洞见，思变 - 艾默生数字化转型记Ⅲ 数据驱动运维方式的转型
为什么要实现运维方式的转型？
当前一些生产性企业工厂实施了数字化应用，逐渐意识到了工厂生产数据的价值，然而对于大部分工厂来说，这些数据的最大用途是生成提交给各部门的报表，并未实现数据增值服务。对于运维人员来说，运维依然日常例行巡检、排班倒班、维修设备，这些活动占据了大量的工作时间，工作负荷较高。对于运维管理人员来说，运维是时刻监测现场的运行性能，应对生产中出现的突发状况，确保生产的稳定运行。
随着互联技术的革新、大数据的广泛应用，在当前行业发展趋势和政策的双重作用下，每个生产企业都在探讨自己的发展方向以及发展措施。在这个思索的过程中，我们自然而然会问到一个问题，生产企业是否认为需要继续沿袭上述的运维理念，关注点是否有了新的变化呢？
根据罗兰贝格的调研，对于制造型企业来说，85%以上的受访者认为运维服务商应更多地关注数字化方案规划能力，97%的受访者认为运维服务商应提供主动、完整的数字化运维服务方案。从生产企业自身角度出发，传统的维护方式已无法适应当前数字化转型发展的要求，融汇物联网理念、应用先进数字化手段的新型运维解决方案是未来的发展趋势。这就带来了一个新的问题，运维方式的方向在哪里。
运维方式转型的方向
当前生产企业所采用的运维方式通常分为三种：被动式维护、预防式维护和预测性维护。三种运维方式的对比如下表所示：
通过上表，我们可以看到传统被动式维护、预防性维修，难以准确把握设备有无故障、故障类型、故障部位及故障程度。另外，由于良好部位的反复拆卸，机械性能往往不理想，甚至低于维修前。因此采用这两种维护方式造成了维护维修成本巨大，故障未能及时处理带来的停车损失更是不可估量。
预测性维护是“工业4.0”提出的关键创新点之一，它将状态作为依据，对设备进行连续在线的状态监测及数据分析，诊断并预测设备故障的发展趋势，用户依据此类信息制定预测性维护计划以及维修工作的确认，涵盖了设备状态监测、设备故障诊断、故障状态预测、维修决策支持和维修内容确认的全过程。预测性维护能够帮助企业将计划外停机的风险和资金影响降至最低，因此运维方式的数字化转型能够实现成本的节约和效率的提升。
如何实现预测性维护？
为了帮助企业更好地实现维护管理，运维团队需要考虑人员、管理流程、技术辅助工具和维护数据这四方面的内容，将运维平台化，不再拘泥于以往“运维=维修”的理念。
建议生产企业考虑以下几个维度的内容，实现人、技术和流程的密切配合，实现用数据驱动维修决策的制定，将数据的价值融入运维过程：
1. 确保数据的准确性
越来越多的生产企业意识到大量的数据积累是必要的，可用作以后建模的基础和决策制定的数据支撑。然而通过对于部分企业的调研，一些现场设备选型不匹配，导致数据准确性降低，缺乏参考、存储和分析的价值，无法制定合理的运维计划。对于生产企业来说，确保数据的准确性是实施数字化工厂各项功能模块的基本要求，也是奠定数字驱动生产的基础。
2. 搭建预测性数据平台
搭建平台的目的是实现数据的流动，需要考虑数据的接口、数据种类的全面性等特性，建立场景分类标签，形成规范的、紧密结合业务的资产标签等标识，最终在应用数据层提供可视化支持，例如厂级设备可视化驾驶舱，驾驶舱能够提供电子巡检、台账管理、报警原因分析、报表等画面。
3. 引入机器学习
机器学习能够提升预测性维护的价值，帮助操作人员和维护人员迅速鉴别表明设备问题的数据异常。机器学习能够生成设备模型，识别并模拟设备的运行，从而预测设备的剩余使用寿命和特定时间内的设备故障。
4.规划智能运维流程
根据实际运维的要求，提供KPI统计报表和分析报告，提供优化措施建议，自动执行优化策略，提高运行效率。
5. 复合型人才的培养
生产企业将生产相关的经验汇总成各种知识库，不断进行知识库的更新和优化，帮助各专业人员提升专业素养和全面培训，为未来数字化转型提供复合型人才。
生产企业根据实际生产定制各种应用场景，实现数据的协同、共享和复用。例如搭建仿真环境，提高工艺、操作人员等对于现场工段的洞察力，为各专业人员提供辅助工具，实现更好地沟通、更快速地学习以及制定更高效的决策。
结束语
数字化转型的制胜基础是运维方式的转型，数据平台和优化分析工具已经成为提高企业经济效益的重要途径，相信未来会有越来越多的生产企业实现数字化运维。
