国产91在线无码_少妇人妻无码高清_91人妻中文字幕无码专区在线_国产福利在线播放_免费 无码 国产成年视频网站

先進資產(chǎn)績效管理(APM)和資產(chǎn)投資規(guī)劃(AIP)系統(tǒng)

先進資產(chǎn)績效管理(APM)和資產(chǎn)投資規(guī)劃(AIP)系統(tǒng)

資產(chǎn)維護的APM工具箱方法

在其《資產(chǎn)績效管理軟件市場指南》中,Gartner研究描述了資產(chǎn)密集型行業(yè)在資產(chǎn)管理方面所遵循的過程。這種管理紀律從簡單的維護演變?yōu)闃I(yè)務運營的核心能力。Gartner認為,APM軟件處于這一變革的核心位置,CIO必須了解新觀察到的市場方向,并支持這些實用的資產(chǎn)管理策略。

APM產(chǎn)品提供了許多可行的策略,可用于提高可靠性和管理維護。這些策略不應被認為是“好”還是“壞”,而應被視為針對同一整體問題的不同方法,以滿足不同情況下的需求。在維護策略路線圖中,APM的目標是擁有廣泛的技能和工具,并將不同資產(chǎn)類別的需求與這些工具相匹配,采用工具箱方法。就像維護工人不會在每個工作中都使用一把錘子,并且會為任何給定的工作準備一系列工具一樣,組織需要利用許多不同的技能和工具進行資產(chǎn)維護。

在資產(chǎn)維護的工具箱方法中,組織應該為其業(yè)務中的不同資產(chǎn)規(guī)劃出最佳策略。運營將會有在這個結構內(nèi)落入不同類別的需求,可能會建議的供應商不會滿足所有可能的層次和變化。因此,IT部門應該與業(yè)務用戶一起確定一個可行的路線圖,從現(xiàn)有狀態(tài)擴展到完整的多級能力。值得注意的是,大多數(shù)APM供應商并不提供所有層次的APM維護策略。因此,一些組織可能需要超過一個APM產(chǎn)品,具體取決于其業(yè)務的復雜性、資產(chǎn)類型和資產(chǎn)維護目標。

APM應用程序可以提供不同的功能,并通常包含在軟件包的不同類別或不同模塊中。根據(jù)Gartner,表5.1列出了APM應用程序的功能及其流程和工具,以說明上述情況。例如,RCM功能可以被認為是為維護資產(chǎn)和管理其風險制定適當策略的過程或工具。

先進資產(chǎn)績效管理(APM)和資產(chǎn)投資規(guī)劃(AIP)系統(tǒng)

在本章中,對一些OEM軟件部門和IT公司的產(chǎn)品進行了審查。這是一項旨在找到那些可以涵蓋被視為基本資產(chǎn)管理流程的應用程序,以改善資產(chǎn)績效的練習。同樣,分析了與這些平臺實施相關的一些方面。

本章所包含的信息來自于供應商提供的軟件信息,以及對這些平臺實施的實際經(jīng)驗。

GE Digital的Predix資產(chǎn)績效管理

Predix平臺是由GE Digital開發(fā)的。2018年12月,GE宣布將GE Digital與GE Power Digital Solutions和GE Grid Solutions合并成立了一家新公司。

GE看到了一個巨大的市場機會,并創(chuàng)建了Predix平臺,它可以將物理資產(chǎn)數(shù)據(jù)與強大的分析工具和工業(yè)應用程序相連接,以提高資產(chǎn)的性能,降低成本并開發(fā)新的服務。

Predix APM由Predix平臺提供支持的SaaS和本地應用程序組成,旨在“提高資產(chǎn)的可靠性和可用性,同時優(yōu)化維護成本,降低風險,減少總擁有成本(TCO)”。該套件適用于所有OEM和所有行業(yè),并涵蓋了工業(yè)資產(chǎn)需求的全范圍:APM Health,APM Reliability,APM Integrity和APM Strategy。

