英特尔推出预测性评估方案介绍

你还在“先用后修”的老套模式里转圈，眼看着维护成本节节攀高束手无策么？英特尔预测性维护帮助你节省成本提高效率，快速告别亡羊补牢！

预测性维护方案可有效降低故障损耗率

机器磨损之后的维护工作常令企业困扰，由于机器磨损造成的故障会耽误生产进程，使得制造成本大幅提高，并导致企业发展脚步减缓。

而预测性分析的出现为企业带来了一线曙光，它可以预测未来事件发生的概率，运用计算来发现数据集中的关系和趋势，在机器故障之前解决问题并降低维护成本。

建筑行业和食品加工行业十分重视生产设备的持续使用时间。一般来说，这两个行业涉及到的生产设备使用寿命较长，但一旦设备出现故障，就会导致无法估量的损失。而预测性维护则可以帮助企业确定在用设备状况，并预测何时需要维护设备。

预测性维护的数据源来自与性能、温度或转速相关的传感器，它可以在收集数据后将其传输到云平台，并利用数据分析方案对信息进行分析，以便更快地发现疲劳或磨损的零件，从而前瞻性地防止成本高昂的生产故障时间。

由此，预测性维护系统可以帮助企业更快地发现需要更换的零件，在发生严重损坏之前就启动预防措施。服务部门也可以基于此系统进行快速反应，更换特定零件，或者提前进行维护工作，避免不必要的维护。

德国电信、英特尔和SAP三剑合璧

预测性维护目前面临数据收集和实时分析两大挑战。而基于SAP HANA等内存数据库技术的ERP系统在这里大有用处，把数据信息存储在主内存而非硬盘中，同时以超低的延迟处理来自多台服务器的查询，充当整合中心。

目前，除了安装在本地 （内部部署）外，SAP借助德国电信提供的基于英特尔至强处理器的云托管平台，构建Dynamic Services for SAP Solutions，让S/4HANA和SAP Predictive Maintenance and Service也能以云解决方案的方式提供，实现收集性能，温度，振动或旋转传感器数据，并进行预测分析。这一系列设置共同驱动了预测性维护这种积极主动的方法，有效减少了故障中的机器停机时间和维护成本。

随着工业4.0时代的到来，制造业需要管理的数据量持续增长。只要对数据加以适当的过滤和分析，都可以成为宝贵的信息来源。通过智能地监控和分析生产数据，即使中型企业也可以近乎实时地对不断变化的参数做出回应并相应地优化生产。

而英特尔的一体式预验证型硬件和软件解决方案则使高效数据分析和预测性维护成为可能，解决机器维护的低效率高成本问题，让机器运转不停息，推进制造业健康持续发展。