根據 Gartner 指出，預測性維護可節省開銷，在某些案例中，甚至可將成本降低最多百分之 40。舉例來說，有一間製造商最佳化了他們的製造廠，讓他們不需在接到新客戶合約時購買額外的機器，從而節省了 600 萬歐元。

但是，需要大量的資訊才能進行分析。工業營運中不會缺少資料，但收集、正常化、整合，以及分析這些資料，才是巨大的挑戰。

而相同地，程序與技術一樣重要。成功與否取決於營運痛點、財務損失，以及其他挑戰。必須定義並認同明確的目標，以決定可取得最高效能/價格比與最佳 ROI 的使用案例。

運用預測式分析進行預防性維護

在一間航空產業用戶不停發生停電問題時，他們便尋求 Capgemini 的協助。他們發現是機器的軸心問題導致停機，但更換軸心並無法解決此情況。他們花費了兩個月反覆試驗，才發現電力問題是狀況的根源。

營運團隊採取了動作，以避免未來發生軸心問題，同時改善其他設備的效能與可用性。為此，公司部署了 Capgemini 的 Predictive Asset Maintenance with Edge Compute 解決方案。

「當我們遇到這樣的專案時，我們會由諮詢階段開始，識別可最快節省花費或增加收益的問題與使用案例，」Capgemini 的 XIoT 全球解決方案主管 Philippe Ravix 說： 「我們會查看各個廠區，瞭解部署哪一種『數位關鍵工具』能快速致勝，並加速取得 ROI。」

此解決方案能讓企業降低維護成本，並提升工作人員的生產力。

此系統會針對機器的問題，以及可能在兩週、兩個月，或兩年後發生的故障，對使用者發出警示。這代表可在正確時間點維護設備以節省成本，而不會過早或太晚進行。

透過自訂的分析能力，加上應用程式、管理，以及現場服務人員之間近乎即時的互動，便可偵測穩定運作過程中出現的偏差。透過內建的機器學習能力微調設定可避免誤報，並使解決方案持續演進，以改善效能與資產使用壽命。

「預防性維護的最終步驟，就是預測機器將會故障的時間。透過運用機器狀態、維護操作、故障特性及其他因素的歷史紀錄建立數據分析模型，我們使用的方法便以此模型為基礎。」Ravix 表示。

透過部署預測性資產維護，讓此航空企業的營運由完全預防性維護轉變為條件式維修，為他們節省資源、時間與金錢。

資料品質加上專案方法

為了確保成功，Capgemini 每個新專案的第一步，都是與從設備營運者到廠區管理員等主要利益相關協同合作規劃。成功的部署牽涉到許多面向。遠遠不只收集、分析，以及回報資料。還需要在正確的時機取得正確的資訊，並傳送至正確的人員，加上必要的工具和訓練，才能讓此資料具有價值。

「您需要擁有一套方法，才能跨整個企業管理這種數位轉型，包括從工廠內的工作人員到辦公室裡的管理員。」Ravix 表示。

預防性維護等工廠自動化應用，只有在能讓人們的工作變得更加簡單時，才能發揮效率。這是 Capgemini 如此注重廠房和現場工作人員的主要原因。

「在過去，維護操作人員經常擔心這樣的數位轉型將會增加他們的工作量，」Ravix 說： 「導入此解決方案便不會導致這種情況發生。事實上，這種專案的很大一部份內容是訓練，因為大部分的工作人員並不熟悉數位技術。一旦系統可順暢運作，且工作人員經過妥善訓練，這就成為妥善的工具，可讓他們的工作更輕鬆，也更容易獲致成功。」

最後，因為技術人員與營運人員能獲得更加準確即時的資訊，他們便可提供更高等級的專業與價值。

在邊緣與雲端進行分析

Predictive Asset Maintenance with Edge Compute 系統結合四種內建模組，如圖 1 所示：

• 連線能力 – 透過儲存在時間序列資料庫中的 PLC、感應器，以及歷史資料 API 收集機器資料，提供近乎即時的監控效能。
• 資料流 – 透過機器監控，並在超過臨界值或進行不相容操作時發出警報，以觸發第一層預測性維護。
• 資料平台 – 結合計算引擎、專用資料庫，以及機器學習，提供進階監控與認知式監管能力。
• 虛擬化 – 可自訂和個人化的儀表板，適合桌上型電腦、平板電腦，或智慧型手機。

