预测性分析
主题

预测性维护和分析

发现部件故障并采取预防措施

为什么某些特定的设备部件发生了故障?什么时候可能会再次发生故障?

  • 通过预测性维护减少故障停机
  • 监控资产,探测异常情况
  • 以具有成本效益的方式制定检修和维修计划
  • 通过预测性分析判断趋势并预测事件
  • 利用 SAP HANA 和 Hadoop 技术

预测性运营,简化物流

意外中断会给生产带来严重不良影响,并导致客户不满,还会增加成本并损害声誉,这一点不仅仅是对于制造业,物流、客运和货运行业也同样如此。例如,德国约有四分之一的火车会发生延误。这给乘客和货运顾客带来了诸多不便。此外,延误也给本来就非常紧张的排程和拥堵的网络带来了连锁效应,影响着整个系统的时刻表。研究表明,三分之一的延迟的最初原因是轨道车辆和基础设施部件缺陷,换言之,是由于地铁、火车、卡车和公交车的意外故障导致的。

预测性维护:有针对性的检修和监控

在这种背景条件下,运输公司正在寻求新的改进方式来减少故障停运,并以最佳的方式利用现有资源。定期维护是在预先确定的时间窗口对设备进行维护,这种维护方式具有一定的局限性。通常依靠典型经验,有比较高的安全裕度,并不是根据实际的磨损和损坏情况进行。针对这种情况,一种有效的方式就是预防性维护——监控资产,针对发现的异常情况进行有针对性地检修。
Predictive Maintenance Solution (PMS)
The Locomotive Predictive Maintenance Solution enables railway companies to anticipate possible breakdowns at an early stage. This helps companies to pre-plan maintenance on your equipment with minimal interruptions of your regular schedule.

预防要比维修的成本更低

预测性维护充分利用车辆和其它设备上安装的传感器。这些传感器可以采集关于各个组件状态的数据,并将这些信息通过无线方式发送到中央软件系统。软件几乎可以实时分析数据,并将结果显示在在线仪表板上。因此,可以在造成意外停机前发现并排除故障。预测性维护可以以更好更具成本效益的方式规划定期检修和维修活动。例如,美国主要的铁路公司 Union Pacific 目前有约 8000 台火车机车正在运营,预计预测性维护每年可以为他们节约大约 1 亿美元。

预测性分析 

预测性分析可以应用到很多制造和物流流程——实际上,适用于任何需要持续采集大量关于各个组件状况的数据的场景。可以利用这些数据判断趋势,预测事件,并实时简化并优化运营流程。为此,T-Systems 的端到端方案包括针对传感器、连接、数据科学、基于云的大数据平台以及大量特定行业专业知识的解决方案。 
正确的解决方案
物流
远程信息系统和基于云的解决方案可以帮助货运代理人大幅提高运输管理流程的效率。

了解更多

通过安全云进行大数据分析

T-Systems 为数据分析部署强大的 SAP HANA 和 Hadoop 技术。必要时,可以从云端调配这些服务。因此,企业不需要负担建设并运营自己的数据中心或软件基础设施的成本。这一点对于负荷波动很大并需要高度可扩展资源的情况。此外,T-Systems所有用于预测性维护和预测性分析的云服务均托管在德国境内高度安全的认证数据中心,符合德国严格的数据保护标准。