数字化运维的制胜基石：数字化运维的制胜基石

数字化运维的制胜基石：数字化运维的制胜基石优势1：预测性维护的硬件设备主要是协助建立设备与服务器的连接，不需要对生产工艺进行改变，对产线影响小。在数字化智能制造的环境中，数据以及围绕数据的智能化处理活动均针对特定的生产和运营指标维度的达成和维持进行构建。预测性维护就是通过设备自身以及外置传感器的实时数据采集，利用分布在各层环境中的计算和处理平台，依托围绕设备运转特征与风险指针相关性的算法模型，提供设备故障维护精确性判断的方法体系。随着互联网技术的革新、大数据的应用与积累、计算能力的提升及相关模型理论的高速发展，人工智能的应用场景逐渐丰富，并在近几年逐步过渡到实操落地。运维服务作为制造业的重要组成元素，通过工业互联网及人工智能的深度融合打造出创新的应用场景，并实现持续降本增效的数字化运维解决方案将是新的趋势。Part1 为什么需要预测性维护预测性维护是运维服务的最新发展，主要得益于工业互联网、大数据及人工智能的交互应用，具有主动且针

随着先进制造业对运维服务的注重维度已经改变，过去传统的备品备件购买及定期维护观念已经过时，通过工业互联网和人工智能赋能的数字化运维解决方案将是新的趋势。

——罗兰贝格《预测性维护：数字化运维的制胜基石》

本文参考

本文内容参考解读罗兰贝格《洞见-预测性维护：数字化运维的制胜基石》，罗兰贝格成立于1967年，是全球顶级咨询公司中唯一一家始于德国、源自欧洲的公司。

随着互联网技术的革新、大数据的应用与积累、计算能力的提升及相关模型理论的高速发展，人工智能的应用场景逐渐丰富，并在近几年逐步过渡到实操落地。运维服务作为制造业的重要组成元素，通过工业互联网及人工智能的深度融合打造出创新的应用场景，并实现持续降本增效的数字化运维解决方案将是新的趋势。

Part1 为什么需要预测性维护

预测性维护是运维服务的最新发展，主要得益于工业互联网、大数据及人工智能的交互应用，具有主动且针对性强的特征。预测性维护的核心思想是通过对设备及系统运行状态进行故障预测，最大化部件的使用效益，同时产线停工停线成本也会降低，并减少不必要的浪费。

在数字化智能制造的环境中，数据以及围绕数据的智能化处理活动均针对特定的生产和运营指标维度的达成和维持进行构建。预测性维护就是通过设备自身以及外置传感器的实时数据采集，利用分布在各层环境中的计算和处理平台，依托围绕设备运转特征与风险指针相关性的算法模型，提供设备故障维护精确性判断的方法体系。

优势1：预测性维护的硬件设备主要是协助建立设备与服务器的连接，不需要对生产工艺进行改变，对产线影响小。

优势2：在相同的设备上可以快速复制解决方案。

优势3：预测性维护可减少5-10%的MRO（维护、维修、运行）成本支出及5-10%的总体维护成本；而在效能提升方面，预测性维护可提高10-20%的设备正常运行时间，减少20-50%的设备维护时间并为产品质量提供更好保障。

优势4：预测性维护的主要原理是基于设备网联化、数据采集、大数据分析及机器学习，未来的发展潜力巨大，应用场景广泛。

Part2 解决方案与落地实践

结合对数字化运维的丰富洞察及项目的实战经验积累，罗兰贝格已开发出一套从设备引入机遇识别、解决方案设计到落地实施的一站式预测性维护解决方案。

1.硬件：主要负责本地数据采集及分析，涵盖数据采集设备（传感器 数据传输设备）及边缘计算服务器：

a) 数据采集设备：主要进行数据采集、数据上传及模型下发等工作。

b) 边缘计算服务器：主导相关边缘应用如AI预测及本地数据缓存等。相比云端计算，通过边缘计算器的搭建可缩短故障报警的反应时间。（可针对项目实际需求和企业数据环境选择将本地计算移至云端）。

2.软件：主要用于故障检测模型搭建及云端存储与处理：

a) 模型搭建：通过特征提取、分析等识别特征向量，并进行机器学习；随着加工数据的增加及过程数据的收集，得以持续进行模型训练，最后借由云端服务进行模型的迭代更新，不断提高模型精度。

b) 云端服务：可提供批量的历史数据存储并进行数据可视化。

基于预测性维护的架构，我们还需针对客户设备进行针对性的机遇诊断、数据采集、算法搭建并落地验证。针对不同的设备，需要根据实际进行考量，对关键的零部件引入预测性维护，以最小成本达到最佳应用效益。机器学习模型是预测性维护解决方案的核心，针对预测性维护的引入，我们通过传感器采集、特征分析、特征向量与机器学习等步骤搭建模型，有效赋能故障预测。

产品级解决方案

PreMaint设备健康管理平台是基于东智工业互联网平台，构建的快速感知、实时监测、超前预警、联动处置、智能维护和诊断的设备管理一体化平台，是行业唯一孵化在半导体行业，并适配于流程行业、离散行业的设备健康管理解决方案。通过对设备振动信号实时监测，提前预知设备的亚健康状态，有效赋能企业设备预测性维护。2020年PreMaint获得天津工业APP大赛一等奖，2021年获选工信部优秀工业APP。

【PreMaint应用案例——“设备健康管理-半导体PUMP真空泵的贴身保镖”】

Part3 数字化运维场景

通过项目经验积累及内外部专家长期、广泛的讨论，罗兰贝格认为预测性维护是数字化运维的关键步骤，通过预测性维护的软硬件赋能，后续应用场景广泛。

1.数字化资产盘点：可通过预测性维护管理平台采集设备上的传感器传输数据，并与资产台账对比确认实物资产的存在，有效减少盘点人力资源的浪费。

2.数字化维修运维：预测性维护所检测的实时加工数据可成为工厂整体运维管理系统的重要输入，并基于数据分析结果启动后续的维修服务流程及备品备件物料拉动流程。

3.生产及物料控制系统赋能：基于安装在设备上的传感器传输数据及自动化控制系统数据，生产及物料控制系统能实时进行加工数据的收集、存储、整理并形成可视化报告，作为生产管理的重要输入。

4.供应链赋能：设备故障预测系统能对关键部件的质量表现进行不同来源的横向比较，并以此作为供应商质量管理的重要依据。与此同时，采购可以利用相关数据进行供应商绩效考核评估及作为议价基础。