当变化威胁到汽车行业时，它始终能够创新和应对。现在，汽车制造商正在经历另一个翻天覆地的转变，随着驾驶习惯的改变以及消费者、政府和其他利益相关者的压力越来越大，要求他们提供更环保、更高效、更可持续的车辆和所有权模式。 这些变化正在推动汽车创新的新时代，改变车辆本身，以及生产它们的工程师、设施、资产和制造流程。 汽车行业面临的最大挑战之一是提高生产效率。目前，汽车行业的停机成本超过每小时 350 万美元。这一现实迫使运营和维护团队确保生产设备尽可能高效和可靠。 汽车制造环境的性质正变得越来越相互关联。零部件和车辆以越来越协调的方式流经工厂。这给生产经理及其工程同事带来了更大的压力，以尽量减

“人工智能可以通过在正确的时间提供正确的信息来提高我们的分析和决策能力。” 协作智能：人类和人工智能正在联手，哈佛商业评论，2018 年 7 月。 无论是应用于农业、医疗保健还是通信，技术都支持和增强人类的任务或体验。利用计算能力来处理大量数据，技术可以在人类几乎不可能的时间内提供巨大的分析和洞察力，使专家能够识别并专注于优先案例。在这里，我们看一下案例以及这种机器学习方法在今天的使用情况。 审查中的人工智能案例 有一些令人兴奋的人工智能和先进的分析工具被用于提高各行各业的生产力和效率的例子。下面我们来看两个例子： 1。医疗保健： 作为 Moorfields 眼科医院 NHS 基金会信

因此，您已经决定需要一种工具来帮助您了解机器的性能并更好地了解它们何时可能出现故障。您的最终目标是减少计划外停机并提高所有重要的 KPI——OEE、OTIF 等。那么在这些工具中需要注意哪些关键功能？ 1 - 焦点 整个制造分析市场正变得非常拥挤。似乎每个分析产品都有预测性维护的解决方案。你需要清楚他们到底提供了什么。大多数只为您提供创建解决方案的初始环境，因此期望支付顾问或内部开发人员的费用来定制它以创建您的自定义解决方案。 这不是一项廉价的任务（需要大量的经常性成本），但很可能会为您提供与您自己的流程和工作方式完全一致的产品。这是一个需要仔细考虑的权衡。 2 - 范围 预测性维护是

长期以来，制造业一直是一个将最高绩效、运营效率和质量目标放在议程首位的行业。利用数据和工业物联网 (IIoT) 可以支持这些目标。另一个执行速度更快的数字化机会可能比您想象的更近，因为制造商现在利用预测分析来加速他们的数字化转型之旅。 在 Senseye，我们亲眼目睹了智能工厂的兴起。制造商正在通过预测分析解决方案更多地利用数据。它们结合来自不同现有来源的数据，直接来自机器、维护系统或 IIoT，使生产流程更加高效、敏捷和响应迅速。 预测分析支持另一个企业目标：实现预测性维护。这种做法依赖于收集和分析来自不同来源的数据，以发现即将发生的资产故障的信号，同时为工程师提供调查和确定最佳行动所

在工业 4.0 的理想世界中，数据成为新的货币，在合作组织内部和合作组织之间流动，以造福所有人。 但是，对于许多组织来说，实现这种数据开放是一个巨大的挑战，这些组织传统上将其运营数据限制在孤岛中。在组织内，不同的系统管理不同的功能，它们之间很少或没有信息交换。而且，如果他们甚至没有在不同部门之间共享信息，许多组织就会不愿与他们的设备供应商共享信息。 但组织只能通过允许数据自由流向任何可以充分利用它的系统来获得工业 4.0 的巨大回报。 工业 4.0 所承诺的好处涉及业务的各个领域，但资产管理和维护运营转型的能力很好地说明了数据所发挥的重要作用。 放弃反应性甚至计划性维护以支持预测性维护

采矿和精炼金属业务是世界上最古老的业务之一，虽然它从现代机械和数据分析的使用中受益匪浅，但创造价值的方式几代人都保持不变。金属和采矿业的未来提出了一些需要预测和管理的关键挑战，以使该行业的车轮保持盈利。 尽管需求不断增长，但由于进入市场的产品数量庞大，金属和其他矿物的价格仍然承受着巨大的压力。因此，制造商需要找到成本效益来保护底线，并在不断波动的经济环境中提供一定的稳定性。 然而，生产商提高效率的能力受到市场主要参与者已经收获的自动化最低成果的挑战。迈向更高效率的下一阶段要求生产商进一步进入工业 4.0 领域。虽然这似乎是向未知领域的巨大飞跃，但对于已经在其生产环境中充分利用数据的行业

在一份新的独立报告中，Verdantix 调查了 Senseye 如何使用机器学习来防止计划外停机并延长资产寿命，以及 Senseye 如何帮助工业公司和设备制造商实现其维护目标。该报告随后强调了为什么 Vendantix 建议拥有成熟维护策略的公司希望在延长资产寿命的同时减少资产停机时间和维护成本，应考虑将 Senseye PdM 添加到其资产管理堆栈中。 通过下载“Verdantix 报告：Senseye 证明 AI 支持的预测性维护的价值”阅读报告全文。 关于 Verdantix： Verdantix 是一家独立研究和咨询公司，专注于优化业务运营的创新技术。 作者： D