在表5.2中,第一列列出了基本的資產(chǎn)管理公司業(yè)務流程。表格的下四列標題是Predix平臺模塊的名稱(APM Health,APM Reliability,APM Integrity和APM Strategy)。在當前平臺結構的這些模塊中,確定了支持關鍵資產(chǎn)管理業(yè)務流程的相關應用程序。因此,該表是一個交叉參考表,將公司的關鍵資產(chǎn)管理流程與相應的Predix平臺應用程序進行了關聯(lián)。這是考慮到用戶想要擁有支持類似于第3章所描述的維護模型的基本工具包。

先進資產(chǎn)績效管理(APM)和資產(chǎn)投資規(guī)劃(AIP)系統(tǒng)先進資產(chǎn)績效管理(APM)和資產(chǎn)投資規(guī)劃(AIP)系統(tǒng)

SAP APM解決方案

作為一個知名的全球性IT供應商,SAP提供了APM工具。2019年第二季度發(fā)布了1905版本,包括四個模塊:

(1) 預測性維護與服務。

(2) 資產(chǎn)策略和績效管理。

(3) 預測性工程洞察力;以及

(4) 資產(chǎn)智能網(wǎng)絡。

所有這些模塊都與SAP的EAM組合集成,并在主要位于歐洲和北美的各行各業(yè)中變得流行,盡管在全球大多數(shù)地區(qū)都有存在。

這些模塊包括,例如,在SAP的資產(chǎn)策略和績效管理產(chǎn)品中的RCM。在SAP資產(chǎn)智能網(wǎng)絡中作為商業(yè)服務的協(xié)同APM,或者在SAP預測性維護和服務中部署自定義算法和用戶定義分析的功能,以及來自合作伙伴ANSYS的嵌入式模擬模型的振動分析和模擬作為服務。此外,SAP通過SAP資產(chǎn)管理器提供離線移動使用。

SAP提供與其自身的物聯(lián)網(wǎng)平臺以及其他第三方數(shù)據(jù)源的集成(例如,最流行的之一是OSIsoft的PI)。通過傳感器收集的數(shù)據(jù)可以加載和存儲在SAP HANA中,這是該公司的內(nèi)存數(shù)據(jù)庫管理系統(tǒng)。SAP的CBM功能可以通過SAP PM模塊(EAM解決方案)或通過預測性維護和服務的APM解決方案提供。在這個新的解決方案中,SAP提供了預測性分析和機器學習,以及用于模擬模型的預測性工程洞察力。

產(chǎn)品接口已建立用于像SAP ERP中央組件(ECC)和SAP S/4HANA這樣的EAM,Esri之類的GIS,而對于任何AIP并未提供接口。SAP APM解決方案的系統(tǒng)集成商是知名公司,例如Accenture、Deloitte等。

西門子APM產(chǎn)品

西門子的APM產(chǎn)品在歐洲、北美和中東擁有強大的市場份額,服務于許多工業(yè)部門的客戶。西門子提供四種不同的APM產(chǎn)品,所有這些產(chǎn)品都與其MindSphere物聯(lián)網(wǎng)數(shù)字化平臺進行接口,涉及多個部門:

(1) MindSphere(最新版本為2018年1月發(fā)布的版本3)。

(2) 針對發(fā)電廠的APM版本3.0,于2018年12月發(fā)布。

(3) 電力診斷中心(PDC);

(4) 狀態(tài)監(jiān)測與診斷。

MindSphere通過其Visualizer應用提供CBM功能,通過其Advanced Analytics應用提供預測分析,通過其Product Intelligence應用提供RCM,以及通過RBI應用提供RBI。MindSphere主要作為托管解決方案部署,2018年1月在AWS發(fā)布,2018年5月在Microsoft Azure發(fā)布,2018年9月在阿里巴巴發(fā)布。還通過與Atos的合作伙伴關系提供本地版本,該版本于2018年4月發(fā)布。

針對發(fā)電廠的APM是一種用于發(fā)電的APM解決方案,是西門子MindSphere數(shù)字平臺的一部分,結合了Bentley的資產(chǎn)績效管理專業(yè)知識和西門子的運營和維護經(jīng)驗、艦隊數(shù)據(jù)和領域知識。預測性分析內(nèi)置于資產(chǎn)模型中,并作為起始內(nèi)容提供。

