總結
最近工業物聯網(IIoT)相關的進步，如大數據、低成本雲計算和高級分析，使一類新的應用程序能夠提高資產性能。較高的正常運行時間和資產壽命是重要的kpi，因為它們有利於損益表和資產負債表中的高管指標。使用工業物聯網和分析技術進行狀態監測和預測性維護，可以幫助確保關鍵資產的高正常運行時間，特別是在那些82%具有隨機故障模式的資產中。工業物聯網提供了一個機會，通過更高的可靠性、業務流程自動化，甚至變革性的變化，顯著提高運營性能。
沒有炒作的工業物聯網
工業物聯網將智能物理實體(傳感器、設備、設備和產品)連接到互聯網服務和應用程序。工業物聯網架構建立在當前和新興技術的基礎上，如具有IP地址的智能設備、機器對機器(M2M)通信、移動性、雲計算、大數據、分析、可視化工具和機器學習。利用基於物聯網技術的工業解決方案不需要實質性的技術突破(在歐洲，“工業4.0”一詞已獲得重大關注)。隨著底層產品開發和經過驗證的案例故事到位，采用正在迅速推進。
細分消費和工業物聯網-時尚vs投資回報率
當對物聯網應用的預測包括智能手機、可穿戴健身追蹤器、智能恒溫器、聯網汽車和其他現有產品的應用時，巨大的數字通常會使工業應用相形見絀。特別是在大多數消費物聯網產品的低價點上，購買決策可以基於一時興起，可以表現出類似時尚的行為。
這種購買行為在工業部門幾乎不存在。組織需要效益和相應的業務案例，以顯示投資回報(ROI)或風險降低(環境、健康和安全)。采購批準涉及一個具有相互製衡的業務流程。通常，發起人會進行調查，了解利益將如何產生，並提出建議。管理層審查，要麼批準，要麼不批準。決策是以理性的、業務驅動的方式做出的。
工業物聯網應用
工業物聯網解決方案可以簡化為三個主要部分:
- 用於數據采集的傳感器或智能設備
- 通信網絡
- 帶分析功能的雲應用
傳感器可以安裝在帶有處理器、內存和小型軟件應用程序的智能設備中。或者，傳感器可以是控製係統的一部分，將數據輸入曆史記錄或其他有時間戳的數據庫。通信為分析提供了訪問數據的途徑，以預測設備故障或識別需要注意的操作問題。當條件允許時，警報將發送到操作或維護。
我們看到工業物聯網的采用出現了井噴式增長。消費電子產品——尤其是智能手機——提供了規模經濟，以降低傳感器、網絡、計算和應用程序開發的成本。
分析和大數據的新應用類別
曆史學家和分析學已經存在了至少30年。在那段時間裏，摩爾定律的影響極大地提高了數據存儲和計算能力。此外，提供數據的智能傳感器和設備的數量也在增加。這種大數據、廉價雲計算和高級分析的融合催生了一類新的應用程序。
為了發現“隱藏”在數據中的價值，分析已經變得無處不在。標準化平台(如IBM的Bluemix平台)減少了實現應用程序所需的工程和編程投資方麵的摩擦。實現成本和易用性顯著提高，推動了接受度。
通過雲計算，廉價的IT資源降低了項目風險。人們可以從一個免費的入門級服務開始，建立一個小型應用程序的原型，甚至是試運行。如果它不起作用，放棄這個項目會帶來低損失。學習並繼續前進。隨著項目取得商業利益，成本開始產生，並不斷擴大。
工業物聯網推動更高的資產績效
工業物聯網和帶有時間戳的數據存儲庫可以普遍訪問運行數據。添加分析可以改善現有的應用程序，並創造新的機會。
具有正常運行時間和資產壽命的IIoT項目論證
大多數工業組織都有一些關鍵設備，這些設備的計劃外停機會中斷操作，導致錯過發貨。收入的減少降低了損益表中的利潤。此外，一個未被發現的小問題可能會演變成一個更大的問題——就像機油不足會導致你的汽車發動機卡住一樣。這縮短了資產的壽命，而更換資產會消耗資產負債表上的現金。收益和現金管理影響股票價值並引起管理層的注意。因此，維護功能的關鍵指標通常包括正常運行時間和資產壽命。將這些指標與財務報表聯係起來的項目理由通常會得到執行管理層的積極認可。工業物聯網為額外的狀態監測和預測性維護提供了一種新手段，可以在導致可怕的計劃外停機之前發現問題。
預防性維護適合18%的資產
預防性維護假定設備故障的概率隨著使用的增加而增加，並根據日曆時間、運行時間或周期計數來安排維護。然而，來自四項不同研究的失效模式數據表明，(平均而言)隻有18%的資產具有與年齡相關的失效模式;82%的人表現出隨機模式。這些數據表明，預防性維護僅為18%的資產提供了好處。對另外82%的項目進行項目管理，通過將資產放置在B型曲線的開頭以應對早期生命失敗，很可能會導致失敗。使用工業物聯網的狀態監測可以為其他82%的資產提供適當的維護策略。
簡單和複雜物品的失敗模式
資料來源:RCM指南，NASA, 2008年9月
2006年美國海軍潛艇維修數據分析
業務流程轉換
識別即將發生的故障，而不采取適當的預防措施是沒有好處的。不幸的是，許多組織都在操作、可靠性、維護管理和技術人員之間使用臨時通信。通常情況下，發現的問題會丟失，導致無法采取行動，最終導致計劃外停機。涉及業務流程自動化的應用程序集成的工作流改進可以避免丟失警報。將工業物聯網與應用程序集成相結合，有助於確保更少的“丟失”問題，具有更高的正常運行時間和資產壽命。
工業物聯網與業務流程自動化和工作流改進
(CBT =基於狀態的維護;PdM =預測性維護
工業物聯網和分析案例
提供業務改進的工業物聯網和分析的一些快照示例包括:
- 總部位於韓國的跨國鋼鐵製造公司浦項製鐵(POSCO)將工業物聯網和分析應用於兩家熱卷廠，將計劃外糾正維護減少了45.5%。這為公司每年節省了140萬美元
- 蒂斯企業。澳大利亞礦業公司Ltd.使用預測分析來提高設備正常運行時間，增加收入和生產效率
- 斯洛文尼亞的Velenje煤礦使用工業物聯網和預測分析將生產延遲減少了22%，並將維護成本降低了16%
- DTE能源將工業物聯網和分析應用於其輸電和配電基礎設施，其智能電表可以響應當前事件，以提高主動正常運行時間和被動停電響應
結論
工業物聯網與分析相結合，提供了控製維護成本的機會，同時提高正常運行時間和資產壽命的關鍵指標。采用適當的新技術可以為業務流程再造、改進性能和潛在的競爭優勢提供基礎。工業物聯網和分析的狀態監測和預測性維護提供了一種方法，以確保關鍵資產的高正常運行時間，特別是那些82%表現出隨機故障模式的資產。
使用工業物聯網和分析，最終用戶通過更高的可靠性、業務流程自動化，甚至更具變革性的變化，顯著提高了運營性能。將工業物聯網和分析應用於預測性維護最近已成為一種經過驗證的解決方案，在各種行業中都有許多案例。尚未開始的資產運營商應將試點項目作為更廣泛舉措的開始。
所有已登錄的ARC谘詢集團客戶均可在此查看pdf格式的本報告鏈接
如果您想購買這份報告或獲取如何成為客戶的信息，請請求ARC信息
關鍵詞:運營商，工業物聯網，正常運行時間，預測性維護，IBM, ARC谘詢集團。