使用IIOT进行预测性维护和资产管理

利益概述,远程监测方面的挑战和进展,预测性维护,资产跟踪,工业4.0和工业中的维护分析和资产管理vwin免佣百家乐 有2017年的研究数据。

工业市场是资产密集型的。所以,合理的做法是优化利用率,资产的管理和跟踪是徳赢中国 对预测性维护的关注越来越多。

到2021年,整体预测性维护市场将以28.4%的复合年增长率增长。

然而,先进资产跟踪解决方案市场,资产管理,由于物联网的发展,远程监控和远程/预测维护仍然面临着一些挑战。数据分析和人工智能.让我们看看主要的挑战,同时,机会。

很容易看出为什么资产管理,资产跟踪,预测性维护,远程监控资产/状况,以及,总的来说,优化与资产有关的一切,对像制造业而且物流设施管理与智能建筑自动化,油气,和医疗保健,举几个例子。

预测性维护和资产管理-工业4.0-工业物联网

资产管理,远程资产监控和预测性维护:整体和连接式IIOT方法的即时效益

通过引入工业物联网对于关联资产生态系统,除了监控/可视化这些资产的高级解决方案,转向预测分析并根据结果采取行动,一系列新的可能性打开,并可立即获得好处。

制造和生产,现在扩大的工业4.0方法的原始领域,事实上,在很大程度上都是关于以端到端的方式优化资产使用,当然,如果我们在广泛的入境物流中增加人员甚至成品,仓储,生产,运输业,工厂地板和其他资产环境,如通常所做的。借助iiot和高级资产绩效管理(APM)。一个整体的观点和积极的优化成为可能。

通过洞察和分析提高效率,包括预测,这里是关键字,跨越不同层次。

资产管理,资产跟踪和预测性维护:效率问题

今天的资产效率(和优化)主要是关于生产能力和设备性能的实时概述,对生产过程的看法,并确定移动资产(包括人员)和成品的位置,以实现以下目标的实时调整:例如,行程安排,生产计划和预测性维护。

然而,还有能源效率,通信效率,规划效率和维护效率,预测性维护的本质,是所追求的效率之一。在一天结束的时候,还有vwin中国 :高效创新解决方案,基于由信息效率和分析学习驱动的服务。

然而,这不仅需要提高资产管理和跟踪的效率,而且最重要的是要着眼于现有的工作方式,以新颖的方式从不同的角度对流程和资产的利用和洞察——数据和分析是区别的因素。

成熟度:将减少停机时间和资产绩效作为首要任务

尽管如此,今天大部分工业资产管理和跟踪工作仍然是从效率的角度进行的,风险规避(减少停机时间)有点敏捷,只有在有限的情况下才真正创新。

然而,在工业4.0中,从A阶段转移到B阶段和C阶段并不是一朝一夕发生的,在资产跟踪方面存在相当多的挑战,管理和监测,更不用说获得预测性维护的洞察力了,在早期阶段也是如此。

此外,能够通过数据收集优化所有类型资产的回报,分析,跨多个系统和工作流的监视和操作已经是一项艰巨的任务,但是很有价值,获得明显收益的任务。

资产管理,资产跟踪和减少停机时间真的应该是一个关键的优先事项,考虑到停机的明显好处和明显的负面影响。

从物联网的角度来看,首先要解决的挑战之一是:当商业案例提出时,是如何在APM或其他系统环境中包含遗留资产并从具有物联网功能资产的混合环境中获取数据,SCADA系统等。

智能资产管理的好处,资产和状况的远程监控和预测性维护一目了然

总结一下,在可以通过更好地利用连接工厂中的资产来实现的诸多好处中,智能建筑等有:

  • 提高资产绩效和生产效率。
  • 减少资产停机时间和资产故障,从而节约成本,包括维修费用。
  • 改善资产维护并围绕其开发新服务。
  • 从时间和资源分配的角度提高资产的利用率。
  • 朝着一个不间断的生产过程和更好的连接操作流程迈进。
  • 通过更好地测量和控制能源消耗和环境条件,节约成本并提高生态足迹节能.
  • 加强工人生产,在一个信息日益密集的环境中,人与机器协作的安全与操作(例如)关于cobot的进化)变得更加重要。
  • 获得预测性分析功能,使其能够支持行动而不是重新行动,并提供具有竞争力甚至潜在的创新优势。
  • 在日益实时的环境中加强供应链规划和与生态系统合作伙伴的协作。
  • 增加各类资产的投资回报和经济回报。
  • 创新并真正改造现有流程甚至收入来源。

生产资产管理市场,资产跟踪和预测维护

根据IDC的调查结果(2017年1月),尽管生产资产管理、预测性维护和现场服务的支出没有第一制造物联网用例(制造运营)高。我们涵盖的内容从项目的角度来看,预测分析和高级维护服务无疑是一个领先的跨行业类别。

毕竟,有什么更好的方法可以在提高客户满意度/忠诚度/利益的同时降低成本,而不是将工业制造产品的安装基础连接起来以优化服务,维护和车间效率?

