业务信息
James Steidl - Fotolia
预测维护软件指出机器的问题
预测分析工具、物联网(internet of things)技术和大数据系统的结合，正让制造商能够对工业设备进行预测维护。
在全国范围内，医疗保险公司和医疗保健提供商Highmark Health拥有超过5000万的会员和患者，需要邮寄大量文件——发票、福利说明表格、患者信件等。不间断的纸张流动——去年总计超过10亿页纸和1.28亿信封——使这家总部位于匹兹堡的组织的印刷和邮寄业务在宾夕法尼亚州的两家机构全天候工作。Highmark旗下HM健康解决方案子公司的产出服务主管保罗•乔根森(Paul Jorgensen)表示:“我们真的承受不起下降。”
寻求避免停机时间今年早些时候，Jorgensen成为了Pitney Bowes Inc.的新预测维护软件和服务的测试用户，该公司为HM Health生产打印机和邮件插入器。Pitney Bowes的数据分析师也是如此运行自动化算法在Clarity Advisor软件中操作数据流通过邮件系统来检测潜在设备故障的迹象。在一个案例中，他们发现了一些异常现象，表明插入器中的真空泵密封有一个迫在眉睫的问题。Jorgensen解释道:“这让我们能够根据自己的时间表进行调整，而不是让海豹在凌晨两点出现故障，导致轮班暂停。”
其他公司也推出了类似的举措，以更主动地维护制造机器和其他类型的工业设备，以保持它们运转，防止故障。这个曾经崇高的目标由于以下因素的结合而变得更加可行物联网(IoT)技术，大数据平台和预测分析工具。
IDC的制造业分析师希瑟·阿什顿(Heather Ashton)表示，预测性维护是工业物联网的“圣杯”。“每个人都在谈论这件事。”但她补充说，这仍是一种新兴的能力。在一个制造业组织调查IDC去年进行的调查显示，330名受访者中有65%的人表示，他们已将四分之一或更少的现场产品连接到物联网;没有一个将超过一半的已安装产品连接到网络。展望未来三年，只有12%的人说他们预计能超过一半物联网连接到那时(参见“慢慢建立连接”)。
根据早期采用者的说法，预测性项目并不是一件简单或廉价的事情。正如阿什顿所说，需要“海量的数据”才能让用户对研究结果充满信心预见性维护算法和查询。所有这些数据都需要近乎实时地收集、处理和分析，这需要健壮的IT体系结构——这通常涉及到大数据系统围绕Hadoop、Spark处理引擎和相关技术构建。企业可能还需要建立一个拥有机器学习技能的分析团队，并对内部业务流程进行重大调整。
在预测曲线的早期
“坦率地说，我们在这方面还处于初级阶段，”格兰特·米勒(Grant Miller)说，他是Pitney Bowes公司的产品管理副总裁，正在帮助领导公司的预测性维护工作。这家位于康涅狄格州斯坦福德市的公司从去年12月开始对Clarity Advisor进行beta测试，以及用于优化邮件插入工作负载和动态调度工作的配套应用程序。该公司今年3月在北美推出了这款应用程序，并计划于本季度在欧洲推出，明年初在世界其他地区推出。
为了加快开发和部署速度，皮德尼•鲍在通用电气(General Electric Co.)的Predix平台上开发了这款软件，Predix是一种云架构，旨在支持工业物联网应用。Miller表示，从客户站点的邮件插入器获取的数据将在GE基于hadoop的云环境中处理和存储。在创建Clarity应用程序时，Pitney Bowes也使用了数据科学方法以及通用电气作为Predix的一部分提供的统计分析工具。
客户可以使用预测性维护软件自己分析操作数据，但Miller认为，大多数客户可能会依赖Pitney Bowes的分析团队来完成工作，并提醒他们可能出现的设备问题。目前，在将数据从邮件机发送到Predix云进行分析。“但我们最终将使其成为真正的实时(系统)，”他说。“对我们来说，它必须是人们可以立即进行交互的东西”——在插入器崩溃之前，在邮件操作达不到邮件数量和交付时间方面的服务水平协议之前。
Pitney Bowes拥有较低的两位数用户基础，预计随着更多用户的加入，该公司将在明年收集pb级数据。的预测分析能力米勒说，随着算法对越来越多的数据进行运算，情况会越来越好;公司计划进行的基准分析也是如此，客户可以将自己与其他组织的邮件性能进行比较。
预测性维护的起起落落
蒂森克虏伯电梯公司也处于起步阶段预见性维护应用程序。应用程序的设计是为了识别电梯部件，需要修理或更换之前，他们造成计划外的服务中断。与Pitney Bowes一样，蒂森克虏伯也在使用一个云平台来加快部署速度——它使用的是微软Azure，包括这家软件供应商的AzureHDInsight托管Hadoop服务、Azure SQL数据库关系数据存储和Azure机器学习分析技术。
