關注的指標以及需要改進的指標非常重要?？紤]以下問題以確定預測性維護項目的關鍵目標并確保成功：

1、如何將數(shù)據(jù)驅(qū)動的決策集成到現(xiàn)有維護實踐中？

2、設備故障將如何影響人員、運營或生產(chǎn)成本？停機成本是多少？

3、哪些關鍵設備可能會故障？何時故障？以及為什么會故障？

識別數(shù)據(jù)源并確定其優(yōu)先級：資產(chǎn)連網(wǎng)的增加和智能設備的使用可能會產(chǎn)生了大量數(shù)據(jù)。不需要也不建議處理所有這些數(shù)據(jù)，相反，開始預測單個設備的故障，重點關注與其具體相關的可用現(xiàn)有數(shù)據(jù)。

收集選定的數(shù)據(jù)：選定的數(shù)據(jù)可能位于不同的位置，從網(wǎng)絡邊緣的設備到服務器機房，再到企業(yè)云，包括傳感器、儀表、企業(yè)資產(chǎn)管理系統(tǒng)以及監(jiān)控和數(shù)據(jù)采集系統(tǒng)。理想的預測性維護解決方案應該足夠靈活，使您能夠從所有這些數(shù)據(jù)源中收集信息，以學習并不斷做出更好、更明智的商業(yè)決策。

確定在哪里執(zhí)行分析：根據(jù)您的具體操作建立高級分析基礎。例如，可以平衡邊緣(或本地)和云分析，以減輕云部署中易損預測性維護數(shù)據(jù)的傳輸負擔。分布式方法使您能夠在邊緣監(jiān)測和響應本地事件，并立即對流式數(shù)據(jù)采取行動，同時在云中集成其他數(shù)據(jù)源。

組合并分析數(shù)據(jù)以獲得精準洞察力：首先分析可用數(shù)據(jù)以定義機器正常運行的參數(shù)。這使得能夠通過狀態(tài)監(jiān)視來創(chuàng)建規(guī)則，以分析直接來自機器傳感器的實時數(shù)據(jù)。借助網(wǎng)關等邊緣計算設備，分析可以盡可能靠近機器進行，使用本地I/O從工業(yè)設備收集數(shù)據(jù)，并能夠在惡劣環(huán)境中運行。在分析實時數(shù)據(jù)后，添加歷史和第三方數(shù)據(jù)（如可靠性模型和日志），以發(fā)現(xiàn)與實時數(shù)據(jù)規(guī)則生成的異常之間的相關性、模式和趨勢，以指示潛在故障。這些模式可用于進一步優(yōu)化您的規(guī)則并實時提供可操作的洞察力。

采取行動：通過單個管理平臺將所有資產(chǎn)（設備）的綜合風險評估整合到您的運營中，將洞察力轉(zhuǎn)化為行動。例如，當發(fā)現(xiàn)潛在問題時，邊緣計算設備可以觸發(fā)一個事件，允許您向相關方發(fā)出自動警報，例如位置、估計的替換零部件和建議的糾正措施，以避免災難性事件。然后，通過從替換零件中獲取磨損特征數(shù)據(jù)，您可以不斷優(yōu)化預測性模型并從性能洞察中學習。最后，探索預測性維護數(shù)據(jù)的其他用途，例如自動化監(jiān)測報告和增強對零部件供應商的評估。