设备预测性运维管理解决方案

　　思谋在⽣产制造领域的预测性维护解决⽅案，通过监测设备部件的健康状态，设备⼯程可以更快地发现各种设备异常， 更早地解决问题，以降低异常部件带来的损失。此外，通过预测性维护解决⽅案，还可以将历史异常数据输⼊到机器学习模型中，通过学习过的模型以预测部件异常状态，从⽽提升设备利⽤率。

　　方案概述

　　近年来，美国、德国、⽇本、英国相继发布了⼯业产业升级战略，均提出要将带有内置感应器的机器和复杂的软件与其他机器、 ⼈连接起来，从中提取数据并进⾏深⼊分析，挖掘⽣产或服务系统在性能提⾼、质量提升等⽅⾯的潜⼒，实现系统资源效率提升与优化，其中贵重产品、设备的传统维护已经越来越不能满⾜今天智能化要求。

　　思谋在⽣产制造领域的预测性维护解决⽅案，通过监测设备部件的健康状态，工厂可以更快地发现各种设备异常， 更早地解决问题，以降低异常部件带来的损失。此外，通过预测性维护解决⽅案，还可以将历史异常数据输⼊到机器学习模型 中，通过学习过的模型预测部件异常状态，从⽽提升设备利⽤率。

　　系统构架

　　方案优势

　　边缘与云的协同

　　提升效率

　　预测性维护

　　应⽤场景

　　智慧⼯⼚项目

　　智能制造升级改造项⽬

　　多⼯⼚、多区域的重要设备管理

　　重要备件的寿命预测

　　客户案例

　　某新能源企业设备管理项⽬

　　随着工业互联网时代的到来，越来越多的企业开始使用高效智能的工业制造设备，然而，越是高端的设备，维护的难度就越大，如果维护不善，很容易导致生产效率降低，甚至造成巨大的损失。

　　针对某新能源企业设备管理项目，基于思谋SMore ViMo工业软件平台深度算法，通过监测设备部件的健康状态，更早地解决问题，降低了企业生产过程中异常部件带来的损失，有效将企业的平均单次维护成本从50万元降为1万元。