PDC產(chǎn)品是一種非常專用于公用事業(yè)的應用程序,主要關注于檢測發(fā)電和操作設備的異常運行條件,以提高工廠的可靠性和可用性。

西門子在所有產(chǎn)品中都提供了離線模式,并與ISO 55000和ISO 27001行業(yè)標準保持一致。

Bentley已與西門子合作提供了一種稱為PlantSight的聯(lián)合產(chǎn)品(于2019年初推出),用于處理工藝行業(yè)。PlantSight利用西門子的MindSphere、COMOS和XHQ以及Bentley的iTwin服務、OpenPlant、AssetWise和互操作服務,提供工廠可視化和分析能力。

接口已建立,用于像SAP和Oracle這樣的EAM,但沒有報告用于GIS或任何AIP系統(tǒng)的接口。SAP APM解決方案的系統(tǒng)集成商是知名公司,如:Atos、Bentley、Deloitte、TCS、Software AG、IT Vizion等。

IBM APM組合

當前的IBM Maximo APM組合于2018年10月發(fā)布。目前,IBM有兩款提供APM功能的產(chǎn)品:

(1) Maximo企業(yè)資產(chǎn)管理,定位于Watson IoT集團;

(2) Maximo資產(chǎn)績效管理。Maximo APM解決方案的品牌于2019年3月更新,整合了以下內(nèi)容:

? Maximo APM—Health(原名Asset Health Insights),

? Maximo APM—Predict(原名Predictive Maintenance Insights),

? Maximo APM—Assist(原名Equipment Maintenance Assistant)。

Maximo資產(chǎn)管理產(chǎn)品提供離線使用模式,多年來已在許多資產(chǎn)密集型行業(yè)中推出了多個模塊。

Maximo APM提供基本的條件監(jiān)控、資產(chǎn)關鍵性分析、健康評估和FMECA工具。其中一些產(chǎn)品還增強了行業(yè)特定的包,重點放在能源和公用事業(yè)領域。事實上,Maximo APM適用于能源與公用事業(yè)(2019年1月發(fā)布的版本3.0)為公用事業(yè)設備提供了一套預測模型以及預測和AI輔助維護功能。關于RCM,IBM與MaxGrip和GE Digital合作。此外,2016年,IBM獲得了Fluke Accelix Connect2 Assets產(chǎn)品的轉售權,以將APM解決方案與工業(yè)自動化系統(tǒng)連接起來。

IBM Maximo APM套件與Maximo EAM和其他EAM產(chǎn)品無縫集成,作為與Esri GIS的接口,目前尚未與AIP系統(tǒng)集成。IBM套件的集成商有IBM Services、Deloitte、Capgemini和Accenture。

資產(chǎn)投資規(guī)劃(AIP)解決方案

AIP解決方案有助于重新思考資產(chǎn)策略,而不是僅僅替換資產(chǎn)。越來越多的組織面臨更加復雜的收入來源,并且在迫切需要用更少的資源做更多事情的壓力下,被迫重新考慮資產(chǎn)利用情況。AIP系統(tǒng)獲取來自EAM和APM系統(tǒng)的數(shù)據(jù),主要是關于資產(chǎn)的健康狀況、關鍵性和折舊情況,并對這些數(shù)據(jù)進行分析,以確定支出的替代方案。AIP幫助組織做出客觀、數(shù)據(jù)驅(qū)動的決策,以優(yōu)化成本,并在資產(chǎn)的整個投資生命周期內(nèi)盡量減少運營風險,從預測資產(chǎn)狀況到為修復、重新分配或替換資產(chǎn)提供資金。

對于資產(chǎn)的每個干預選項的及時性,或者其本身的替換,是通過經(jīng)濟分析確定的,并根據(jù)用戶定義的某些戰(zhàn)略考慮因素,如預算和監(jiān)管限制(例如,ISO 55000)。事實上,每個組織都需要一種機制來確定投資決策的價值,如果他們打算優(yōu)化他們稀缺資源的使用。

