スポットライト

資産の保守状況

IBM Design Thinkingを取り入れ、個々の資産を表す「カード」の概念を取り入れた顧客体験を提供します。これにより、信頼できるエンジニアは容易に情報にアクセスして、どの資産の保守が過剰か、適切か、不足かといった状況を判断できるため、この事前分析を使用して保守業務やリソースを最適化できます。顧客体験は、すべての資産、資産クラス、資産セットに共通する属性のフィルタリングに関する分析とレポートに役立ちます。

推進要因とリスク要因

信頼できる担当者は、資産の性能に影響を与えるそれぞれの要因とともに、資産属性の詳細、障害発生の予測時間、保守ログを詳細なレベルまで把握できます。この情報は、保守戦略の改善業務や手順を推奨または規定するために利用できる、過去、現在、未来の資産の性能評価用に精度の高いコンテキストを提供します。

資産の性能比較

特定の資産の性能がほかの資産に比べて優れていたり劣っていたりする理由を詳細に探るために、信頼できるエンジニアは、当該の資産についての稼働時間、障害の頻度、発生サイクルといった推進要因やリスク要因を時系列で比較できます。この詳細レベルは、信頼できるエンジニアが、資産の性能に良い影響または悪い影響を与える要因を、障害履歴データ、保守や交換の活動状況に即して視覚的に関連づけるために役立ちます。

機械学習

数学、化学、工学の原理を使用し、保守データと運用データ、機器の使用率や低下の手掛かりとなるその他のデータとの相互関係を特定し、機械学習を適用します。場合によっては、分析による現行の資産保守計画や業務が理想的であり、変更の必要はないと示されることもあります。そうでなければ、分析により、資産の障害を回避するための保守の前倒し、あるいは不要な保守を避けるための保守の延期を推奨されます。

お客様による導入事例

  • 運用データを使用した運用リスクの特定

    運用データを使用した運用リスクの特定

    問題点

    機能化され接続された資産は、構造化/非構造化に関わらず大量の運用データを生成します。企業が分析ツールを所有していれば、これらのデータは資産運用担当者に渡され、洞察としてリスクの特定に利用できます。

    ソリューション

    IBM Prescriptive Maintenance on Cloudにより、企業は、重要な資産から生成された運用データの分析と機械学習を適用し、資産の性能に影響を与える要因をより深く理解するための分析の視覚化を可能にします。

  • 全体的なコストを削減する保守リソースの最適化

    全体的なコストを削減する保守リソースの最適化

    問題点

    資産の運用データや性能に影響を与える要因について入念な分析を行わずに、資産の可用性の最適化や、保守コストの削減のための保守リソースと保守計画の最適な割り振り方法を決定することは困難です。

    ソリューション

    保守記録、時間、性能判定基準、イベント・データの分析により、どの資産の保守が過剰か、適当か、不足かといった状況を判断して、最適な資産保守計画を推奨し、リソースを割り当て、保守コストを削減します。

技術的詳細

ソフトウェア要件

サポートされるWebブラウザーのいずれかが稼働するワークステーション

    ハードウェア要件

    このソリューションは、IBMの安全なSoftLayerデータセンターでホストされます。