工业设备制造业引领潮流

在增长最快的4.0垂直行业中,工业设备制造,到2022年,预测性维护将有助于行业节省高达50%的维护成本。

很快,工业资产需要得到服务的日子,取决于高人力的时间表和事件,服务和维护成本,所有关键操作都结束了。

所以,我不应该感到惊讶,正如我们在文章中提到的工业4.0技术的支出演变,到2022年,工业设备制造业的复合年增长率(CAGR)将达到最高。

公告在我们在该条中讨论的2017年5月报告中,工业设备制造业快速发展工业4.0技术的主要原因是避免计划外停机和浪费。

先进的资产跟踪和生产技术:增长驱动因素

Frost&Sullivan于2017年4月的研究表明,工业4.0为先进的资产跟踪和生产技术提供了增长机会。

在公告中,研究公司表示,预计到2021年,各行业将采用资产跟踪技术,以实现其行业4.0目标,增强了工作流程和智能制造的雄心。

在这些行业中,我们发现了前面提到的医疗和物流行业,以及工业自动化等领域的大量制造和自动化行业,电子学,航空航天,军事和舰队管理。

根据Frost&Sullivan的说法,主要原因还是越来越多地采用先进的资产跟踪和生产技术?事实上:防止资产失效,改进(我们将从整体角度增加经济回报)资产性能和降低机器等资产的停机时间。

或者正如Frost&Sullivan分析师Jabez Mendelson所说:“新的资产管理解决方案将帮助制造商有效地管理车间,确保整个供应链和价值链的产品生命周期管理达到高标准。”

而这些供应链和价值链正是工业4.0所关注的,从优化开始,从不同的角度看转型创新,支持新的商业模式,新的服务和新的收入来源。

采用资产监控和智能资产管理的障碍

在寻求实施先进的资产跟踪技术(以及总体资产维护技术)时要解决的挑战中:

标准,遗留资产和平台种类

弗罗斯特和沙利文指出标准,既然,如上所述,资产跟踪技术实际上有多种类型,并结合了多种子技术,设备和解决方案(还请记住遗留资产问题和IIOT和工业协议一般而言)。

缺乏标准和不同的解决方案和设备意味着更多的开发和工作,从而增加了实施和扩展的成本。这显然适用于工业4.0和工业物联网时代的资产管理和维护。

此外,这不像是资产供应商,从工业机器人到工装技术,这两个领域都处于停滞状态。他们开发资产跟踪,资产管理和预测性维护解决方案,并为其(工业)客户提供预测性分析(例如:了解ABB Robotics如何为其工业客户开发预测性维护服务)这些系统,在特定公司使用时,还需要能够与整体资产绩效管理解决方案“对话”。然而,取决于工具供应商,机器,机器人,仓库资产等等,这些解决方案是由不同的技术合作伙伴开发的。

工业4.0中的安全挑战-资产跟踪

Frost&Sullivan认为,在工业4.0中发展先进资产跟踪技术的另一个挑战是安全性,与跟踪设备和标签相关的其他方面。

然而,我们更愿意将安全视为行业4.0整体解决的一个明确和当前关注点,不管技术如何。几家公司在汉诺威展会2018.

此外,在传统IT环境中,安全的挑战与在工业环境中处理时不同,OT(操作技术)两者的日益融合,工业环境的复杂性与不同的协议,如监控与数据采集协议,然后是工业物联网及其连接方面(由此我们可以看到,在大多数连接为固定线路的工业物联网中,最近的无线IIOT连接正在增加你可以在这里读到

我们已经解决了工业物联网中的(网络)安全以前。

弗罗斯特和沙利文指出,从先进的资产跟踪技术来看,各组成部分,包括智能标签和跟踪设备都可能被破坏,被黑客入侵,显然是被偷了。

以整体安全的方式,这是唯一可行的,无论是在工业4.0中,还是在任何其他领域,都必须包含人的因素(破坏,盗窃,物理世界的安全)当然,确保你看了所有的设备,技术,为了避免问题,通信协议等(这也适用于资产跟踪).还要考虑到资产跟踪设备有时需要运行的困难条件,即使在人类层面上,例如,人员标签。

Jabez Mendelson谈到了这些挑战:“技术开发人员通过引入具有诊断功能的高级跟踪和监控解决方案来解决这些挑战。”

从预防性维护到预测性维护:工作和中断

现在我们来看一下预测性维护。根据市场和市场,预计到2021年,整个预测性维护市场将从2016年的14.043亿美元增长到4.940亿美元。

在这一增长中,最大的部分是制造业,预计基于云的预测性维护将增长更快。在公告中你可以找到更多的数据。

预计2019年维护分析将产生247亿美元。

不管精确的数据如何,最有趣的是,到2021年,复合年增长率高达28.4%。另一方面,随着成本的下降,这并不奇怪(预测性维护状态监测解决方案需要技术,解决,技能和时间).传统上,它主要被视为仅对最关键的操作有用,但随着所有操作变得更紧密,会出现一种转变,即包含不太关键的操作。