AIP解決方案試圖提供一個明確定義的價值框架,以實現(xiàn)基于價值的決策,與組織和戰(zhàn)略目標一致,從而在整個業(yè)務范圍內(nèi)始終量化投資價值。

對于非常不同的投資提案價值的量化是困難的,可能是一項艱巨的任務。AIP解決方案開發(fā)了一個價值函數(shù),可以幫助簡化這個過程。組織的戰(zhàn)略目標或目標將被轉化為幾個可量化和加權的價值度量。這些度量,連同風險框架和財務參數(shù)(如通貨膨脹率、貼現(xiàn)率)一起,被用來開發(fā)一個公平反映組織將如何評價每個提議的投資所聲稱的利益的函數(shù)(見圖5.1)。

先進資產(chǎn)績效管理(APM)和資產(chǎn)投資規(guī)劃(AIP)系統(tǒng)

在當前時代,對于固定資產(chǎn)的維護和資本投資比以往任何時候都更加關鍵。資本密集型資產(chǎn)公司的高管必須做出許多決定,這些決定可能會極大地影響公司的收入和支出,無論是中期還是長期。

當前的經(jīng)濟下滑使得在確定資產(chǎn)投資策略并評估其相關風險方面幾乎沒有任何余地。因此,擁有AIP類型的應用程序來支持這些流程,并盡可能地完善決策是很重要的。像Copperleaf或Cosmo Tech這樣的軟件提供商正在市場上產(chǎn)生影響,他們的解決方案變得越來越少地針對受監(jiān)管行業(yè),而迅速擴展到相鄰的資產(chǎn)密集型工業(yè)領域。

在接下來的章節(jié)中,將審查各種這些解決方案。意圖并不是在它們的元素內(nèi)容上精確,而是提供它們用于優(yōu)化的工具和與其他AM系統(tǒng)可能性的集成的概述。

Copperleaf 決策分析

總部位于加拿大溫哥華的Copperleaf?為管理關鍵基礎設施(電力、天然氣、水、政府、石油和天然氣、交通運輸以及其他基于資產(chǎn)的行業(yè))的企業(yè)提供軟件解決方案,增強他們的決策分析能力。

Copperleaf Suite 將資產(chǎn)數(shù)據(jù)與財務信息相結合,以增強長期規(guī)劃、預算編制和預測決策,使組織能夠最大化投資組合的價值,并推動戰(zhàn)略目標的實現(xiàn)。

該解決方案包含一系列不同的建模能力,可分為兩個部分:資產(chǎn)管理部分和投資部分。

? 資產(chǎn)管理模型包括一整套先進的資產(chǎn)建模功能,例如:

– 能夠定義任何類型的退化曲線(條件 vs 時間和故障概率 vs 時間),例如,具有大小和形狀參數(shù)的韋伯分布。

– 在組件級別計算狀態(tài) / 故障概率 / 健康得分 / 健康指數(shù),并對資產(chǎn)集進行自動聚合。

– 對相鄰不同資產(chǎn)的退化依賴性和影響進行建模的功能。

– 等等。

? 投資績效模型:包括以下功能:

– 投資績效預測:能夠預測投資組合的最可能實際執(zhí)行情況及其與原始計劃的偏差,以及基于項目/投資執(zhí)行的歷史數(shù)據(jù)使用蒙特卡洛模擬的不確定性區(qū)間。

– 等等。

目前,Copperleaf?解決方案基于先進的數(shù)據(jù)分析工具和優(yōu)化算法(MILP型線性優(yōu)化:混合整數(shù)線性規(guī)劃),提供市場領先的性能。這適用于投資部分和資產(chǎn)管理部分。例如,預測分析模塊可以提供對任何資產(chǎn)的最佳干預順序,考慮到其完整的生命周期。

近年來,Copperleaf已經(jīng)決定大力增強整個Suite的AI/ML能力,現(xiàn)在已經(jīng)成為產(chǎn)品路線圖的主要工作方向之一,并且已經(jīng)有一些新模塊可供使用。

