思科预测性维护解决方案

@2017思科及其子公司版权所有思科预测性维护解决方案白皮书全球领先的信息技术研究和顾问公司Gartner在预测未来科技热点时指出:"数字化颠覆"概念是未来发展的一个重要核心,这一概念已从过去的偶发性突破转变为如今能够重新定义市场和整个行业的统一革新趋势.
未来"数字化即业务,业务即数字化(DigitalistheBusiness,theBusinessisDigital)".
在今日的工业领域,以全数字化为特征的第四次工业革命已然在全球拉开帷幕,"互联网+"、"工业4.
0"、智能制造、工业互联网、物联网等新概念、新理念、新技术层出不穷,极大激发了制造企业对全生产系统进行进一步改造和优化的勃勃雄心.

最大化的提高生产效率,降低生产成本是任何一个制造企业的两个最基本的生存法则和竞争法宝.
而效率和成本都和一个关键环节密切相关,这个关键环节就是:关键生产要素(生产设备)的维修和维护.
试想一家正开足马力生产的企业,突然遭遇生产设备故障而停产,其每一分钟带来的产值损失都是惊人的,而由于不能按期交付产品导致的商誉损害,更是难以在短期内弥补.
据ISA数据显示,全球制造商每年因停机遭受的损失总计约为6470亿美元.
类似这样由于生产设备故障造成计划外停机的问题也困扰着电力、医疗、石化等很多行业.
因此,设备维护就成为了业界一致关注的重点之一.

1.
故障后维护(ReactiveMaintenance).
平时不维护,出问题时再处理.
适于停机影响不大的企业.
2.
预防性维护(PreventiveorProactiveMaintenance).
无论设备状态如何,定期统一更换,升级,这样的好处是避免了大的故障发生的风险,但也造成了过度保养等投资浪费,亦不能避免突发性故障.
目前,企业主要采用两种基本维护模式:@2017思科及其子公司版权所有第1页思科预测性维护解决方案白皮书然而随着近年来以物联网、云计算和大数据等技术为特征的全数字化制造的迅猛发展,一种更加高效的维护模式——预测性维护(PredictiveMaintenance)逐渐成为未来企业的核心需要.
世界知名财务及管理咨询公司德勤出版的《2016全球制造业竞争力指数》报告,也印证了企业对预测性维护的关注,根据对全球制造企业CEO的调查,"预测性分析(Predictiveanalytics)"是最受企业重视的先进制造技术(详见下图).
而预测性分析在制造业的一个主要应用场景就是设备维护.
数字化制造引爆预测性维护需求1.
降低计划外停机,提高设备综合效率(OEE),确保连续生产,提高产量.
2.
减少维护频率,降低维护成本,缩短维护保养时间,提高运维效率.
3.
减少更换零部件,充分利用现有设备,延长设备服务寿命,提高投资回报.

@2017思科及其子公司版权所有第3页思科预测性维护解决方案白皮书预测性维护技术基于传感器收集的设备工况数据,如噪音、振动、温度、压力等,分析并预测可能产生故障点,并给出相应的维护维修建议.
管理人员可以根据建议,提前处理有风险的设备,从而避免故障风险的发生.

与其他维护方式相比,预测性维护的优势十分明显.
短期内,企业可以极大改善自身生产状况:全球首席执行官调查:先进制造技术的未来重要性排名先进的制造技术预测分析智能互联产品(IOT)先进材料智能工厂(IOT)数字化设计、仿真和集成高性能计算先进机器人技术增材制造(3D打印)开源设计/客户直接输入增强现实技术(改进质量、培训、输出知识)增强现实技术(提升客户服务和体验)美国1234567891011中国1742538111069欧洲4251376910811数据来源:德勤与美国竞争力委员会,《2016年全球制造业竞争力指数》长期来看,预测性维护可以更好的为企业自身的客户提供优质服务,从而给企业带来更为长远的利益:1.
改善企业产品服务形象和能力制造企业可以将对自身产品的预测性分析能力,打包成一个服务产品提供给用户.
从而进一步提高客户忠诚度,并极大拓展自己的收入来源.
客户可以自我运维预测性维护服务,厂商也可以通过Internet来托管该服务.

2.
用数据驱动企业产品和服务的创新通过收集和分析客户一线使用企业产品状况的数据(租赁或托管的情况下),制造企业可以获得一手资料,对改善企业自身产品的设计,提升产品质量,甚至优化企业的生产和销售,都有重要的价值.
3.
为制造企业带来商业模式上的创新"分时租赁"、"制造云"、"能力共享"、"软件和数据分析企业"等等创新商业模式,直接影响和决定了企业的未来发展和重大转型方向.

