运营技术系统集成商利用过程自动化发掘新机遇
运营技术 (OT) 系统集成商必须在硬件、软件和云服务提供商之间编织复杂的伙伴关系网络，才能为客户提供全面的端到端解决方案。因此，对许多运营技术系统集成商来说，部署 AI 驱动的预测性维护系统（制造商的“刚需”）可能是遥不可及的。
与 Arrow Electronics 等解决方案聚合商合作，他们可以克服这些挑战并发现新机遇。Arrow 与一流的技术提供商合作，提供全栈解决方案。它完成了昂贵、耗时的基础工作，包括寻找、采购、测试和集成所有系统元件。
一个例子是 Senseye PdM AI 驱动的预测性维护解决方案。Arrow 与 Senseye 合作构建了一个边缘到云端的解决方案，其中包括预先配置的硬件、传感器和分析软件，以及专家设置和支持。
预测性分析缩短了运营停机时间
Arrow 选择 Senseye 不仅因为其拥有领先的 AI 技术，还因为该公司擅长在最终客户的现有运营流程中引入预测性维护。
Arrow 的 EMEA 地区智能解决方案业务技术总监 Andy Smith 说：“项目的成功不仅需要技术，还需要将解决方案整合到客户的流程中。Senseye 与业务和运营团队合作，获得了支持，之后开始进行整个工作流程，目标是以可衡量、可持续的方式证明投资回报率。这个流程非常可靠，分为八个步骤，不仅可由 Senseye 执行，还可由系统集成商执行。他们非常喜欢，因为他们帮助客户完成了数字化转型过程，并带来了极高的价值。”
Alcoa Corporation 是铝产品领域的全球领导者，与 Senseye 建立了合作。Alcoa 的业务目标是采用最佳设备维护方法，包括从计划性维护转变为预测性维护。
Alcoa 最初在冰岛东部一个偏远的铝冶炼厂实施了 Senseye 解决方案，作为全球部署的第一站。该场地被设计为一个废弃物零填埋项目，是同类场地中环境可持续性最强的设施之一。
PdM 解决方案与现有维护系统连接，分析机器状态指标，在发生功能故障之前提供自动警报和诊断。例如，在锯电机的松动部件导致问题数周之前，系统就可以向场外人员发出警告。该工厂的非计划停机时间缩短了 20%，提高了运营效率并降低了维护成本。
采用边缘 AI 的制造过程自动化
在工厂车间，AI 驱动的 PdM 工业边缘计算机利用 PLC 数据源接入现有嵌入式过程控制器，收集数据，用于进行实时分析。制造商还可以在缺少 PLC 组件的设备中增加新传感器，使经理能够掌握有关机器温度、振动、当前负荷等的细节。
借助英特尔® OpenVINO™ 工具套件，系统软件使用 AI 推理对所有传感器数据进行预先筛选和标准化，将其从专有格式转换为云就绪协议。搭载英特尔® 处理器的机器专为在恶劣工业环境中运行而设计，将数据回传到 Senseye 平台。基于云的平台将不同来源的数据汇总到分析报告和可定制仪表板中，使制造商能够在多个场地之间轻松扩展解决方案。
并非所有 AI 算法都是相同的。大多数预测性维护解决方案先扫描传感器数据中的异常，为异常读数添加“机器需要注意”的标记。Smith 说：“这种方法的问题在于，即使使用相同类型的电机和驱动器，几乎每台机器的签名都与其他机器不同。”
Senseye 采用了一种称为指纹识别的更为精细的方法，可识别出每台机器都是不同的。在任何设备上运行一小段时间后，AI 系统就能掌握各个机器的配置文件（称为“指纹”），这会成为未来运行状况的模型。当机器偏离识别了指纹的模型时，系统会发出需要维护的警报。
Smith 说：“Senseye 花费多年时间研究和完善了这种方法。这对他们来说是一个显著差异化因素，为解决方案带来了极大的价值。”
运营技术系统集成商发掘新机遇
Arrow 与运营技术系统集成商生态系统合作，确保这些合作伙伴能够受益于更短的上市时间和新的业务机会，而且制造业客户能够改进运营并节约资金。
随着计算机视觉和私有 5G 网络等相关技术出现并影响制造领域，Arrow 将继续提供新的异常检测、工人安全和网络安全解决方案。
Smith 说：“显而易见，在通过运营技术系统集成商编排解决方案的过程中，市场需要有人来发挥这种作用。随着制造业经历数字化转型，我们还有很多工作要做，并将持续创新。”