CESMII的SMIP在北卡州立大学交付预测分析成功案例

数据管理：CESMII厂商无关智能制造创新平台（SMIP）在北卡州立大学演示预测分析价值

近期CESMII厂商无关智能制造创新平台（SMIP）演示中，项目合作伙伴首先助北卡州立大学净水厂管理者迈出步子，分析智能仪表采集的数据。

“自动化超百年，”ThinkIQ联合创始人Niels Andersen说，“海量数据采集，极少被用。数据无意义、无上下文、未以可分析方式整合。”

项目其他关键部分：确保所有数据采集设备有全限定名、用图数据库映射多元关系、聚焦单一标准（理想为OPC UA）、确保不同系统协议互通、开发更好设备虚拟模型。

最终成果将是标准化智能制造部署的SMIP，以可复制、厂商无关、易用平台替代定制开发，让任何规模制造厂利用所有数据。

CESMII（清洁能源智能制造创新研究院）意在年底前推出SMIP强力版1.0，CESMII技术副总裁Jonathan Wise说。

为在北卡州立厂实现预测分析——视为类制造环境——合作伙伴ThinkIQ、Savigent、Seeq、Syspro、Semiotic Labs、微软聚焦整合多孤岛技术、升级监控水质PC，系统集成商Avid数字化转型总监Tim Shope说。

升级前，调取一周历史数据等基本任务耗时过长。

随后ThinkIQ团队等部署Seeq分析引擎，从OSISoft可编程基础设施环境拉取实时数据，分析反渗透膜，用CESMII SMIP融合所有数据，设膜更换条件阈值——自动触发Savigent软件工单，Shope说。

下步建高纯水泵模型，该泵任务关键，备泵旁置以便报警指示压力或其他问题时NASCAR式快速切换。

物联网传感器在机器学习系统远程监控泵。几周后学得泵特征波形，能判泵是按设计运行还是开始出现机械电气问题。

新平台能提前近四个月预测电机故障。

合作伙伴还给每台泵单独命名。“全叫Pump_01则无上下文，”Andersen说，“给完整名、拥多样工具赋予意义至关键。”

理想中每泵命名含机床名、产线名、厂名、泵供应商，Wise说。少数厂商提供全限定命名，许多没有。

CESMII项目后期此映射将自动化。

北卡州立大学成首个获SMIP中心

CESMII 4月在北卡州立大学启新智能制造创新中心（SMIC）。是CESMII四SMIC中首个叠加SMIP。其余三中心在UCLA、德州农工、伦斯勒理工。

CESMII近期虚拟年会上CEO John Dyck称在寻找更多SMIC，如机器人、汽车、化工、钢铁、AI/机器学习领域。

SMIC旨在链接制造商、技术供应商、系统集成商、设备商与学术界，“演示并驱动可规模化至全美制造的研究创新”，公私合营组织称。

SMIP将开放规范

CESMII将以开放规范发布SMIP——任何供应商可用，Wise说。

“这些理念若被行业他处采纳我们就赢。这需要某种利他主义，一些制造商犹豫因不确定是否奏效。”

“是时候让一层解决方案开放传世，好让我们聚焦其他问题，”Wise补。

棘手的“空白地带”

最大挑战之一：“每个设施随时间积累了基础设施、系统、设备、工具的大杂烩，”Savigent客户成功高级副总裁Mark Besser说，“那些投资在当时点都极具体地解决了某问题挑战。许多技术为解决那些问题定制开发。但放宽视野看全景，会发现那些技术间存在的所有空白地带。”

其他案例：制造商想整合不同供应商技术却无法，因这些系统未设计为与其他专有平台兼容。

目标是在不超预算、不强迫换供应商前提下，让所有可用数据发挥作用提升效率可靠性，Wise说。

例：制造商跑A公司软件想要B公司能源监控方案，往往只能拆A装B。

Shope补：“不能今天把所有供应商平台从设施拆光。需达成厂商无关之地。”

旨在降基建成本

数字工厂项目约70%成本在硬连线自动化结构、连数据、建基建，Wise说。剩30%在开发应用分析数据创造新价值。

但常整个数字工厂预算耗在基建搭建上，远在开发分析数据应用项目前。

CESMII借SMIP降那70%成本，让制造商聚焦预算开发分析数据应用，Wise说。

转型非一蹴而就。“非开关灯，”Shope说，“美有庞大制造基数。系统需随时间迁移采纳。”