「我們的方法是建立一個模型，根據其參數定義機器的正常運作情況，而不著眼在故障方面，」Ravix 說： 「然後，我們比較機器目前的行為與參考狀態，便可偵測潛在的偏差。在發生異常時，我們可以找出偏差源頭的參數。」

定期復原機器資料，並在傳送至雲端前，在 XIoT 邊緣閘道進行分析。這能降低頻寬要求，且因為具有本地儲存設備，可在網路故障時備份資料。

系統會持續監控此資料，並運用預測性維護技術，透過簡訊或電子郵件將警報傳送至管理與現場人員。透過額外的認知功能，甚至可以找出特定機器的哪一個部份會在哪一段時間範圍內故障。

無論在邊緣或雲端，Capgemini 預測性維護基礎架構的核心皆為 Intel^® 技術。在 Azure 或 AWS 等雲端平台上部署深度學習演算法需要快速的運算能力，」Ravix 說： 「Intel 提供了能滿足效能需求的平台。」

「最後，我們運用 Intel 技術所開發和部署的市場就緒解決方案提高獲得成果的速度，帶來了大規模的優勢，」Ravix 表示： 「因此，我們便可提供最適合讓客戶成功進行數位轉型專案的平台。」

在現代千變萬化的市場中，工業組織需要面對不斷增長的競爭與經濟風險。但能夠驅動差異性與獲益的關鍵工具卻很少。

這些趨勢也成了工業公司轉向數位化的主因。透過即時擷取與分析營運資產資料，製造商可對識別出的風險進行評估並採取動作，從而取得大幅優勢，以降低成本、改善品質，並提高生產能力。

Polinter 是一間生產聚乙烯的石化公司，他們透過採取這樣的作法，取得了優異的成果。他們在四個大型廠區部署包括條件式維修等資產效能管理系統，獲得以下成果：

• 預防性維護活動增加了百分之 25，最佳化維護成本
• 反應式維護活動減少了百分之 14，縮短停機時間
• 機器可用度改善，在三年期間提供了 370 萬美元的額外收益

如 Polinter 所展示的，透過導入預測式分析，可提供即時的資產維護，相較於傳統以時間或排程為基礎的活動來說，可帶來大幅的效率與優勢增長。雖然資產管理已經不是新的概念，但面對大量湧入的工業資料，人們需要全新的方法，才能把握並運用快速成長的資料可用度。

想想現代使用的龐大工業設備數量：如石油鑽井平台、管線和風車等大型資產，以及幫浦、閥門，還有過濾機組等較小型，比較不容易直接看到的資產。不僅有數以千計的資產正在運作，它們也十分複雜，同時部署在多種不同的地理位置與環境中，並具有多樣的運作參數。

因此需要完整透徹的資產策略，才能運用預測式分析，取得最高的效能/價格比，並確保掌握優勢。

這需要進行風險評估，以判斷對實現產品目標最為關鍵的資產，並對潛在的財務、安全性，以及環境影響具有最大的風險。在有效率的部署前，組織需要先判斷哪些設備要著重於預測式分析，以及在故障時會發生哪些風險。

高價值與高風險的交叉路口

GE Digital 與 Polinter 等企業合作，透過他們的 APM Health 解決方案，讓營運商能為高價值、高風險的資產部署遠端診斷功能與預測式分析技術。

「廣泛來說，我們運用預測性技術，針對可能導致停機的潛在故障提早發出警告，無論是兩天、兩個月，或是兩年，資料的內容能讓您知道將會發生問題，」GE Digital 產品策略部門副總裁 Joe Nichols 說。

「透過運用風險評估技術，我們能判斷要收集哪些資料和運用哪些分析功能，以得知是否有潛在的故障風險。一旦識別出風險，系統會自動建議最合適的矯正動作以避免故障，可能是透過進一步檢查、調整運作方式，或進行維護等。」

GE Digital 運用「數位雙胞胎 (Digital Twins)」技術，透過合適的資料打造精確的資產模型，以運用分析技術和規則，並提出建議，這些都有助於推動效率更高的資產管理方法，並實現業務目標。