因此,包括波士顿咨询(BCG),IDC等研究机构都纷纷将预测性维护列为工业物联网领域最快成熟的应用之一.
预测性维护在许多资产密集型行业,如汽车、制造、重型装备、智慧建筑、港口等中具有广泛的应用前景.
据IoTAnalytics估计:2016-2022年期间预测性维护的复合年均增长率(CAGR)为39%;到2022年,年度支出将达到109.
6亿美元.
预测性维护面临的挑战@2017思科及其子公司版权所有第3页1.
挑战一:如何管理大量联网的设备.
实现预测性维护首先需要让需要维护的生产要素(生产设备、传感器等)可以联网,否则无法获取设备工况数据.
但是,在企业生产环境中,联网是一个非常复杂的事情.
不同的总线或网络协议和标准,各种具体的安全要求,复杂的生产车间环境,这些都给设备互联带来了巨大的挑战.
这个挑战在企业决定扩大预测性维护设备范围时将变得更为棘手.
因为不同品牌、不同种类的设备有可能要靠不同的厂商负责维护,所以每一台设备的连接、安全策略都不完全相同,但都共享同一个物理基础网络.
网络管理的难度可想而知.

2.
挑战二:如何传输联网设备产生的海量实时数据.
联网设备的一个特点是会持续产生大量数据,但其中有价值的数据并不是很多.
如果把所有数据都上传,会对网络带宽和数据存储带来很大压力.
而且这些数据对时间很敏感,如果没有得到及时处理,其价值就会立刻大打折扣.

3.
挑战三:缺少既能整合不同厂商方案又有丰富成功经验的厂商.
预测性维护是一个需要融合运营技术(OperationTechnology)和信息技术(InformationTechnology)的解决方案,涉及自动化、机械、网络、数据分析、模型算法,信息展现等多个领域,不可能由一家厂商来提供所涉及的技术、产品和服务.
所以客户特别需要一家拥有广泛合作伙伴网络的服务提供商,聚众智,合众力,为客户提供全面的预测性维护解决方案.

思科预测性维护解决方案白皮书虽然预测性维护得到了来自用户和厂商的厂商,但在大规模应用的时候仍面临种种挑战.

@2017思科及其子公司版权所有第4页思科预测性维护解决方案思科预测性维护解决方案白皮书综上所述,物联网和大数据等新技术的出现为解决客户预测运维方面的问题提供了可能,思科作为万物互联的首倡者和物联网领域的领导者,针对预测性维护提出了如下图的解决方案框架.
从左图可以看出,整个解决方案大致分为两个主要部分:雾端和云端.
其中,雾端,负责物联网数据采集和本地分析.
云端,大数据平台负责对数据进行深度分析和处理.
云端、雾端形成闭环,数据和信息上传下达.
详细解释如下:物联网数据采集现场数据通过各种传感器采集,经工业现场总线或网关汇总,通过标准协议如MQTT,OPC,MODBUS等发送到EFF,EFF是EdgeFogFabric的缩写,它是思科最新发布的物联网软件产品,正如它的名字所表示的,EFF可以安装在思科的网关,路由器,交换机,服务器产品上,实现对现场数据的实时采集,传输,实时处理,并可以和后台大数据平台对接,对数据进行进一步的处理.
EFF还拥有强大友好的用户界面,可以方便客户通过简单拖拽的方式设计自己的业务逻辑和二次开发.

