数字供应链绿色星期四–SAP Predictive Maintenance and Service/SAP Predictive Engineering Insights

非常感谢您分享对数字供应链绿色星期四博客系列文章主题的兴趣。每周四，我们将一起深入了解SAP数字供应链解决方案之一，以及它们如何为全球供应链的可持续性做出贡献。在关注博客的过程中，我们邀请您与我们联系，并在您的同龄人中自由分享博客帖子。您可以在这里找到上周关于使用区块链技术进行材料追溯的文章。

何时是维护的最佳时机？

您是否经历过意外维修的影响？几乎每个人都能讲一个关于汽车修理的故事，比如在假期里，或者在截止日期前半小时更新电脑。计划外或计划不周的维护对业务的影响同样糟糕——在维护期间，每项资产都无法支持业务流程并实现其目的。那是不是说保养不好？

不，恰恰相反，由于缺少维护，情况更糟——资产发生故障，没有人对此做好准备。因此，在通知和等待合格人员、备件和最坏情况下清理、报废或返工损坏产品时，会损失额外的时间。有效保养的关键是坐在驾驶座上！

基于附加资产信息的主动维护

许多企业在定期维护日期进行维护，农业物联网，或者等待资产出现故障。这两种策略实际上都会导致相同的问题——成本更高，资产可用性更低。对于有效和高效的维护策略，需要进行故障预测，以便能够平衡盈利能力、资产健康状况和可用性。为什么不是所有的企业都这么做？因为对于这种方法，需要获得资产状况的数据并进行有效处理，才能得出正确的策略。SAP通过其智能资产管理解决方案，特别是SAP预测性维护和服务以及SAP预测性工程见解，为企业提供支持，以便为每个客户制定和执行正确的维护策略。

维护策略的趋势导致利用预测能力；来源：SAP

数据对于有效的分析至关重要

首先，需要收集数据并将其汇集在一起，以便能够对其进行分析。Asset Central Foundation是SAP Intelligent Asset Management解决方案的主数据主干，可确保ERP系统中相关数据（如S/4HANA和物联网数据）的持续一致性。这样，建立了一个360度视图，涵盖主数据、性能数据和维护历史。

可以使用高级分析功能对这些数据进行分析，以进行故障根源分析、趋势分析或指标分析。在这里，机器学习功能可用于配置、训练和评分模型，这些模型在持续监控期间用作参考，并可根据识别的模式提醒维护人员。得益于现成的机器学习算法，不需要任何机器学习专家来设置和训练算法，返利机器人是真的吗，但每个维护专业人员都可以利用机器学习功能轻松防止资产故障。

数字双胞胎支持物理驱动的维护

除了数据驱动的主动预测方法之外维护，数字孪生兄弟可以打开一个新的方面和新的可能性，预测性维护的基础上，额外的见解资产健康。通过ANSYS软件的集成，可以根据缩颈数据和物理分析建立数字孪生模型。多亏了数字孪生兄弟的这个额外方面，可以模拟不同场景中资产的状况和性能。此外，该功能允许使用虚拟传感器对不可接近位置的资产部件进行状态监测。虚拟传感器给出的数值是根据物理传感器的数据和数字孪生的多物理模型计算得出的。

物理驱动的方法允许使用数字孪生进行有见地的模拟；来源：SAP

SAP预测性维护解决方案为所有相关人员提供重要见解

预测性维护解决方案的集成决定了是否可以利用多少潜在优势。SAP Predictive Maintenance and Service以及SAP Predictive Engineering Insights不仅结合了数据驱动和物理驱动的预测性维护方法，而且使信息在不同级别上可用。通过SAP资产智能网络，软件企业管理，可以与外部利益相关者（如第三方维护提供商）安全地共享资产健康指标。可靠性工程师从实时资产健康和性能管理中获益，以确定哪种维护策略最有效，并利用这些见解规划和执行SAP资产策略和性能管理中的高效策略。预测性维护的见解还可以支持操作性维护人员根据实时资产状况监测、健康指标和规定的维护和优化行动，优先安排工作和规划资源。

更长的机器寿命导致更可持续的业务方式

预测性维护确实如此不仅降低了总体维护成本，提高了资产的可用性，而且由于维护得当，机器的使用寿命更长。由于SAP预测性维护解决方案能够改造旧机器，因此企业不必投资新机器来利用预测性维护的好处。除了经济效益外，环境得到保护，不需要生产新机器，悠哉返利机器人，现有机器始终保持良好状态，能耗和废物产生尽可能低。最后，预测性维护还可以提高使用资产的员工的健康和安全，因为可以防止潜在的有害事故，每个人都可以带着良好的感觉去工作。

使用SAP预测性维护解决方案提高业务运营的可持续性