數位雙胞胎的概念已經在業界運用超過 30 年。舉例來說，NASA 從數十年前起，便在太空船上執行複雜的模擬。現在，這個概念也回到了物聯網應用的聚光燈下。事實上，Gartner 最近將此技術列為 2019 年的前 10 名策略趨勢之一。

「我們判斷哪一種資產最為關鍵，並透過我們所收集的資料，決定最合適的分析技術，」Nichols 說： 「這些資料可經過分析並快速採取動作，以應對更多的基本挑戰，也可搭配為數位雙胞胎，作為高度結構化的資產虛擬再現，可持續監控，並為潛在故障提供預警。」

APM Health 解決方案會擷取並分析流入的資料，並與風險模型比較。系統會即時執行從簡易到多變量的分析常式，以識別並建議動作。

預防性維護的成功要素

APM Health 解決方案結合了三個要素 — Predix Essentials、Health Manager，以及 Rounds。

Predix Essentials 是管理模型與資產健康度的基礎平台功能集合。它負責收集、整合，並標準化資產資料，以通用的方式針對此資訊查看、分析，並建議行動。

系統透過三種方式收集資產資料：歷史資料、邊緣，以及操作者直接輸入。歷史資料會抓取並儲存設備資訊，同時 Predix Edge 技術會透過連接至機器的感應器直接收集資料。操作者可透過對資產的觀察或互動直接輸入資料。可使用一或多種方法，以取得資料並傳輸至應用程式。

Health Manager 運用經過匯總的資料，判斷並即時回報機器在運作環境中的狀態。它能透過計算測量指標偵測異常問題，並帶動以規則為基礎的例外。並支援持續監視，亦可透過循環與校正管理，進行間斷或週期間監視，如圖 1 所示。

圖 1. 運用 Health Manager 檢視報告，並根據資產資料採取行動。

「根據所匯集的資料及我們的預測式分析能力，Health Manager 可提供一個單一位置，讓您瞭解哪些資產正在正確運作，以及並未正確運作的原因。」Nichols 說： 「系統會以端對端程序，提供可恢復資產健康度的動作建議，提供資料的意義，並使資料發揮用處。」

Rounds 是一個行動應用程式，讓人員能在現場運用 Predix APM。它可將設備策略遠端整合至日常營運與監控程式內，促成資產效能的效率進化。

雖然許多現場資產具有感應器，以自動傳輸資料，但有很大一部份沒有具備此功能。設備需要人力介入才能與機器直接互動，以觀察、偵測，以及評估目前狀況。Rounds 提供結構化的程序，透過風險與情況評估引導現場人員，並在機器的當地位置精確收集資料。

應用程式所收集到的資料可即時傳輸至後端系統。離線時，資料會儲存在行動裝置內，連線後便會傳輸至 Predix Essentials 和 Health Management 工具（圖 2）。

圖 2. 現場操作人員使用 Rounds 在當地收集資產資料。

減少廠區的停機時間

Intel^® 與 GE Digital 的合作不僅止於技術整合。這兩間企業攜手，在 Intel 半導體工廠的風機過濾機組 (FFU) 部署了 APM 解決方案。

在這樣的製程環境中，FFU 是極為關鍵的資產，對系統故障的操作影響極大。污染問題可能會導致產線停機和產品受損等多種狀況。

Intel 能改善廠區營運，獲得更優異的能源效率、預測能力、產量，以及工作人員的生產力。透過在偵測到潛在的故障時訂購更換零件，並在發生故障前主動更換，將 FFU 的運作時間提高了超過百分之 97。

最終來看，相較於傳統的手動偵測程序，Intel 將排程外的停機時間降低了百分之 300。這樣的部署展示了在半導體製造業內，透過運用邊緣運算與雲端技術的工業物聯網預測性維護解決方案，能獲得什麼樣的投資報酬率 (ROI) 潛力。

APM Health 解決方案針對 Intel 技術最佳化，提供使 GE Digital 得以從邊緣到雲端提供端對端解決方案的架構。APM Health 是廣泛的 Predix 產品系列成員，除了可獨立部署，亦可在客戶需求成長時增加額外的產品。

Nichols 總結道：「我們與 Intel 的合作是最好的實例，展示出我們能如何結合優異的技術、資產管理最佳實作，以及半導體領域的專業，提供極為有利的預測分析能力，並解決各式各樣的客戶挑戰。」