首页 > 物联网 > 正文

使用物联网提高运营效率的六个步骤

2019-01-07 09:44:12  来源:51CTO

摘要:根据一项调查显示,“同类最佳”公司越来越多地利用物联网(IoT)和大数据来实施预测性维护模型,以解决和改善其最大的运营挑战。
关键词: 物联网
\
  我们发现预测性维护可以:
 
  将意外停机时间减少到3.5%
 
  将整体设备效率提高到89%
 
  将维护成本降低13%
 
  将资产回报率提高24%
 
  任何运行机械的行业——制造、运输、楼宇自动化等,都可以从启用预测性维护中受益。与任何其他维护模式相比,预测性维护的价值在于,它使维护和运营决策者能够在资产(设备)发生影响人员、运营或生产的故障之前预测何时需要干预。预测性维护通过收集和分析各种类型数据,提供最高的资产可见性,以提供以下好处:
 
  确定关键预测因素并确定结果的可能性。
 
  通过应用可测量的实时和历史数据来优化决策。
 
  规划、预算和安排维护维修,合理、及时替换和备件库存。
 
  我们建议遵循以下六个步骤来实现预测性维护:
 
  1. 建立预测性维护的业务案例
 
  为成功实现预测性维护,重点应放在影响运营和生产以及管理风险的独特问题上,而且了解企业关注的指标以及需要改进的指标非常重要。考虑以下问题以确定预测性维护项目的关键目标并确保成功:
 
  如何将数据驱动的决策集成到现有维护实践中?
 
  设备故障将如何影响人员、运营或生产成本?停机成本是多少?
 
  哪些关键设备可能会故障?何时故障?以及为什么会故障?
 
  2. 识别数据源并确定其优先级
 
  资产连网的增加和智能设备的使用可能会产生了大量数据。不需要也不建议处理所有这些数据,相反,开始预测单个设备的故障,重点关注与其具体相关的可用现有数据。
 
  3. 收集选定的数据
 
  选定的数据可能位于不同的位置,从网络边缘的设备到服务器机房,再到企业云,包括传感器、仪表、企业资产管理系统以及监控和数据采集系统。理想的预测性维护解决方案应该足够灵活,使您能够从所有这些数据源中收集信息,以学习并不断做出更好、更明智的商业决策。
 
  4. 确定在哪里执行分析
 
  根据您的具体操作建立高级分析基础。例如,可以平衡边缘(或本地)和云分析,以减轻云部署中易损预测性维护数据的传输负担。分布式方法使您能够在边缘监测和响应本地事件,并立即对流式数据采取行动,同时在云中集成其他数据源。
 
  5. 组合并分析数据以获得精准洞察力
 
  首先分析可用数据以定义机器正常运行的参数。这使得能够通过状态监视来创建规则,以分析直接来自机器传感器的实时数据。借助网关等边缘计算设备,分析可以尽可能靠近机器进行,使用本地I/O从工业设备收集数据,并能够在恶劣环境中运行。在分析实时数据后,添加历史和第三方数据(如可靠性模型和日志),以发现与实时数据规则生成的异常之间的相关性、模式和趋势,以指示潜在故障。这些模式可用于进一步优化您的规则并实时提供可操作的洞察力。
 
  6. 采取行动
 
  通过单个管理平台将所有资产(设备)的综合风险评估整合到您的运营中,将洞察力转化为行动。例如,当发现潜在问题时,边缘计算设备可以触发一个事件,允许您向相关方发出自动警报,例如位置、估计的替换零部件和建议的纠正措施,以避免灾难性事件。然后,通过从替换零件中获取磨损特征数据,您可以不断优化预测性模型并从性能洞察中学习。最后,探索预测性维护数据的其他用途,例如自动化监测报告和增强对零部件供应商的评估。

第二十八届CIO班招生
法国布雷斯特商学院MBA班招生
法国布雷斯特商学院硕士班招生
法国布雷斯特商学院DBA班招生
责编:zhangmm