Sascha Froemming“一开始，我们计划建立自己的系统，”这家德国埃森(Essen)电梯制造商的创新和可持续管理主管萨沙•弗莱明(Sascha Froemming)表示。“但我们很快就说，‘得了吧，我们不是IT供应商。’”尽管如此，蒂森克虏伯仍在设计国产汽车传感器单元从电梯控制面板中提取运营数据，并通过物联网将其发送到Azure云。Froemming表示，这一工作给软件开发带来了挑战，该公司仍在努力解决。
蒂森克虏伯面临的另一个障碍是缺乏内部分析专家。“我们公司没有几百名数据科学家在工作，”Froemming说。因此，这家制造商向微软和第三方分析服务提供商寻求帮助建立预测模型同时也建立了一个完备的分析团队。该公司还必须改进其2万名电梯技术人员的现场服务、调度和培训流程，并修订其客户服务合同，以纳入预测维修能力。
尽管如此，蒂森克虏伯对于数据收集设备和预测性维护软件的推出计划非常积极。在美国、德国和西班牙对几百部电梯进行初步测试后，该公司计划在5月份将这项技术扩展到2000部。在18个月内，预计将有15万台电梯连接到Azure平台，每台电梯每天至少传输两次数据。“我不想再把它称为一个试验了，”Froemming说，并补充说开发团队正在“像地狱一样喂养Azure机器学习”，以强化它的前两个分析模型。
根据Froemming的说法，这些模型已经确定了一些数据异常，这些数据异常在对受影响的电梯进行视觉检查后被确认为可能的设备故障的指示器。展望未来，该公司希望为门、电机和其他电梯部件创建单独的预测模型提高分析的准确性。他说，该计划的最终目标是将现场服务从专注于故障排除转变为“一种更咨询的模式”，这将有助于加强客户关系，降低双方的服务成本。
ChainLink Research的分析师比尔·麦克比斯(Bill McBeath)表示，除了最大限度地减少设备的计划外停机时间，预测性维护工具还可以让制造商及其客户避免“一有机会就派人去修理的成本”。“紧急修复比定期修复昂贵得多。”
一系列可预测的可能性
不过，尽管麦克比斯看到与他合作的公司中有很多人对这种预测路径感兴趣，但他表示，真正的创新“在很大程度上仍处于试验阶段”。他还指出，组织通常从预防性监控开始——对各种设备指标设置阈值，如果超过这些阈值，就会发出警报。McBeath解释说，“要实现更具预测性的东西，还需要一系列的步骤”，最终将使用自动算法实时分析数据。
紧急修复比预定修复昂贵得多。 比尔McBeathChainLink Research分析师
数据存储供应商NetApp Inc.是另一家在预测性维护领域取得进展的公司。作为一个名为“自动支持”(AutoSupport)的项目的一部分，NetApp从其存储系统中收集配置和运行数据已有大约20年的时间——首先是通过客户每周的磁盘邮件，然后是每周发送一次的自动feed。2012年，这家位于加州森尼维尔(Sunnyvale)的公司部署Hadoop集群基于Cloudera公司发布的开源框架来处理数据。NetApp还升级了控制存储设备发送其设置和状态的每日快照的软件。
两年后，NetApp又增加了一个Hadoop系统，作为数据湖其数据科学家他们分析收集的信息，以确定可能影响个别客户的配置问题以及磁盘或其他组件的潜在问题。现在，该公司正在努力把原来的进气集群变成一个流处理平台这将持续地从存储设备中获取数据，而不是等待每天的批处理作业。NetApp的技术总监尚卡尔•帕苏帕蒂(Shankar Pasupathy)表示:“我们将能够在数据一创建就进行处理。”
数据将立即被输入分析数据湖, Pasupathy补充道。他不愿透露扩展架构的发布日期，但表示开发工作正在“顺利进行中”。新的设置将使用Spark处理引擎增强核心Hadoop平台火花流模块以及Kafka，一个应用到应用的消息传递系统。NetApp也在考虑添加机器学习工具，以进一步自动化预测性维护工作。Pasupathy表示:“我们希望在未来做更多的实时分析。
就像我去看医生:我真的不希望他们发现任何东西。但如果他们这样做，我很高兴。 保罗·约根森HM卫生解决方案产出服务主任
对于HM Health的Jorgensen这样的运营经理来说，这种了解工业机械内部运行情况的实时窗口具有很大的吸引力。对于一个整个职业生涯都在医疗行业度过的人来说，能够利用Pitney Bowes开发的预测性维护软件来跟踪输出统计数据，并对邮件插入器中的设备故障进行事后评估，是一种特别合理的能力。
乔根森说:“我一直认为预防是一件好事。”“这就像我去看医生:我并不真的希望他们发现什么，但如果他们发现了，我很高兴。”
Craig Stedman是SearchBusinessAnalytics的执行编辑。邮件他(电子邮件保护)，并在推特上关注我们:@BizAnalyticsTT。
