Asset Management for the Rest of Us

There is a disconnect in manufacturing.

On one hand, 人工智能(AI)和机器学习(ML)已经取得了巨大的进步，通过在问题升级之前识别问题，为节省维护成本和增加正常运行时间提供了巨大的潜力. On the other hand, 这些ML模型需要的相关数据通常很难收集并聚合到不同的系统中. 遗留资产在没有实现数字转型和工业4的全部承诺的情况下缓慢前进.0.

但是，如果有一种简单的方法可以在正确的时间、正确的地点访问正确的数据呢? 

THE MOVE TOWARD PREDICTIVE MAINTENANCE

Industrial downtime delivers a severe blow to the bottom line. Seven years ago, Gartner pegged 工资高达每小时30万美元，这个数字只可能变得更糟. As a result, 有效的资产管理已成为每个制造商长期维护策略的核心组成部分.

Companies have traditionally relied on preventative maintenance, 根据固定的时间表更换或检查关键机器的零件, just like changing the oil in your car every 3,000 miles. There are three problems with this approach: first, preventive maintenance means downtime—even if planned. 其次，您可能在提取其全部价值之前就更换了部件. Third, preventive maintenance is expensive.

预测性维护是一种细致得多、成本效益高得多的方法. A recent survey found that predictive maintenance implementations yielded a positive ROI in 83% of the cases. The promise of this method lies in data analytics. Essentially, 一整套机器“读数”输入到ML算法中，建立一个正常状态的基线评估模型. 在此基础上，任何偏离此基线的读数都会向系统发出警报，要求采取主动行动. 这种方法是一种低接触的方法:它允许你在不受干扰的情况下最大限度地利用你的资产，除非设备发出其他信号.

预见性维护的另一个重要优势是，它可以在潜在故障发生前发现问题，使工作人员有足够的时间做出反应.

THE SENSOR CHALLENGE

而预测性维护则是提高工厂效率的一个令人兴奋的前沿, 这需要大量的数据:温度——过热的机器是灾难即将来临的可靠信号——振动, humidity, and more.

ML模型的数据来自资产上的传感器，或来自在生产车间行走的工人，他们以固定的间隔读取数据. 但大多数遗留资产都没有配备传感器，如果有数百个，要大规模添加传感器是一项昂贵的提议, even thousands of assets. And, 因为这些遗留资产中的许多将在未来几年继续运行, waiting to upgrade them is also not an attractive option.

传统上，一种解决方案是派遣员工巡视和阅读. But sending workers on such missions can be expensive and inconsistent, 通常依赖于机构知识，当人们退休或换工作时，这些知识不会传递给他们. This work can also be dangerous, 特别是工厂中可能需要专门安全设备才能进入的危险区域. 零星的或不准确的数据对于有效的预测性维护是不够有用的.

THE ALTERNATIVE: BRING THE SENSOR TO THE ASSET

It is time we rethought the approach to predictive maintenance. 你不需要每个资产都布满传感器或员工检查危险区域. 移动边缘设备，特别是机器人，可以高效和大规模地完成这项工作. In addition to keeping your employees safer, 机器人解放了工作人员，使他们可以花更多的时间做更高价值的工作.

This dynamic sensing approach uses a set of sensors, customized to your application, as a payload on an agile mobile robot. The robot can go wherever a person can, 使用你所有的设备，按照你设定的时间间隔进行正确的测量. A quadruped robot 可以配备各种有效载荷，并与首选的传感器和软件工具集成，使用机载API. Thermal scanning, radiation detection, gas detection, acoustic modeling, vibration analysis, 测量读数——四足机器人可以测量和处理任何重要的数据，以确保正常运行时间.

Equally important, 该机器人将从知名行业领导者那里收集的数据输入资产管理软件, processing the information at the edge. Integrated with a machine learning analytics system, 一个敏捷的移动机器人可以立即对资产的健康状况做出决定. If the mobile edge robot detects a problem, it can automatically trigger processes for repair, 例如创建一个工作单，并通知负责设备的现场工人.

这些机器人不断收集和分析资产性能数据，以提高可靠性和操作效率，同时保证员工的安全.

BRIDGING THE GAP

制造业一直在拥抱数字化转型的道路. 但在它采用人工智能和机器学习等更先进的技术之前, it continues to wrangle with the problem of legacy equipment. How do we make legacy equipment “talk?“澳门十二生肖买马如何以澳门十二生肖买马需要的频率提取澳门十二生肖买马需要的有意义的数据? 一个动态传感网络与自定义传感器有效载荷集成在腿部机器人上的正确软件可以解决这个问题. 它帮助澳门十二生肖买马以正确的精神——高效和安全——接受先进技术.

Stop worrying about the complexities and minutia of asset management. 定制机器人解决方案，为您的设施配备合适的传感器，作为有效载荷，提供最好的所有世界:用低接触的方法对遗留资产进行预测性维护.

要了解关于Spot如何实现有效的数据捕获和资产检查的更多信息，请下载 our industrial inspection ebook or contact sales today!