在选择预测性维护制度时，减少停机时间可能是您的首要任务，但还有其他丰厚的回报。不要忽视消除过度维护的潜在好处。 每个计划的维护计划都包含过度维护，该计划依赖于定期、预定的时间间隔执行工作。这是因为从 OEM 到维护经理的每个人都在维护间隔中建立了安全裕度，以“确保安全”。 谨慎的高成本 以更换终身润滑轴承的指南为例。建议的更换间隔可以在 16,000 到 40,000 个运行小时之间。每次更换轴承需要 30 分钟到 2 小时之间的任何时间。与 40,000 小时相比，以 16,000 小时的更换间隔更换轴承所花费的工时将增加 2.5 倍。一个典型的工业现场有数千个轴承，因此这是一笔巨大

运行旧机器的公司如何跟上工业 4.0 和智能工厂运动的步伐？ Senseye 的首席技术官 Robert Russell 写道，为旧资产添加预测性维护物联网传感器可能比您想象的更容易、更便宜 你感到紧张和不确定。你怀疑你的车还有很多里程。但它已经坏了一次。而且您真的不希望它在糟糕的时刻失败（有没有好的 一？）。那么，在新车上花费可能不必要的钱？与经销商安排昂贵的日常服务？还是交叉手指继续开车？ 当涉及到大型工业机械时，这种紧张的不确定性会成倍增加。 1990 年代、1980 年代甚至 1970 年代的机器通常为公司提供了很好的服务；他们不愿意为不必要的更换支付巨额资本成本。 但失败可能

与智能工厂革命相关的预测性维护和其他互联技术为提高生产效率和可见性提供了巨大的机会，但它们也带来了额外的运营风险——安全性。 网络攻击正在增加，制造业正在遭受数据盗窃、访问锁定数据的赎金、机器停机、现场安全和建筑质量威胁。 我们着眼于组织在实施可扩展的预测性维护计划时应注意的安全注意事项。 安全的重要性 2019 年 11 月 – Pilz 是世界上最大的自动化工具生产商之一，遭受了勒索软件感染，影响了其在 76 个国家/地区的所有地点超过一周。[1] 2018 年 7 月 – 一名黑客将机场的安全系统访问权限放到暗网上以仅 10 美元的价格出售。[2] 2018 年 3 月 –

在最终产品不能提供大利润且需求不断增加的行业中，必须通过高效的分销工厂来获得增量收益。在过去十年中，对自动化的大量投资试图缓解仓储和物流行业的这些压力。 配送工厂的内部是一个自动化的奇迹。 数英里长的集中式输送线从超过 80,000 平方米的仓库深处提取库存。目前，唯一的人工交互是机器检索产品后的拣选和包装。 在任何高度互联的过程中，供应链的停机时间都会影响利润。物流的线性特性，所有库存不断向一个方向移动，这意味着任何停机时间的影响都可以很容易地看到。如果发生严重故障，库存将备份在传送带上，卡车将备份在院子里。 供应链计划外停机的成本。 在如此庞大且无人值守的环境中，维护团队必

作者：Senseye 首席技术官 Rob Russell 在考虑将预测性维护 (PdM) 技术引入制造或其他工业环境的好处时，很容易将重点放在通过减少机器停机时间和提高维护效率来实现财务改进上。 事实上，对于与 Senseye 合作的全球组织而言，通过将停机时间减少一半并将维护效率在某些情况下提高多达 40%，可以获得可观的收益。 然而，这项技术对健康和安全的贡献也应被视为次要好处。这可能与财务改善一样重要，甚至更重要。 在我们的本土市场英国，工伤致死率已从 1980 年代初的每 10,000 人中的 2.5 人下降到今天的约 0.5 人——尽管过去五年左右的下降速度一直保持平稳

Senseye 的首席财务官 Simon Jesenko 着眼于有效的维护计划如何成为制造商节省现金的关键。 由于利润比以往任何时候都更加紧缩，并且需要满足不断变化的客户需求，世界各地的制造商都发现自己面临着削减成本和节省现金的压力，尤其是考虑到全球大流行带来的不确定性。许多人希望尽量减少资本支出，因此希望延长现有资产的使用寿命。 考虑到这一点，对于确保成本和性能方面的效率至关重要的一个领域是设备维护，即使只有一小时的停机时间也可能使制造商损失高达 350 万美元的生产损失。此外，现在越来越多的制造商如果不能按时、按时交付，就会受到客户的处罚，而且很明显，设备必须始终以最佳的效率水平运

