Jack Creamer，施耐德电气泵设备市场部经理
许多工业站点的经营者面临着如何使他们的工厂更具竞争力的挑战。诸如能源浪费、意外停机时间和低效流程等问题都是首要考虑的问题。尽管这些挑战都是重大的，但由于新的工业物联网(IIoT)功能，解决这些问题现在不再那么令人生畏，而且更具有成本效益。
资产管理领域提供了工业物联网数据交换和智能机器概念如何应用于业务问题的主要例子。当调整业务流程以支持数据捕获和分析时，所有这些都是从单个资产开始的。随着启用更多的单个资产，站点范围的流程将变得更加高效和多产。
资产可以在传统的工厂应用程序和远程流程应用程序中进行描述。传统工厂车间应用的一个例子是食品和饮料生产过程中的机器和设备。这类行业的应用程序允许用户将输入集中到一个位置，同时支持机器级分析以进行定期监控。
对于远程工艺应用，监控设备通常安装在农村地区。因此，好处集中在维护增强上，但也包括维护成本的降低和流程正常运行时间的改善。
保持竞争力的一个关键成功因素是收集更多数据的能力，以新的和不同的方式分析数据，并利用分析结果推动快速决策。
因此，除了传感器，工程师还需要连接各种智能设备，如plc、智能人机界面和智能vfd，这些设备可以收集数据，并通过web服务器或其他数字手段将数据发送到远程位置。
设计选择包括:
1)了解关键运行参数，以确保最佳运行时间
2)了解如何监控这些参数——传感器的使用等。
3)了解措施和何时采取行动
4)用于收集数据的技术——本地和远程的
资产性能管理工具支持预测性维护
一些新的资产管理工具现在可以作为基于云的服务使用。在过去，资产管理的核心要么是被动的(如果出现问题，尽快修复)，要么是计划维护。现在出现了一种更划算的模式:预测性维护。也就是说，在正确的时间更换磨损的部件，就在寿命结束之前或意外停机之前。
为了实现预测性维护，设备必须能够通信它们的状态。然后，必须对这些数据进行分析。高级资产性能监控建立在以下三个分析层之上:
- 收集的数据。第一层使用特定于资产的算法、规则和阈值(从跨多个站点收集的许多数据点中获得)来衡量资产的性能(例如，电机将持续多长时间，或是否检测到警告信号)。
- 解释数据。第二层由Service Bureau组成，由一个团队负责确定系统检测到的事件是正常情况，还是需要进行额外的调查。
- 分析异常。第三层，聘请远程专家，如果需要更多的调查。专家分析数据，确定根本原因，并开发详细的事件报告。
基于云的资产管理模型是可扩展的。一个工业站点可以很小的启动，并且只需要支付所需的监控量的费用(例如，4或5个泵，或者，如果电气系统被监控，主断路器)。然后，随着时间的推移，可以很容易地添加更多资产，直到站点范围或多个站点监控到位。
一旦通过监视确定需要执行维护，现场服务人员的工作也就变得简单了。在一台机器前，服务工程师可以拿起iPad，将内置摄像头对准设备。然后，iPad会弹出橱柜内设备的可视化画面。它告诉服务工程师，“这是驱动器A，这是驱动器b。”工程师在屏幕上点击设备，他需要的相关数据就出现了。这些信息可能是特定驱动器的历史，包括它在过去14天内的行为。在屏幕上，他看到了设备的视觉模型，尽管他从未见过这台机器，但他知道如何修理它。查看这个实时增强现实最终用户解决方案部署的示例。
这个场景提供了两个关键的业务好处。首先是避免不必要和昂贵的机器停机时间(通过能够虚拟地打开机柜门，而不中断正在进行的过程)。第二个是通过提供对相关维护信息和支持材料(如用户手册、说明和图表)的即时访问，更快、更准确地解决维护挑战。
施耐德电气
www.schneider-electric.us
了下:设计世界的文章，物联网•物联网•物联网•工业4.0
告诉我们你的想法!