毫无疑问工业物联网(IIoT)正在重塑制造业。的确,资产绩效管理(APM)已经受到影响了。在很多方面。越来越多的可用数据提高了用于驱动以可靠性为中心和基于状态的维护(RCM/CBM)的预测分析的质量和及时性。最近,马特·利特菲尔德对未来进行了推测数据的历史学家,这反映了工业物联网可能带来的变化之一。118金博宝appLNS Research的智能互联运营愿景依赖于拥有智能互联资产。这两方面我们都写过智能互联运营而且智能互联资产,以及他们将会有的变化,特别是在驾驶O卓越运营(OpEx).然而,我们手头的这些数据又带来了另一个问题,这可能是APM领域的下一波创新浪潮。
数据难题
在最近的一次会议上,我听到有人提到“万物互联”。这意味着我们正在进入这样一个阶段,连接不仅局限于人和智能设备,而是几乎所有存在的东西。有人指出,在过去的一两年里,人类创造的数据比之前所有年份所创造的数据都要多。更令人惊讶的是,未来只需6个月就能达到这种水平的数据创建,然后是3个月、6周,以此类推。尽管以资产为中心的数据只反映了整个数据池的一小部分,但它是一个重要的部分。因此,可用的资产数据量呈指数级增长。
大约30年前,作为一名用户,我在惠好造纸厂参与了OSIsoft第一个基于Vax的数据历史记录的实现。驱使我们研究数据历史学家和Vax 32位架构的一个原因是,我们意识到需要存储大量数据。能够快速访问它以获得我们所寻求的好处也是关键。
OSIsoft的Pat Kennedy博士指出:“你需要收集所有的数据,因为直到你需要它时,你才会知道你需要什么数据。”如果问题发生时您没有诊断问题的数据,那么您可能会陷入向管理层解释为什么要花这么多钱来实现一个不能帮助您解决问题的系统的困难境地。那是因为你没有收集正确的信息。答案变成了“收集所有东西以防万一”。这就是难题所在。您需要捕获所有内容,但要捕获的数据量呈指数级增长,这导致了看似不可克服的问题。
下一阶段的预测分析
预测分析竞赛的赢家将不仅是创建了最强大的工具来分析数据以预测资产健康状况和即将发生的故障,而且还为其解决方案添加了新的预测能力。从资产健康预测功能到数据相关性预测功能,将有助于APM领域的赢家与“失败者”区分开来。
数据相关性预测能力是识别资产数据需要存储多长时间才能准确预测机器健康状况和风险的能力。只要数据具有相关性,就能够存储数据,这将是APM的强大推动力,并使向云和混合环境的迁移不仅成为可能,而且是可取的。118金博宝app一旦APM供应商无法使用任何和所有可用数据,但确定这些数据不再有价值时,他们将实现下一个性能和效用水平。
下载APM解决方案部分指南,了解APM领域20家领先供应商的能力。该指南包含了上述因素的比较图表和20家供应商的详细概况,从自动化公司到企业软件提供商,还包括许多专业的APM解决方案。