IBM、Arrow、NI联合开发工业预测性维护系统

为了最大限度地提高工业环境中的正常运行时间，性能和质量，设备需要始终以最佳状态运行。但我们都知道，即使计划周密的预防性维护，也不会100%确保准确。

物联网（IoT）是提高资产绩效和推动业务成果的关键推动因素。但物联网很复杂，需要大量供应商和生态系统利益相关者才能取得成功。而且，需要提供商生态系统有时会成为许多公司的绊脚石，让大家望而却步。

要部署物联网解决方案，就要解决移动通信问题

在物联网硬件方面，您需要选择适当的传感器来收集用例数据，收集传感器数据的网关以及连接它们的方法。

然后，您需要确定是否需要在边缘处理数据以满足延迟，安全性或其他数据要求，并将必要的传感器数据移动到平台。

平台需要管理所有设备（通常来自多个供应商）以确保它们全部正常工作，并且所有设备都具有正确的软件或固件版本。然后，平台必须再进行数据处理与传输。

对于数据，您需要确定将数据放置在何处（在内部，在云中或可能是组合中），哪些利益相关者需要哪些分析工具，以及如何将其集成到资产管理或其他应用程序系统中。

您需要在仪表板和报告中显示分析结果，并与流程团队和工厂经理合作，以确保使用数据和资产洞察来更改操作的运行方式。

尽管此解决方案的任何一部分都不会太难，但如果全部组合起来之后，部署工作的解决方案会非常繁琐且困难。

三家公司合作为工业物联网提供解决方案

为了解决这些复杂性问题，Arrow正在与IBM合作开发物联网解决方案。 Arrow负责系统集成和OT业务所需要的硬件和连接设备，而IBM负责IT及软件系统。

与此同时，Arrow联合了National Instruments（NI）。 NI是一家备受推崇的工业公司，已经成功部署了在恶劣环境中收集数据的解决方案。此外，NI还有一个软件应用程序，可以让用户查看数据并快速了解资产状况，从而管理日常运营。

Arrow还将IBM的解决方案与Watson IoT平台，分析和Maximo资产管理解决方案结合在一起。

通过这项合作，新的工业物联网解决方案孕育而生，为预测性维护提供了最好的组合。

合作发生的地方

通过组合解决方案，NI硬件和软件不仅可以使用最先进的技术收集数据，而且现在可以应用IBM的高级分析，AI和机器学习来查找趋势并获得真正的预测性维护。

此外，通过Maximo，分析的见解可以立即转化为工作单或维护计划等行动，通过保持机器按设计运行来优化正常运行时间，生产率和安全性。

Arrow对物联网的处理方法是尽可能多地消除流程中的摩擦。已选择传感器，网关，平台，分析和应用程序，并预先集成到业务合作伙伴可以与客户快速部署的解决方案中。

Arrow拥有广泛的业务合作伙伴，他们可以部署传感器，网关和网络，以及使用分析实施软件和开发模型，以确保无缝集成。

当您考虑预测维护解决方案时，最好不要从头开始，而是选择一家靠谱的合作伙伴供应商以及完整的生态系统。

NI赋能物联网整体解决方案

在今年的NIWEEK 2019上，德勤首席物联网科学家Robert Schmid利用AR技术，展示了德勤虚拟工厂。在这一Turnkey IoT解决方案中，德勤结合了NI平台的CompactRIO和InsightCM，通过CompactRIO执行高速采集和分析，将信息汇总，以评估生产线的健康和效率。

德勤通过这一手段，帮助某家客户进行了产线改进，实现了2000万美元以上的整体收益，效率提高了9%。“借助NI的平台，我们可以看到集成的高性能采集和分析带来无穷机会，为客户资产实现效率，运行时间和质量的提升。”Robert说道。

为了减少工厂复杂的布线要求，NI也特别推出了全新的无线节点网关和产线健康状态检测的振动传感器，该传感器采用MEMS技术准确判断出物体的振幅和振频，通过蓝牙将各传感器数据汇总到新推出的无线网关中，之后再由支持无线系统的在线资产监测软件InsightCM汇总。

全新的无线网关以及振动传感器