通过切换到预测性维护来增加利润 无纸化办公室的可能性可能被夸大了，但毫无疑问，近年来数字通信对传统的纸张市场产生了巨大影响。 2015 年，全球对图形纸的需求出现了有史以来的首次下降，此后北美和欧洲市场继续萎缩。与此同时，中国对纸制品的需求增长慢于预期，而亚洲的产量正在增加，以取代从欧洲和美国的进口。 造纸行业以包装纸板和薄纸以及卫生产品甚至纺织品的纸浆的强劲增长进行了反击。还有一个逐渐整合的过程，导致更少、更大的参与者从更高的效率和规模经济中受益。这些对策导致了持续增长的预测，数据门户网站 Statista 表明，到 2024 年，全球纸浆和纸张市场将达到 796 亿美元。即便如此，仍

Senseye 联合创始人兼首席技术官 Rob Russell “维护信用卡”谬误 我们生活在不确定的时代。各地的企业都不得不削减成本并寻找新的工作方式，以快速适应强调远程工作和自动化的“新常态”。由于工业公司希望节省资金，因此资产维护通常是最先经历预算削减的领域之一，导致资产在很少或根本没有维护的情况下流汗——有时被称为“维护信用卡”。 但这留下的维护债务可能会产生令人担忧的高利息，在某些时候必须全额支付.由于忽视维护，公司会引入业务风险，包括资产压力过大、内部知识和专业知识受到侵蚀，以及最令人担忧的可能是他们可能永远无法恢复的维护负担。 但是，对于这种高风险、高兴趣的方法，还有另一种选

使用智能手机提供智能远程工厂参观的7步方法 在我们提供有关状态监测的建议之前，访问潜在客户的网站总是有用的，我们可以仔细查看有问题的机器并采访最了解它们的人。但是，鉴于“新常态”，我们面临的限制意味着，在大多数情况下，我们目前无法进行这样的访问。 但是还有其他选择。当无法进行实际访问时，智能手机和视频会议技术以及某些基本信息可以让我们远程访问潜在客户的站点并了解我们需要的一切，以便为其机器提出正确的建议。 这是我们的 7 步指南： 1.注入知识 我们的状态监测方法是尽可能地了解机器，以便我们可以有效地将我们的工程知识注入他们的机器学习。我们没有遵循经典的数据科学模型，将数据扔给算法以希望

经验丰富的维护工程师对他们所关心的机器有一个详细的心理画面。他们知道什么时候发出嘎嘎作响的阀门意味着即将发生故障，或者什么时候可以安全地忽略它，直到下一次计划关闭。如果自动化预测性维护系统可以利用这一知识库，它就可以学会为必须决定优先考虑哪些维护活动的用户提供最佳支持。 在以用户为中心的预测性维护方法中，维护团队仅在系统根据他们过去发现的有用信息认为他们会发现有用的信息时才会收到警报。 这有点像 Netflix 或亚马逊等数字内容提供商定期存储有关每个用户选择观看的内容的信息。他们可以用它来驱动一个“推荐引擎”，根据他们的反馈不断改进它向每个用户展示的电影。 这是我们在 Sense

空荡荡的超市货架。在其他任何行业中，供应链中断的影响都不会像快速消费品那样暴露无遗。它创造了全国性新闻、热门话题标签和沮丧的消费者。 在客户需要的确切时间范围内生产客户需要的精确数量是一种极其高效的工作方式——当它有效时。 当面对激烈的竞争和某些产品的保质期有限时，这也是正确的工作方式。然而，快消品制造商所采用的“准时制”交付模式的一个不幸后果是，生产线上的单个关键机器故障可能会让他们人手不足、缺乏改变和严重尴尬。 这些环境中的生产线旨在最大限度地提高产量，这意味着几乎没有机会停止生产并检查制造资产的健康状况。当前的维护实践往往是机会主义的。快速生产意味着工程师团队必须充分利用计划内

预测性维护 (PdM) 是一种在机器故障成为问题之前解决它们的主动方法。通过分析大量机器数据，PdM 使维护人员能够了解机器的健康状况并相应地优化其活动，以防止意外停机并消除突发故障。但是，尽管有明显的好处，但大多数 PdM 部署都注定要失败。在这篇文章中，我们将探讨 PdM 的兴起，以及为什么这么多供应商 - 以及他们的客户 - 继续犯错。 预测性维护 - 过去和现在 预测性维护已经存在的时间比您想象的要长得多。在第二次世界大战期间，科学家 CH Waddington 观察到，飞机的故障或维修率往往在检查或维护后立即达到最高水平。这种被称为“沃丁顿效应”的现象导致了维修过程的调整，以适应

机器健康管理软件的领导者 Senseye 宣布推出 Senseye PdM Omniverse®，这是一个强大的知识平台，用于支持和指导工业公司的预测性维护之旅。 Senseye 今天宣布发布 Senseye PdM Omniverse®，以帮助工业公司进行预测性维护之旅，从最初的业务案例和设计阶段，到数据准备，再到文化采用和扩展。 Senseye PdM Omniverse 汲取多年的经验，为数字维护团队提供确保持续成功所需的专业知识。 分析师估计，超过 80% 的预测性维护项目失败，通常是由于缺乏状态监测专业知识和数字化转型项目的适当“最佳实践”。自 2015 年以来，Sense