大数据平台对数据进行进一步分析和处理EFF可以配置连接到NiFi(一种广为使用的开源数据集成工具),将数据导入后台大数据平台.
用户可以通过zeppelin(一种开源的所见即所得的开发环境工具)或者eclipse编写代码,处理批量数据或者实时数据,构建机器学习模型,基于训练好的机器学习模型,来进行实时的预测性分析.
上层预测维护应用收到实时和历史数据之后,按照之前设计的算法模型进行分析运算,并给出预测结果来指导企业设备的运维计划.
同时处理好的数据,可以通过Tableau等展示分析工具进行统计分析展示.
@2017思科及其子公司版权所有第5页思科预测性维护解决方案白皮书案例解析——发那科(FANUC)零停机方案发那科(FANUC)是世界领先的数控系统生产商,其出品的机器人多年占据全球市场份额第一的地位.
为了减少停机时间并提升生产效率,FANUC与思科一起共同开发了"ZeroDownTime"零停机功能,ZDT利用物联网和大数据技术来防止意外停机.
通过物联网,将生产车间的底层设备全部连接到网络当中,再通过云端收集和分析数据,使生产管理者能够实时地监控和监测到现场底层设备的运行状态,从而提高现场生产管理的水平和效率.
截止2016年,ZDT已为全球数千台FANUC机器人提供了服务,其中包括了通用汽车的20余座工厂,ZDT成功地为通用汽车缩短了生产停机时间并有效地提高了设备综合效率(OEE).
正因为此,ZDT还荣获了由通用汽车(GM)颁发的2016年供应商创新大奖.
ZDT通过收集机器人数据并进行分析,在机器人发生故障之前检测到机器人机构,控制装置等方面的异常,并提醒用户在停机发生前进行有针对的维护维修,从而避免突然停机带来的损失,可检测项包括:机器人机构部状态(减速机诊断,电机力矩检测,伺服断电记录等)加工处理状态(机器人运行状态,视觉检测结果,焊接信息,程序修改记录)系统状态(报警信息,内存使用量)维护保养状态(润滑油,电池更换)用户还可通过PC、手机等移动端实时查看机器人工作状态、生产信息、诊断信息及保养计划.
ZDT是依托思科Cloud以及思科大数据分析平台,并综合思科雾计算(FogComputing)、工业以太网、工业安全、思科现场计算IDC(IndustryDataCenter)等基础架构和系统技术的完整解决方案(详见下图).
@2017思科及其子公司版权所有第6页思科解决方案的优势思科预测性维护解决方案白皮书1.
数字化网络架构(DNA)简化物联网设备的管理思科独有的数字化网络架构(DNA)具有强大的网络流程自动化功能,再加上软件定义接入(SDAccess),大大的简化了联网设备的管理.
比如IT管理员可以为所有联网设备建立一个"IoT设备"组(Group),然后为这个组设定"不允许访问公司机密数据"的策略,就可以避免黑客操纵勒索软件,通过联网设备攻击企业的风险.
一旦有新设备加入网络,也会自动遵循这一策略.
与手工操作相比,既降低了员工的负担,也避免了人工失误的可能.
当企业扩大预测性维护的应用范围时,比如纳入来自不同厂商的不同种类设备,DNA的优势将表现得更充分.
DNA内置的APIC-EM网络控制器为每一种设备(如A品牌的机器人、B品牌的数字机床)建立独立的虚拟网络,每家设备提供商通过自己的虚拟网络维护自己的设备.
所有虚拟网络共用一个物理基础网络,但互相隔离以保证安全性.

2.
成熟的雾计算平台2012年思科在业界首次提出雾计算(FogComputing)的概念,将人们对物联网的认识大大推进了一步.
经过多年的发展,思科在雾计算领域已经构建了包括网络连接(多款工业交换机,工业路由器,工业无线接入点),管理平台(FogDirector)和数据分析(雾数据服务)等的产品组合.
思科整体解决方案在制造、电力、智慧城市、交通物流等多个行业都有成功交付.

主要行业领导厂商已将其软件应用迁移到了思科雾计算系统上运行,包括GE(Predix)、IBMWatson、Fanuc、Itron(Riva)、OSISoft(PI)、smartFOA(在日本市场)、BitStew、Davra、SKSolutions、东芝、Covacsis等.
2015年,思科与微软、英特尔、ARM、戴尔以及普林斯顿大学等,共同成立了OpenFogConsortium(开放雾计算联盟),至今已经有近60个会员组织加入OpenFog联盟旨在加速雾计算的采用,以解决与物联网(IoT),人工智能,机器人,触觉互联网以及数字化世界中的其它先进概念相关的带宽,延迟和通信挑战.
2017年2月13日,开放雾计算联盟发布了开放雾计算的参考架构.
@2017思科及其子公司版权所有第7页总结思科预测性维护解决方案白皮书3.
综合实力领先思科是少数拥有广泛的合作伙伴网络,成熟的解决方案,丰富的成功经验,三位一体的行业应用提供商.

思科已经和全球主要的自动化和信息化厂商结成了战略合作伙伴关系.
罗克韦尔,ABB,爱默生,霍尼韦尔等的解决方案中都嵌入了思科的产品.
思科在中国也拥有超过3000家合作伙伴,并建立了多层次的售后服务体系.
这对用户而言,意味着更好的兼容性和稳定性,以及更快的服务速度.
思科互联设备验证设计(CiscoValidatedDesign)是从大量成功的工程实践中提炼出的最佳设计指南,可以帮助企业快速搭建出高性能,易扩展的架构.
再加上思科在网络互联、安全、云计算上丰富的产品,就构成了成熟的预测性维护解决方案.

思科的方案融合了高性能的商业软件和成功的开源软件,既节省了成本,便于客户二次开发,也保证了系统的稳定和性能.

在发那科、Mazak等的成功,也证明了思科解决方案的成熟和思科驾驭大型复杂应用的能力.