从相关到必需:预测性在汽车行业的发展趋势

  不当可能引发一系列严重的后果影响能源生产,增加部件成本,带来收入损失以及未完成交付导致的罚款。但与基于时间或操作次数的(无论是否需要,设备都能得到)相比呢?这终究是劳动密集型工作,无法识别定期检查之间出现的问题因此也不具成本效益。

  如果您可以通过执行定期(离线)或连续(在线)设备状态来预测设备状况,情况又会如何呢?最终的目标是能够在活动最具成本效益且在设备在既定阈值内失去性能之前的预定时间点执行。这将大大减少由于设备故障导致的计划外停机成本不同的行业成本不一,每天可能多则达到数十万。

  预测性的“预测性”部分源于确定设备状况未来趋势的目标。该方法使用统计过程控制的原则来预测活动在未来哪个时间点最为适当。大多数预测性检查是在设备投入使用时执行的,从而最大限度地减少对正常系统操作的干扰。采用预测性可以节省大量成本并提高系统可靠性。

  80%的汽车公司目前正致力于预测性项目,以提高产品、设备和系统的性价比。然而,根据罗兰贝格国际管理咨询公司(Roland Berger)的调查,这样的承诺经常在收集运营数据时就几乎殆尽。除预算外,超过一半的受访企业缺乏明确的战略和改变智能服务的意愿。罗兰贝格的合伙人Feldmann先生表示:“预测性不再是技术可能性的问题,而是企业文化和思维的问题。许多公司都在回避他们商业模式的转变以及由此对整个企业带来的根本性变化。”

  成功从预防性过渡到预测性的最重要前提是“数字化思维”。这包括一个灵活、敏捷、注重服务的企业,能准确定义客户的挑战并作为核心要务。罗兰贝格调查得出的结论是:“数字化、大数据、工业物联网(IIoT)和预测性等主题往往被理解为纯粹的技术进步。但实际上,从长远看,这更是一项专注于终端用户需求的业务转型。如果成功,公司将从纯技术用户和数据收集者转型为以服务为中心的价值增值型合作伙伴,并将在长期内取得业务成功。”

  为了最大限度地降低故障风险,公司需要快速、低风险地引入物联网技术。这就是IFS物联网业务连接器的价值所在。它允许公司与传感器数据相关联,分析和提取可操作的观察结果,并(自动)配置IFS业务软件,以便在收到这些观察结果时对其作出响应。

  目标-将IFS业务软件与物联网传感器数据相关联,以实现进一步的自动化并提高业务流程的效率和灵活性。汽车行业需要高性能物流(JIT/JIS/分布式生产),因此停机时间应降至最低这可以通过预测性来实现。

  方法-该解决方案利用微软Azure物联网套件(Azure IoT Suite)提供可扩展的分析平台。这用于将传感器数据转换为可操作的洞察,以此在IFS业务软件内配置响应,例如内部服务团队的任务。

  原因旨在帮助汽车行业的客户以采用物联网作为预测性的起点,并提供可扩展的解决方案,既使其能够随着时间的推移而逐渐积累经验,同时这些物联网驱动的流程在其他领域也可以不断增长。因此,不妨尝试先从较小规模的安装开始进行预测性,待这一试点稳定并运行良好后再将其推广到其他区域。

  IFS(艾菲诗软件)是全球领先的企业软件开发商和提供商,为客户提供企业资源计划(ERP)、企业资产管理(EAM)和企业服务管理(ESM)解决方案,在全球享有极高声誉,被普遍认为是行业领导者和最受欢迎的供应商。IFS创建于1983年,致力于提供更敏捷的企业运营解决方案,使客户获得更强的业务洞察力和管理灵活度,帮助他们从容面对未来的挑战和变革。目前IFS界各分支机构共拥有3,500多名员工,他们协同不断增长的合作伙伴网络为全球超过10,000家企业提供专业支持。