Skip to main content

人工智能

人工智能驱动的预测分析确保机器良好运行

机器健康、预测分析、预测性维护、人工智能

机器制造商经常远程监控已出售给制造业客户的设备,但这种方法往往事倍功半。工业物联网传感器会收集到海量有关设备运行状况和性能的原始数据。但由于数据的组织方式不合理,无论机器制造商(原始设备制造商)还是客户都难以对流程作出实质性的改善。

由此导致的结果就是,车间里发生的故障有时会令制造商感到无能为力。此外,机器制造商还错失了了解设备使用情况和开发新产品、增加服务业务收入的诸多机会。

将先进的预测分析应用到机器数据洪流中,则可开启一个充满全新可能性的世界。

原始设备制造商可以创建用于实时优化机器性能的人工智能算法,并指出哪些设备可能会发生故障以及会在何时发生故障,从而使技术人员得以在故障发生前及时修复机器。他们可以通过“即服务”协议提供这种帮助,获得稳定的收入来源,还可以借助应用于机器的同一个预测模型来优化定价。

“随着数字化转型的开展,制造商们正在寻找提高效率、延长设备寿命的方法,特别是还可以将数据变现。”全球性 IT 服务公司塔塔咨询服务公司 (TCS) 互联产品和服务业务主管 Senthil Kumar 说。“今天的工业物联网技术使他们得以达成这些目标。”

通过预测性维护改善服务

制造商可以通过采用预测分析,让设备保持更好的状态,减少昂贵的上门服务次数,并为客户提供更长的正常运行时间。

例如,一家建筑设备制造商不断从客户那里收到有关停机时间的投诉。仅靠远程监控已经无法解决这样的问题了。将预测分析应用于数据是成功的关键。

“这正是我们的用武之地,我们对他们说,‘与其自己监控设备,何不让我们来进行实时分析呢?’” Kumar 说。

为了设置实时问题检测和故障预防,Equiptix 收集了历史机器数据,并针对该公司挖掘机的 10 个不同的子系统运行模型,预测它们各自的弱点和断点,通过这种方式帮助一台子系统减少了 50% 的停机时间。该公司现计划将 Equiptix 扩展到其他 9 个子系统。

预测问题还可以为设备制造商节约服务通话的成本。Kumar 说:“利用从安装现场收集到的数据,他们可以提前规划上门维护,而不是一直等到接到报修电话时才开始往外跑。”

人工智能支持的预测分析优化服务协议

随着时间的推移,原始设备制造商已分析了成百上千台客户机器的数据,他们有信心为客户提高黄金标准的服务等级:性能保证。

“过去,制造商试图向客户出售专为帮助他们提高机器性能而设计的软件,但从未成功。” Kumar 说,“客户想知道,‘这对我有什么好处?’他们真正想要的是能够带来实质性改变的东西。”

性能协议解决了管理复杂软件的难题,并为客户提供了可供充分依赖的结果。它们与实时状态监控和预测性维护相结合,为制造商提供了一种全新的商业模式——一种从服务中提供稳定收入来源的模式。下面的综合视频对此作出了进一步的详述(视频 1)。

视频 1. TCS Equiptix 平台使机器制造商能够提供状态监控、预测性维护和基于性能的服务协议。(来源:TCS

服务协议还涉及来自制造商控制范围以外的变量的风险,如天气、运输问题、燃料成本,以及竞争对手的产品定价。Equiptix 仿真模型通过对所有这些因素进行分析,制作出对客户深具吸引力的协议,同时也可为制造商提供合理的财务风险水平。

“我们会确保每份协议都存在利润空间,而且保证妥善管理所有风险。” Kumar 说。

Equiptix 还会检查制造商生产的所有数字产品,并找到建立新服务协议的机会,帮助后者扩大可靠的收入来源。

释放边缘应用的强大实力

除了预防故障和签订服务协议以外,分析机器数据还可以帮助制造商针对特定客户的使用方式来优化运行中的机器性能。Kumar 说:“人们希望在边缘处理信息,但目前的大多数设备都无法提取足以运行分析的数据。”

制造商可以通过与 TCS 工程师合作来选择所需的正确数据,从而创建和部署具有针对性的性能增强应用。

边缘应用为 TCS 客户带来一系列复杂功能,如机器视觉、混合现实和数字化映射——皆可实时提供。高性能英特尔® 处理器使客户能够在边缘机器上使用这些服务,无需连接到云。它们可以提高效率、改善质量控制,并在公司投入资金、实地部署机器之前,先通过模拟调整机器流程。

“这就是边缘的力量。” Kumar 说。

全新的工业物联网前沿

边缘应用、预测性维护和“即服务”型业务模型为机器制造商带来更高效、利润空间更大的全新未来。实现这一目标需要时间,但制造商为获得回报,已经开始做出必要的改变。

“这不仅仅是技术的问题——你在改变整个业务模式。” Kumar 说。“旅程很漫长,但我们已经取得了相当大的进展。”