照片由罗克韦尔国际公司提供
关键资产的丢失可能是毁灭性的，导致计划外停机，每年可能造成数十亿美元的损失。为了更主动地预防这些事件，制造商和工业组织开始采用先进的技术和预测性维护来安排停机事件。为了帮助识别和防止关键资产的停机时间，罗克韦尔自动化公司宣布推出预测性维护即服务。
该服务应用于客户识别的关键资产，分析来自传感器、控制系统和智能机器等连接技术的数据。利用FactoryTalk Analytics和应用机器学习技术，罗克韦尔自动化的工程师可以识别正常操作并构建数据模型，以帮助预测、监控和缓解未来的故障或问题，作为预防性维护策略的一部分。
罗克韦尔自动化远程监控和分析产品经理Phil Bush表示:“通过积累历史数据，我们可以开始发现未来可能出现的问题。”“这有助于最终用户专注于主动解决问题，最大限度地减少对生产的影响，而不是等待出现故障，并试图进行故障排除。”
在部署预测性维护解决方案之前，罗克韦尔自动化在油气行业的一个客户遇到了轴承故障，导致与维护和生产力损失相关的成本超过300万美元。在与罗克韦尔自动化公司合作审查了关于故障资产的一年多的历史数据后，工程师们发现轴承冷却系统已经六个月没有正常运行了。如果部署了预测性维护服务，组织将能够在故障发生之前识别轴承故障及其根本原因。
这项新服务在石油和天然气等行业至关重要，因为关键资产的正常运行时间决定着利润。这也包括连续制造操作中的关键机器。此外，原始设备制造商可以在资产上实现服务，并使用预测功能在所有类似的客户资产上提供更好的正常运行时间性能。
使用此服务，客户无需构建自己的数据模型或设计自己的解决方案，就可以监视预测并分析警报的细节。罗克韦尔自动化提供数据收集、机器学习和工程支持，以构建模型、验证和监控模式和预测，并随着数据集的发展使这些模型保持最新。
如需更多信息，请访问www.rockwellautomation.com．
 |
 |
 |
 |
 |
|||
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
