焦點特色

資產維護狀態

應用 IBM Design Thinking 思維,以提供使用者採納「卡」(代表個別資產)概念的體驗。其可讓可靠性工程師判斷哪些資產過度維護、維護不足或妥善維護,同時運用此指導性分析,將維護措施與資源最佳化。使用者體驗支援針對所有資產、資產類別提供分析與報告,或者過濾一組資產的通用屬性。

驅動因素和風險因素

在最精細的層次,可靠性人員可瞭解影響資產效能的個別驅動因素、資產的詳細屬性、預測的失效時間,以及維護記錄。這類資訊會盡可能以完整脈絡提供,以利評估過去、現在和未來的資產效能,從而建議或指出可改善維護策略的做法或程序。

比較資產效能

為了探索為何特定資產的執行狀況優於或不如其他資產,可靠性工程師可以依時間順序比較驅動因素和風險因素,例如:作業時數、失效頻率、特定資產循環週期。這種詳細程度可協助可靠性工程師,在歷史性失效資料以及維護與汰換活動的背景脈絡下,透過視覺化方式讓資產效能的正面和負面影響因素產生關聯。

機器學習

應用機器學習並運用數學、科學和工程,以識別維護資料和作業資料之間的關聯,以及可能包含設備使用情形和效能下降相關線索的任何其他資料。在某些情況下,分析可能會指出目前的資產維護排程和做法很理想,無需任何變更。在其他情況下,分析會指示將維護提前以免資產失效,或將維護延後以避免不必要的維護。

客戶如何使用

  • 利用作業資料來識別作業風險

    利用作業資料來識別作業風險

    問題

    感知化、互聯化的資產會產生大量作業資料(結構化和非結構化資料),這些資料可用於識別風險,前提是組織擁有分析工具,可將這類洞察傳達給負責資產作業的人員。

    解決方案

    IBM Prescriptive Maintenance on Cloud 可讓組織針對重要資產所產生的作業資料應用機器學習與分析,然後將這類分析視覺化,以便更充分瞭解影響資產效能的因素。

  • 將維護資源最佳化以降低整體成本

    將維護資源最佳化以降低整體成本

    問題

    如果沒有仔細分析資產作業資料與資產效能影響因素,將難以決定該如何以最佳方式配置維護資源與排程,同時也很難將資產可用性最佳化並降低維護成本。

    解決方案

    分析維護記錄、時間、效能測量指標和事件資料,藉此判斷哪些資產過度維護、維護不足或妥善維護,進而指引最佳的資產維護排程與資源分配,同時降低維護成本。

技術詳細資料

軟體需求

用來執行其中一種受支援 Web 瀏覽器的工作站。

    硬體需求

    此解決方案是在 IBM 安全的 SoftLayer 資料中心管理。