互联网如何赋能高端制造?
GE Digital的规划目标,是希望通过Predix平台结合应用Operation Performance Management(运营绩效管理)和Asset Performance Management(设备性能管理),通过设备的健康和可靠性管理、合规性管理、资产优化、策略优化,以达到运营性能的管理,包括提升运营效率、实现过程优化等。 第二个玩家是Uptake,是公认的工业互联网领域的标杆创业公司。 创立于2012年,Uptake做的很多事都在模仿GE Digital,包括招募了很多GE Digital的原班人马。其主张也是通过工业物联网的数据分析,实现高效的资产性能和运营效率的提升,提供的方案也是平台加应用。 在平台层,不仅提供相应工业的基础能力,也提供AI和机器学习引擎,把算法变成目录和订阅的方式以快速实现数据分析,并在上面实现快速应用编译和部署,最后形成应用和行业解决方案。应用主要有两类,一类是通过数据科学、人工智能的方式实现资产性能的提升,另一个是通过提升资产性能提升运营效率,都与GE非常像。 Uptake在2018年11月份收购了一家APT(Asset Performance Technology)公司,这家企业提供了800多种类型的设备、1000多万种不同部件的失效模式。FMEA失效模式分析有什么用呢?可以非常清楚地定位出设备有多少种故障现象,每种故障现象应该采取的应对措施和寻找相应根因形成维护策略。 还有Uptake另外一个应用,通过AI实现销售线索、服务需求、工作流效率的优化,主要是针对设备制造商提供一整套业务流程优化引擎、提高销售业绩和客户满意度。 比较典型的案例:第一个是为卡特彼勒开发一套设备联网和分析系统,采集设备的各类数据信息,联网监控的同时分析预测设备可能会发生的故障,以提前应对;美国一家Class1的火车公司,在美国有大约一万四千个火车头,Uptake帮助其通过人工智能预测性维护,每年节省4700万美金;AMEREN是美国一家发电厂,每年用了Uptake的人工智能应用平台帮公司节省990万美金;PaloVerde是一家核电厂,每年Uptake帮其节省1000万美金;Uptake还帮助某个重型机械经销商每年提高850万美金的收入。 这几个案例是工业互联网里比较典型的应用场景,围绕大型设备的资产性能,利用数据分析实现设备可靠性的提升,进而提升整个过程的运营效率,创造更多的价值和利润。 工业互联网的核心技术有四个:
工业互联网三大高端制造应用场景什么是高端制造?高端制造与中高端制造、中低端制造不一样之处在于:
工业互联网在高端制造里应用场景很多,而当前的高端制造普遍呈现资产密集、资产性能优化空间大,数字化程度高但数据利用率低,经验驱动、缺少科学决策能力的局面。
通过结合工业互联网的赋能,即资产性能管理、运营效率提升、 (编辑:PHP编程网 - 黄冈站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |