羅克韋爾自動化推出全新數據驅動型服務
（2018 年 5 月 31 日，密爾沃基）關鍵資產一旦發生故障，其后果往往不可估量，由此引發的意外停車可能會導致每年數十億美元的損失。為能夠更加主動地防止意外停車，制造企業和工業組織紛紛開始采用預測性維護及其他各種優良技術，以期有計劃地安排停車事件。為幫助客戶鑒別和防范關鍵資產停車事件，羅克韋爾自動化宣布推出全新的預測性維護即服務產品。
該服務以客戶的關鍵資產為應用對象，從傳感器、控制系統和智能機器等互聯技術獲取數據并進行分析。借助 FactoryTalk Analytics 分析平臺和機器學習技術，羅克韋爾自動化工程師能夠判斷運行狀態是否正常，同時構建數據模型，以幫助預測、監控故障，降低故障發生的幾率，從而促成預測性維護的實現。
“通過收集并分析大量的歷史數據，我們現在可以預見在未來的哪個時間點可能會發生故障。”羅克韋爾自動化遠程監控和分析產品 Phil Bush 說道。“這使得終用戶能夠有預見性地解決問題，大限度地減少對生產運營的影響，而不再像以往束手等待故障的發生，然后在緊迫匆忙中排除故障。”
以羅克韋爾自動化的一個石油和天然氣行業客戶為例，在未部署預測性維護解決方案之前，該客戶曾發生過一次軸承故障事件，導致的維護費用和生產力損失合計超過 300 萬美元。通過與羅克韋爾自動化共同查閱故障資產逾一年的歷史數據，工程師發現軸承冷卻系統已有六個月未正常運行。而如果當時已經部署了預測性維護服務，該客戶就可以在故障發生前發現軸承故障及其發生原因。
該全新服務對于石油和天然氣等行業的重要性尤為突出，在這些行業中，關鍵資產的正常運行時間決定著企業的盈虧。這一重要性還體現在需要連續執行生產運營的關鍵機器上。此外，原始設備制造商 (OEM) 可在某一資產上實施這項服務，利用預測功能延長正常運行時間，并將應用成果推廣到所有類似的客戶資產上。
借助這項服務，客戶可以監控預測并分析警報細節，而無需另外構建自己的數據模型或設計自己的解決方案。羅克韋爾自動化將為客戶提供數據收集、機器學習和工程設計等方面的支持，以構建模型、驗證和監控模式及預測，并隨著數據集的發展持續更新這些模型。