显然,这并不意味着它适合所有的维护情况。效率也意味着成本效率。同时,然而,从支出和成本节约的角度来看,不仅成本和投资回报率很重要。如上所述,工业4.0是一个旅程,我们也希望看到创新和收入潜力,不仅仅是储蓄。

随着标准化程度的提高,要监测的基本技术的总体成本降低,解决方案供应商市场的演变,向云模型的迁移以及越来越多的市场对预防性维护的使用,以工业装备制造业为龙头,希望在不久的将来有更多的预防性维护和更少的预防性维护。

解决方案供应商面临的一个主要挑战是帮助客户解决对技能的需求,尽管工业4.0中所需技能集的整体转变肯定也会增加这一点。

现在,最后,让我们说,作为Infosys和FIR的2016年研究(德国工业管理学会)表示,还有工作要做。尽管87%的公司都知道通过实时数据和分析进行预防性维护的潜力(注:预防性,不可预测,虽然你知道这不是预防性的,但实际上更具预测性),只有一小部分实现了状态监控(15%)在维护工作流程中加入机器状态也是如此(17%)。

然而,事情可能会很快改变,如果有什么能给自己带来明显的好处,服务改进和新的工作方式,当然是基于实时数据和IIOT的预测分析和预防性分析。

87%的公司意识到通过实时数据和分析进行预防性维护的潜力

当涉及到所需技能时,易用性,投资回报率(和成本)和安全性下降,市场将迅速变化。此外,在工业4.0中,我们处于竞争激烈和混乱的环境中,因此制造业受到数字转型的级联效应和越来越苛刻的客户的驱动。徳赢真人娱乐在这里,当级联真正开始感觉到并将针从“紧急”移动到“优先”时,接受工业4.0和预测性维护的领导者,如果从他们的投资中获益,将会改变落后者的现状。如果您没有像客户和生态系统和价值链中的每个人所期望的那样做好准备,这可能会带来非常高的成本。

从预测性维护分析到基于分析的收入

在总结维护分析和预测分析的几个词之前。很明显,到目前为止我们所描述的一切本质上都是关于数据的,洞察力,迄今为止在范围内受到限制的资产的分析和由此产生的行动和服务。

这就是工业物联网最终的切入点。不是在连接资产的任务中,而是在定义哪些数据和洞察哪些资产需要被跟踪时,组合的,分析,以最有效的方式监控和利用这些分析。

如前所述的优先顺序是关键,因为它在任何数字化转型或工业4.0之旅中都是如此。徳赢真人娱乐如果像工业机器人这样的工业资产下降,成本效应可能会非常巨大。然而,不仅仅是看这些资产。

当你的易腐产品放在某个容器中时,分析它们的状况,以及它们到达时形状不佳的相关成本如何?与那些必须在次优情况下工作的工人相关的成本如何?而且,在另一面,通过利用分析和可视化整个资产和运营数据,您可以从生产力方面获得哪些好处?正如这个挖掘案例所显示的那样

预测性维护和维护分析已经成为工业4.0和工业物联网的主要关注点之一,正如ABI研究所已经指出的那样。指出2014年,该公司预计,2019年维护分析将产生247亿美元。

现在,就像2014年一样,首先是维护操作的转变和停机时间的减少。下一个阶段的真正问题是,您还可以用这些数据和其他可能的数据做些什么,这些数据可以让您产生收入,创新并建立一种竞争优势或服务能力,使您能够超越成本降低,在许多情况下,维护操作的优化和停机时间的减少本质上是什么?

资产数据需要跨越整个生产生命周期

如果您分解了Industry 4.0中的各种功能和流程,那么您将真正开始了解与资产相关的任何内容的重要性:资产跟踪,(预测性)总体资产维护和资产管理。

新的资产管理解决方案将帮助制造商有效地运营车间,并确保整个供应链和价值链的产品生命周期管理达到高标准。

它横跨入境物流,实际产量,仓库管理,与产品相关的流程,出境物流和运输,以及明显的维护和服务。在RAMI 4中(参考建筑模型工业4.0)模型的生命周期和价值流维度,它甚至需要从开发阶段开始包括,因为产品数据模型从早期数据收集开始,并且需要为成品和资产维护提供数据。

但在到达那里之前,一定要考虑到通过采用整体资产管理方法可以节省的成本和获得的效率,利用IIOT进行预测性维护。仅仅做数学就足以让人接受。当你计算(或投资回报率)时,不要忽略你可能忽略的成本,比如保险成本和你今天在任何给定的资产相关角度(以人和产品为资产)所面临的更明显的成本,这基本上意味着你所做的一切。

上图:Shutterstock–Copy右边: 塔什图万戈–所有其他图像均为其各自提及的所有者的财产。