IBM：通过 EAM 主动确保可靠性和安全性

IBM 的 Skip Snyder 讨论了有效的 EAM 解决方案对制造商的好处

将软件、系统和服务企业资产管理 (EAM) 相结合，有助于在运营资产的整个生命周期内维护、控制和优化运营资产的质量。在与 IBM 全球企业咨询服务部高级合伙人 Skip Snyder 交谈时，他将 EAM 解决方案的优势分为三类：优化质量和利用资产、生产正常运行时间和降低成本。

优化质量和利用资产

简而言之，“维护良好的设备支持可靠、高质量的输出，”Snyder 说。 “但是，预防性维护可能非常昂贵，并且组织一直在尽可能减少不必要的检查。”

优化质量和利用资产的一种方法是通过传感器监控资产健康状况，观察表明潜在退化的趋势，可以采取行动防止故障。其他方法包括使用摄像头和麦克风来监控设备的健康状况——在某些情况下，根将传感器、摄像头和麦克风传送到设备并收集数据。这种方法提高了技术人员的工作效率，让他们能够在继续收集数据的同时完成更高价值的任务。

“随着资产上传感器和设备数量的增长，跟踪的数据量呈指数级增长。单靠人类来监控一切变得不可能。人工智能现在在企业资产管理 (EAM) 中发挥着重要作用，有助于理解所有数据并从中获得价值，因为它可以学习和识别趋势。该技术可以通过将数据转化为可用于推动更有效维护的可行见解来加深对资产的理解，”Snyder 说。

“例如，基于条件的维护正在取代基于时间的维护。无需每隔几个月或按既定时间表进行检查或维修，来自运营数据和分析的洞察力可以预测资产故障。这可以确保需要关注的资产在正确的时间得到它，从而提高可靠性并优化维护。远程监控功能可实现持续的异常检测。资产性能由人工智能 (AI) 持续跟踪和评估，它可以根据平坦条件和传感器读数的突然变化等指标触发警报。”

糖溪啤酒厂

“Sugar Creek Brewery 是 IBM Maximo 客户使用 EAM、AI 和 IoT 来优化质量和减少损失的一个例子。他们在制造过程中每月因啤酒溢出而损失超过 30,000 美元。通过集成技术在酿造过程中，他们能够识别影响其产品质量的问题。填充时间、温度、pH、重力、压力、碳酸化和液位等参数都被送入云端进行分析。这些数据可以通知新的流程或改进现有流程，以确保产品满足制造预期，并且从制造损失中节省的成本现在重新投资于业务，”-Skip Snyder，IBM 全球企业咨询服务部高级合伙人。

高效的正常运行时间

通过拥有以开放式混合云平台和人工智能驱动的智能工作流程为基础的正确 EAM 系统，制造商可以“检测潜在的设备故障并自动向技术人员发出工作指令以防止故障，并提供解决问题所需的所有信息，包括工具、资产历史、根本原因分析和最佳实践，”Snyder 补充道。

降低成本

在评估成本时，Snyder 解释说，这可以通过两种方式完成：“首先 技术人员是否在正确的时间以正确的方式做正确的工作？ 第二个 是，由于故障、维修延迟或缺少零件而导致的设备停机时间是否已消除或最小化？”

现在，对于第一部分 ，技术人员的效率越高，他们可以保持和持续运行的设备就越多。 “效率越高，价值就越高，”Snyder 补充道。 “实时洞察和自动化功能使您的员工能够快速而自信地做出数据驱动的决策，并将他们的精力集中在更高价值的工作上。”

对于第二部分，在设备维护需求方面已知和可以预期的信息越多，操作的效率就越高。 “结果是减少了由于意外故障或由于没有零件来修复它而不得不延迟维修而导致的停机时间。有了正确的信息，您将能够预测故障，并且通过正确的 EAM 计划，您现在可以在正确的时间以正确的数量获得正确的零件，从而优化设备性能并提高整体设备效率 (OEE)。”

制造商采用 EAM 解决方案的最佳实践

归根结底，Snyder 认为采用 EAM 解决方案有许多最佳实践，但最终归结为了解设备健康状况、为员工配备正确的信息和工具，以及主动确保可靠性和安全性。

“要实现这一目标，拥有混合云和人工智能功能至关重要。开放的混合云架构允许制造商将处理移至更靠近操作的位置，并减少数据延迟，以便及时将正确的信息和工具提供给员工。然后，人工智能会帮助员工对来自制造车间及其他地方的大量数据进行分类，以帮助他们了解设备的实际情况以及解决出现的任何潜在问题的最佳行动方案。”

制造商的主要关注点还应该是良好的数据实践。鉴于 EAM 依赖于数据来做出决策，“数据质量差或缺乏数据会导致技术人员将时间浪费在错误的优先级上，在需要的时间和地点无法获得库存，没有可用的正确工具，最终，设备故障和生产延误。”

为了从预防转变为主动，制造商必须制定“利用物联网、移动、人工智能、机器人技术和其他技术创新来收集、分析和处理数据；了解其设备的健康状况；最后，自动化流程以根据技术产生的见解采取行动。”