集成预测分析：实现向主动维护和新业务模式的过渡

可以分析通过无线连接远程提供的物联网和传感器数据，以寻找趋势并实现主动维护。

随着我们摆脱大流行，公司意识到许多经验教训应该成为未来的标准操作程序。没有什么比在现场维修和管理设备和产品更明显了。幸运的是，允许组织远程实时监控其设备在现场的性能的技术可以发挥重要作用。拥有这些信息的好处可以通过对这些数据使用预测分析来发现正在发生的问题来补充。这样就可以采取纠正措施和主动维护，从而消除停机时间或进行计划外现场访问的需要。

毫无疑问，大流行使产品制造商和在该领域提供产品服务的公司需要改进正常的操作程序。旅行限制禁止让人们远距离评估和解决问题。即使人们是当地人并且理论上可以访问设施，当地政府或公司本身也可能不允许任何人进入设施。

转型的技术要素

锁定期间的这些障碍突出表明需要实时了解产品在该领域的运行情况。做到这一点的方法是一起使用几种技术。

首先需要在产品中嵌入传感器，以监控和测量当前状况和关键绩效指标 (KPI)。测量的参数可能包括运行速度（例如，电机）、温度或压力。它还可能包括诸如打印机中的墨水、引擎中的油、成像系统中的胶片等耗材的状态级别和消耗等。幸运的是，智能传感器和物联网 (IoT) 的广泛采用为此类数据访问提供必要的技术基础。

过去，此类数据只能在现场获得，并且只能在工业控制系统 (ICS) 中访问，例如监控和数据采集 (SCADA) 系统或分布式控制系统 (DCS)。通常，传感器通过私有本地网络硬连线到此类系统。

现有无线服务（例如 Wi-Fi 和 3/4G 蜂窝网络以及新兴的无线连接服务（例如 Wi-Fi 6 和 5G））的日益普及可以使这些数据更广泛地可用。这种连接可以允许除 ICS 系统之外的其他系统访问数据。并且无线连接也可用于允许远程访问数据。所以现在，一个提供设备或管理它的组织可以集中监控现场设备的状态。可以策略性地使用对此类数据的远程访问。例如，许多组织已使用此类功能从反应性维护（故障时修复）转向预防性维护。

技术三重奏的最后一部分是分析。然后可以分析通过无线连接远程提供的物联网和传感器数据以寻找趋势。

减少停机时间，优化性能

使用传感器和连接可以让产品制造商和现场服务产品的公司从基于日历的维护过渡到基于状态的监控和维护。一家公司可能会使用历史数据来发现供应商 A 的部件的使用寿命通常是制造商声明的公司设施平均故障时间的两倍。因此，与其按照制造商的时间表更换它，他们可以放心地从这件作品中获得额外的使用。这将零件更换成本分摊到更长的时间，从而减少了备件和更换零件的总体年度支出。

当对来自传感器的数据使用预测分析时，甚至更多是可能的。例如，制造或维修产品的公司可能会发现工作温度快速上升 20% 是设备在五天内出现故障的前兆。

这只是一个开始。传感器、连接性和预测分析相结合，可以采取积极主动的维护方法，让公司降低成本、延长已安装设备的使用寿命并减少停机时间。

如前所述，过去的公司通常会根据设定的维护计划进行更换。通过对设备或部件的性能洞察，公司可以亲自查看该设备是否显示出性能下降的迹象。这种检测潜在问题的预测能力使公司能够在停机前解决正在发生的问题，并在避免成本方面提供额外的节省。这避免了计划外的停机时间。它可以避免进行紧急维修的费用。在没有通知的情况下派遣技术人员会产生高昂的差旅费用。这种实施维修的中断/修复模型需要加快部件到现场，这导致高昂的运输和交付费用。所有这些都可以通过分析得出的性能和状态洞察力最小化。

这种能力价值的一个典型例子是豪顿正在做的工作，豪顿是制造空气和气体处理解决方案的全球领导者。他们的设备用于基础设施、发电、石油和天然气、废水、金属、采矿和运输等领域。

该公司使用 PTC 的 ThingWorx 开发了 Howden Uptime 解决方案，该解决方案提供了一个旨在加速数字化转型的 IoT 平台。 Howden Uptime 平台是一个远程性能监控和优化应用程序，用于在世界各地的客户设施中运行的任何类型的旋转设备（压缩机、风扇、涡轮机等）。

它可以主动监控和管理在偏远地区运行的设备，其中一些位于北海和其他偏远地区。该解决方案让豪顿可以观察其机器，就好像它们就站在它们旁边一样。

启用新的商业模式

通过赋予设备连接性，为设备提供服务的制造商或公司可以改变其运营和商业模式。

它可以从反应性操作转变为预测性操作，从而提高维护人员的效率并减少计划外停机时间。

最重要的是，连接技术和收集的数据对于参与未来的行业计划（例如工业 4.0 和数字双胞胎）至关重要。

为什么这很重要？推进工业 4.0 和数字解决方案的公司能够更好地应对经济中断。在危机期间，他们可以比同龄人更快、更远地行动。这一优势并没有在该行业从 COVID 危机中消失。

要了解有关启用连接和分析以监控和支持设备的更多信息，请访问：www.ptc.com/predictive-analytics