功能聚焦

资产维护状态

应用 IBM 设计思维来提供纳入了代表单项资产的“卡片”概念的用户体验。可靠性工程师因而能够轻松访问信息,确定维护过度、维护不足或维护良好的资产,并使用此规范性分析技术来优化维护实践和资源。这种用户体验支持分析和报告所有资产、各种资产类别,或者对一组资产的共有属性进行过滤。

驱动力和风险因素

在最细微的层面上,负责可靠性的工作人员可了解影响资产性能的个别驱动力和因素,以及资产的详细属性、预计的故障时间和维护日志。此类信息提供了尽可能完整的上下文,用于评估过去、现在和未来的资产性能,可帮助工作人员建议或规定资产管理实践或程序,进而改进资产维护策略。

比较资产性能

为进一步探究资产性能参差不齐的原因,可靠性工程师可按先后顺序对驱动力和风险因素进行比较,例如运营时间、故障频率和特定资产的更新周期等。如此详细的比较有助于可靠性工程师在历史故障数据及维护和更换活动的背景下,直观地甄别出对资产性能造成积极和消极影响的因素。

机器学习

应用机器学习,使用数学、科学和工程原理发现维护数据、运行数据以及可能给设备使用和性能降级提供任何线索的其他数据之间千丝万缕的联系。某些情况下,分析可证明目前的资产维护计划和做法是理想的,无需进行任何更改。而在另外一些情况下,开展分析则能指导人们为避免发生资产故障而将维护工作提前,或者为了避免不必要的维护而将相关维护活动延后。

客户如何使用它

  • 使用运作数据识别出运营风险

    使用运作数据识别出运营风险

    问题

    实现更透彻的感应和度量的互联资产可生成大量结构化和非结构化的运作数据,如果公司拥有适当的分析工具,能让资产运营人员获悉此类洞察,就可以帮助他们识别出风险。

    解决方案

    IBM Prescriptive Maintenance on Cloud 让企业能够对关键资产生成的运作数据应用机器学习和分析技术并直观显示分析结果,进而透彻了解影响资产性能的因素。

  • 优化维护资源,降低总体成本

    优化维护资源,降低总体成本

    问题

    如果不对资产运作数据和影响资产性能的因素进行透彻分析,您将很难确定如何最合理地分配维护资源并排定工作日程,最终优化资产可用性并降低维护成本。

    解决方案

    通过分析维护记录、时间安排、性能指标和事件数据,您将能够确定维护过度、维护不足或维护良好的资产,从而制定最佳的资产维护计划,合理分配资源并降低维护成本。

技术详细信息

软件需求

运行一个支持的 Web 浏览器的工作站。

    硬件需求

    该解决方案在 IBM 安全的 SoftLayer 数据中心内运行。