數(shù)據(jù)驅動運維方式的轉型

本文作者：艾默生系統(tǒng)及方案工業(yè)軟件及數(shù)字化——張楓

為什么要實現(xiàn)運維方式的轉型？

當前一些生產(chǎn)性企業(yè)工廠實施了數(shù)字化應用，逐漸意識到了工廠生產(chǎn)數(shù)據(jù)的價值，然而對于大部分工廠來說，這些數(shù)據(jù)的最大用途是生成提交給各部門的報表，并未實現(xiàn)數(shù)據(jù)增值服務。對于運維人員來說，運維依然日常例行巡檢、排班倒班、維修設備，這些活動占據(jù)了大量的工作時間，工作負荷較高。對于運維管理人員來說，運維是時刻監(jiān)測現(xiàn)場的運行性能，應對生產(chǎn)中出現(xiàn)的突發(fā)狀況，確保生產(chǎn)的穩(wěn)定運行。

隨著互聯(lián)技術的革新、大數(shù)據(jù)的廣泛應用，在當前行業(yè)發(fā)展趨勢和政策的雙重作用下，每個生產(chǎn)企業(yè)都在探討自己的發(fā)展方向以及發(fā)展措施。在這個思索的過程中，我們自然而然會問到一個問題，生產(chǎn)企業(yè)是否認為需要繼續(xù)沿襲上述的運維理念，關注點是否有了新的變化呢？

根據(jù)羅蘭貝格的調研，對于制造型企業(yè)來說，85%以上的受訪者認為運維服務商應更多地關注數(shù)字化方案規(guī)劃能力，97%的受訪者認為運維服務商應提供主動、完整的數(shù)字化運維服務方案。從生產(chǎn)企業(yè)自身角度出發(fā)，傳統(tǒng)的維護方式已無法適應當前數(shù)字化轉型發(fā)展的要求，融匯物聯(lián)網(wǎng)理念、應用先進數(shù)字化手段的新型運維解決方案是未來的發(fā)展趨勢。這就帶來了一個新的問題，運維方式的方向在哪里。

運維方式轉型的方向

當前生產(chǎn)企業(yè)所采用的運維方式通常分為三種：被動式維護、預防式維護和預測性維護。三種運維方式的對比如下表所示：

通過上表，我們可以看到傳統(tǒng)被動式維護、預防性維修，難以準確把握設備有無故障、故障類型、故障部位及故障程度。另外，由于良好部位的反復拆卸，機械性能往往不理想，甚至低于維修前。因此采用這兩種維護方式造成了維護維修成本巨大，故障未能及時處理帶來的停車損失更是不可估量。

預測性維護是“工業(yè)4.0”提出的關鍵創(chuàng)新點之一，它將狀態(tài)作為依據(jù)，對設備進行連續(xù)在線的狀態(tài)監(jiān)測及數(shù)據(jù)分析，診斷并預測設備故障的發(fā)展趨勢，用戶依據(jù)此類信息制定預測性維護計劃以及維修工作的確認，涵蓋了設備狀態(tài)監(jiān)測、設備故障診斷、故障狀態(tài)預測、維修決策支持和維修內容確認的全過程。預測性維護能夠幫助企業(yè)將計劃外停機的風險和資金影響降至最低，因此運維方式的數(shù)字化轉型能夠實現(xiàn)成本的節(jié)約和效率的提升。

如何實現(xiàn)預測性維護？

為了幫助企業(yè)更好地實現(xiàn)維護管理，運維團隊需要考慮人員、管理流程、技術輔助工具和維護數(shù)據(jù)這四方面的內容，將運維平臺化，不再拘泥于以往“運維=維修”的理念。

建議生產(chǎn)企業(yè)考慮以下幾個維度的內容，實現(xiàn)人、技術和流程的密切配合，實現(xiàn)用數(shù)據(jù)驅動維修決策的制定，將數(shù)據(jù)的價值融入運維過程：

1. 確保數(shù)據(jù)的準確性

越來越多的生產(chǎn)企業(yè)意識到大量的數(shù)據(jù)積累是必要的，可用作以后建模的基礎和決策制定的數(shù)據(jù)支撐。然而通過對于部分企業(yè)的調研，一些現(xiàn)場設備選型不匹配，導致數(shù)據(jù)準確性降低，缺乏參考、存儲和分析的價值，無法制定合理的運維計劃。對于生產(chǎn)企業(yè)來說，確保數(shù)據(jù)的準確性是實施數(shù)字化工廠各項功能模塊的基本要求，也是奠定數(shù)字驅動生產(chǎn)的基礎。

2. 搭建預測性數(shù)據(jù)平臺

搭建平臺的目的是實現(xiàn)數(shù)據(jù)的流動，需要考慮數(shù)據(jù)的接口、數(shù)據(jù)種類的全面性等特性，建立場景分類標簽，形成規(guī)范的、緊密結合業(yè)務的資產(chǎn)標簽等標識，最終在應用數(shù)據(jù)層提供可視化支持，例如廠級設備可視化駕駛艙，駕駛艙能夠提供電子巡檢、臺賬管理、報警原因分析、報表等畫面。

3. 引入機器學習

機器學習能夠提升預測性維護的價值，幫助操作人員和維護人員迅速鑒別表明設備問題的數(shù)據(jù)異常。機器學習能夠生成設備模型，識別并模擬設備的運行，從而預測設備的剩余使用壽命和特定時間內的設備故障。

4.規(guī)劃智能運維流程

根據(jù)實際運維的要求，提供KPI統(tǒng)計報表和分析報告，提供優(yōu)化措施建議，自動執(zhí)行優(yōu)化策略，提高運行效率。

5. 復合型人才的培養(yǎng)

生產(chǎn)企業(yè)將生產(chǎn)相關的經(jīng)驗匯總成各種知識庫，不斷進行知識庫的更新和優(yōu)化，幫助各專業(yè)人員提升專業(yè)素養(yǎng)和全面培訓，為未來數(shù)字化轉型提供復合型人才。

生產(chǎn)企業(yè)根據(jù)實際生產(chǎn)定制各種應用場景，實現(xiàn)數(shù)據(jù)的協(xié)同、共享和復用。例如搭建仿真環(huán)境，提高工藝、操作人員等對于現(xiàn)場工段的洞察力，為各專業(yè)人員提供輔助工具，實現(xiàn)更好地溝通、更快速地學習以及制定更高效的決策。

結束語

數(shù)字化轉型的制勝基礎是運維方式的轉型，數(shù)據(jù)平臺和優(yōu)化分析工具已經(jīng)成為提高企業(yè)經(jīng)濟效益的重要途徑，相信未來會有越來越多的生產(chǎn)企業(yè)實現(xiàn)數(shù)字化運維。