Copperleaf Asset通常不作為資產(chǎn)主數(shù)據(jù),而是從EAM導入資產(chǎn)的結構和技術信息,但在許多情況下,它作為與條件/風險建模相關的屬性或特征的主數(shù)據(jù)(例如,每種資產(chǎn)的退化曲線和使用壽命、環(huán)境后果/安全性/供應可靠性的價值、對每種資產(chǎn)類型的每種干預的單位成本等)。

Copperleaf軟件可以在客戶的IT基礎設施上部署(使用應用服務器/標準數(shù)據(jù)庫服務器,無需特殊要求),也可以在內(nèi)部客戶云上部署(在亞馬遜網(wǎng)絡服務、Azure等上),也可以在Copperleaf自己的云上部署(在AWS上)。

Cosmo Tech的混合方法

Cosmo Tech是ENS Lyon的一個分支機構,由Michel Morvan和Hugues de Bantel于2010年創(chuàng)立。它被認為是工業(yè)系統(tǒng)建模、仿真和優(yōu)化的世界參考。他們的產(chǎn)品戰(zhàn)略基于數(shù)字孿生的構建,這使他們在產(chǎn)品概念和市場提供方面與其他競爭對手不同。公司的理念是通過數(shù)字孿生支持戰(zhàn)略層面的決策過程。它提供了在實施之前對客戶行動計劃進行虛擬測試的能力。這些模型旨在幫助獲得最佳和可執(zhí)行的策略,并能夠透明地制定操作計劃。其主要客戶在制造業(yè)、汽車業(yè)、能源和交通運輸?shù)阮I域。

Cosmo Tech的專有復雜系統(tǒng)建模語言(CoSML)是模擬物理資產(chǎn)、工業(yè)系統(tǒng)、程序和流程的核心。CoSML代表一個真實系統(tǒng),參考了該系統(tǒng)的四個關鍵組成部分:實體、層次結構、相互作用和動態(tài)。

作為其Cosmo Tech資產(chǎn)解決方案的一部分,該公司開發(fā)了一款AIP應用程序,允許創(chuàng)建特定基礎設施的數(shù)字孿生:即獲得所有操作系統(tǒng)的動態(tài)副本,包括物理資產(chǎn)、限制、流程和策略、人力資源和法規(guī)限制。從那時起,可以進行模擬以評估所選計劃期間的不同資產(chǎn)投資和更換選項。該應用程序允許操縱關鍵因素,如預算、配置、資產(chǎn)的關鍵性、退化模型、維護頻率、技術位置的變更、法律等。這顯然是一個旨在管理業(yè)務資產(chǎn)組合復雜性的應用程序,它可以呈現(xiàn)在不同債券水平獲得的業(yè)務風險結果。這是一個旨在在短期、中期和長期內(nèi)提供對最佳資產(chǎn)更新和投資計劃更有信心的工具。

Cosmo Tech的解決方案從一開始就探索了模擬和機器學習的結合。他們的模擬數(shù)字孿生解決方案使得對于最復雜的工業(yè)問題來說,這種混合方法是可操作的。從模擬結果中訓練簡化的機器學習模型的可能性,或者通過模擬解釋機器學習模型檢測到的相關性,結果是一種非常強大的混合建模方法,可以利用每種數(shù)字技術的優(yōu)勢。事實上,這種混合方法正在成為科學界的一個不斷增長的趨勢。麻省理工學院、OpenAI和德國Fraunhofer機器學習中心等研究組織已經(jīng)在探索這條道路。

版權聲明:本文內(nèi)容由互聯(lián)網(wǎng)用戶自發(fā)貢獻,該文觀點僅代表作者本人。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。如發(fā)現(xiàn)本站有涉嫌抄襲侵權/違法違規(guī)的內(nèi)容, 請發(fā)送郵件至 舉報,一經(jīng)查實,本站將立刻刪除。

(0)
上一篇 2024年4月22日 上午10:55
下一篇 2024年4月22日 上午11:06

相關推薦