特性人工智能工业4.0与智能制造劳动力
组织如何通过预测维护优化工厂生产力

在2016年，普华永道报告制造企业计划显著增加投入到数字化的努力在四年的每超过70分 - 超过907 $十亿，大约百分之五收入的百分之一合并财务承诺。

Today, we’re reaching a critical inflection point for wide-scale rollout of digital transformation in the manufacturing segment, as organizations are progressing from pilot or proof-of-concept IIoT projects to scalable IIoT deployments, according to the Global IoT Decision Maker Survey from IDC.

超过30％的受访者表示，他们已经推出了IIOR解决方案，超过40％的人表示他们希望在未来12个月内部署解决方案。

由于公司正在进入下一阶段的数字化并希望基准其数字运营状态，我们正在观察数字转型项目的看法。除了探索数据驱动的解决方案的好处，组织正在向理解这些项目如何利用最佳规模的智能工厂举措。

为了实现最令人信服的业务成果，企业正在优先考虑哪些用例对整体数字转型成功最为严重，并提供最高的投资回报率。

虽然已经确定了许多不同的用例并投入生产，但预测性维护已成为最常见的。以下是关于预测性维护的一些重要问题。

预测性维护在工业环境中可以实现什么?

从信息技术智能咨询亮点调查数据是在一台机器停机时间可能花费组织之间的$ 100,000 $ 5万元，这取决于行业和使用情况。计划外的停机成本的工业制造商约$ 50十亿年年 - 和保养不善策略减少了总体工厂生产能力可达20％。

为了防止昂贵的破坏性停机时间，工业组织正在利用预测性维护来识别潜在问题，减少设备中断的发生和时间，并从资产和预算中获得最大价值。

预测性维护能力帮助运营商告知如何以及为何一台机器正在退化，使运营商能够进行必要的，具体的维修，而不是反应机器故障或不必要的修理浪费时间。即先在一个组织的维护历史所确定的停机事件预防性维护设备的研究模式，然后列车代理能够识别在未来那些相同的模式。

正如新的数据产生，机器学习代理商报价，现场所有传感器数据的周围四小时跟踪，寻找确定的趋势。此外，代理商可以观看非典型模式，可能代表新的故障模式进行调查。

预测性维护解决方案的好处是显而易见的。在过去是什么阻碍了我们实现它?

制造商处于恒定压力，以跟上增加产品复杂性，同时降低成本。无计划的停机时间和意外的资本费用增加了这一压力，非常破坏性和昂贵。随着时间的推移，机械部件变性变性可以彻底改变机器性能并导致有时灾难性的失败。

不幸的是，逐渐恶化很难手工跟踪。如果没有能力预测设备故障并识别根本原因，您将损失大量的时间和金钱。

随着IIoT采用的崛起在过去的几年中，从连接的设备，线路，工艺和设备的数据涌入工厂。锁定在这些数据流中的信息已经改变了组织如何管理运营，解决问题和适应变化。

为了成功实施预测性维护计划，机器、设备及其操作人员必须进行无缝沟通。事实证明，OT和IT数据被放置在竖井中时的有效性要低得多;然而，直到最近，该行业还缺乏将IT/OT数据与用户相结合的特制功能。

现在，现代数字化转型解决方案将OT和IT之间的数据连接起来，并将其背景化，为行业组织提供了对工厂整体运营的更好理解，从而实现主动的工厂维护，而不是被动的工厂维护。

OT和IT之间的集成，提供通过增加IIoT的实现，是提供预测性洞察力的新水平实现规模提高生产率的关键。

你能给我们一个预测性维修方案的一个例子吗？

让我们突出一个真实世界的故事，罗克韦尔自动化队由雇员源在组织生产。该组织利用大功率驱动器的广泛协调的驱动系统运行卫生纸机。

在该行的末尾，将组织卷绕成一大卷。大约十年后，他们开始体验驱动模块断层，在某些情况下，失败。

当机器上的一个驱动器故障时，卷纸就不再被驱动，组织就会撕裂，产生一团混乱的组织，直到机器停止。然后将纸巾清理干净，机器重新穿线——通过将纸巾从机器上的所有卷轴中抽出来慢慢重新启动。

错误的驱动模块必须进行故障排除并更换。这造成了几个小时的意外停机时间，产量损失，并且具有重要意外的费用。

相反，通过实施预测性维护能力，组织可以监控和分析资产状况，以获取有关它的生产力水平，功耗，健康状况和内部磨损警报。制造商可以通过预测当有缺陷的产品的数量可能超过阈值百分比，并为预期故障的根本原因最小化生产的缺陷。

公司可以利用预测分析来防止意外停机。例如，连接的系统可以通知维护团队在下一次计划停机时更换驱动模块，从而避免计划外停机。

您认为预测性维护的未来会是怎样的?

计划外停机是我们的客户最大的收入威胁之一。机器配备了预测，以及规定的分析能力，帮助制造商通过改进的维护来避免这一关键风险。

更有价值，而不是知道什么事情即将失败，了解你需要做些什么来解决它。规定的分析仪表板使用历史失败数据和趋势来告诉工人采取什么纠正措施。

这些信息可以帮助确保采取正确的步骤，以避免资产失败，保持生产目标，最大化质量，等等。

预测分析仪表板可定制，以提供特定的信息工作者需要解决不同的问题。例如，在食品生产工厂工人能够洞察混合，灌装，并在同一个地方上线打包资产。

总之，产业组织正在实施预测性维护到他们的数字化转型战略，以降低服务成本，最大限度地提高正常运行时间，提高生产量。

随着IIoT预计15万亿$的价值在2030年增加了全球经济，我们可以预期的工业企业采取贯穿这个新的十年增加了数字化改造力度，提高工作效率和实施切实可行的解决方案，如工厂的生产率行业的挑战。

基思·希金斯是罗克韦尔自动化数字化转型的副总裁。