提升工业性能：以物联网与分析克服监控挑战

探讨物联网和分析如何改进和增强工业设备及流程的性能监控。

行业面临的性能监控挑战

许多工业组织寻求通过数字化改善运营、提高效率。利用物联网和分析改进工业设备及流程的性能监控是重点关注领域。

RTInsights近日与西门子资深企业销售主管Andreas Steidele对话，探讨了性能监控的行业挑战、MindSphere如何提供帮助及此类物联网解决方案的优势。以下是对话摘要。

RTInsights: 性能监控面临哪些行业挑战？

Steidele: 多年来，制造商面临的最大挑战之一是使用纸质工具手动录入数据。Excel仍是最常用工具，但不适合数字化。会产生人为错误和转录问题，无法确保数据真实性。

另一挑战源于数据采集方法缺乏标准化。公司若有多种工具，它们运作方式不同，捕获和呈现数据的算法也各异。

设备环境也是挑战，大型工厂往往继承或引入多种设备，形成包含不同软硬件的异构设备环境，难以连接各设备获取数据。

最后一个挑战是缺乏使数据富有洞察力和可用性的智能，以便得出结论并创造价值。

RTInsights: 西门子有哪些技术和解决方案应对这些挑战？

Steidele: 西门子提供名为MindSphere的工业物联网即服务解决方案，托管于云端。它维护一个数据仓库，存储从设备和机器发送上来的数据。数据采用特定数据模型，根据资产和机器定义，并带有上下文。

在此基础上，我们有MindSphere应用。这些应用利用MindSphere数据运行分析和其他功能。在性能管理方面，它显示用户定义的KPI，提供关于机器在质量、性能和维护方面行为的数据。

我们有多个协同工作的应用，共同创建强大的性能监控解决方案：

• SIMATIC Notifier：发送警报，让管理者全球追踪监控机器状况。可设置阈值，在MindSphere中监控时间序列数据。管理者可基于数据在应用内实施工作流。
• SIMATIC Performance Insight：一目了然掌握机器和工厂性能。管理者可通过应用访问机器、生产线和全球工厂的完整性能概览。还可随时间监控性能指标，分析特定时期数据以发掘未利用的性能潜力。
• SIMATIC Collaboration Board：提供协作解决方案解决生产问题。应用让管理者跨团队和站点共享问题和解决方案，分配和管理任务，追踪问题和解决方案状态。

MindSphere整合这些应用能力，允许用户建立性能监控的端到端工作流。典型场景：管理者收到异常警报，查看分析KPI等指标理解问题，搜索协作数据库看是否有现成解决方案，若无则用不同方法解决并记录，供未来遇到同样问题的人参考。

RTInsights: 使用此类物联网解决方案有何益处？

Steidele: 若拥有合适的物联网解决方案，所有资产互联，数据发送至云空间。这样数据不只本地可用，全球可访问，这是MindSphere最大优势。可通过物联网协议简单连接机器或资产。

进而可深入分析，利用数据识别解决机器问题。机器性能不佳会导致吞吐量下降。MindSphere性能监控提供强大工具，确保质量达标，并能采取行动持续改进性能、质量等。

性能监控和MindSphere协作能力带来即时改进，可成为企业数字化转型的基石。

RTInsights: 能否举例说明这些益处如何实现？

Steidele: 以维护为例。物联网出现前，机器故障需致电服务热线，技术人员接听电话判断问题，通常需派人现场查看再维修。

借助物联网数字化，数据可在服务中心获取。无需派人现场，可远程虚拟洞察机器参数和行为，得出结论。若需通过更新、软件、补丁修复，可远程完成。或若无法远程修复，服务技术人员到达时已知晓检查重点。

服务维护常可虚拟化、更快完成，节省时间、差旅和工时，大幅降低成本。

另一例是性能。过去一切在现场，只能看单机或单厂性能数据。难以对比其他产线或工厂性能，因数据通常不可全球获取。更糟的是，各站点采集数据方式不同，各自计算。

用工业物联网性能监控，可用相同方式衡量每个站点或产线。因拥有单一事实来源，可对比数据。可对产线和工厂性能基准化，得出结论看哪个配方最好、哪个班次最好、谁需培训以更高效操作机器产线。