实施工业4.0技术对现有机械的技术有助于整体运营可持续性。

亚历山大·希尔（Alexander Hill），Senseye

今天，最多成功的制造组织认识到，可持续性不仅对企业有益，而且对产品的销售，购买和运营方式也是不可或缺的。它应影响有关工程，运营和维护的所有决策，从机械选择，维护计划，过程控制，材料和组件管理到投资计划以及健康与安全管理。

提高性能并优化旧机械的效率不仅具有财务意义，而且比购买新设备更可持续。如果可以通过延长现有资产的寿命来推迟购买昂贵的资本资产，则它对现金流有直接影响。但是，有必要对新设备进行投资以克服现有机械效率低下或由于技术的逐步改变而保持竞争力。

弄清楚要替换哪些资产以及何时是一个复杂的过程，涉及彻底的生命周期成本分析。与现有机器相比，这涉及诸如购买价格，运行成本，产出，维护成本，能源消耗以及劳动力和零件成本的因素。很少说旧资产比最近的模型更简单。

为了优化分析软件的准确性和有效性，需要使用有关设备的维护和性能历史记录的数据来丰富实时数据。这有助于机器学习算法对该设备将来的性能以及组件如何降低，有助于告知有关何时投资新资产的决策，可以更准确地预测。

行业的好处4.0

在许多工厂中，运营商已经与机器合作了很长时间，并且已经习惯于基于直觉的感觉做出有关资产替代的决定。实时数据分析技术在操作机器操作的方式中克服了任何主观性，并基于真实数据而不是本能，可以更有效地计划资产。

这是行业4.0技术可以提供帮助的地方。通过在现有机器上正确的位置安装相对低成本的传感器，您可以收集和分析有关能效，生产率和维护成本的数据。

这为您的成本分析提供了基本信息，有助于为投资决策提供信息。使用实时分析，机器学习和AI在最大化传统资产的寿命并在适当的时间向新设备的过渡告知芝加哥MCP的Adam Lea-Bischinger（MCP-AM.com），资产管理顾问组织。

通过结合和分析多个数据提要，预测性维护软件有助于构建有关每个设备的真相的单个版本。它使制造商能够更好地理解和优化性能，并准确预测设备的剩余使用寿命，从而可以以受控的方式计划和预算。

发现通过在制造环境中使用预测维护技术实现的运营效率和有针对性的维护福利可将资产寿命延长多达50％。

用例

铝土矿，氧化铝和铝产品的全球领导者，宾夕法尼亚州匹兹堡的Alcoa Corp.（alcoa.com），在其零浪费的铝铝冶炼厂之一中部署预测维护技术。预测维护软件已连接到ALCOA现有的机器和维护系统，以监视操作和关键机械。通过分析机器状况指标针对历史信息，机器学习技术能够在任何功能失败之前自动为维护工程师提供警报和诊断。

结果，该公司的计划外停机时间降低了20％，维护成本的降低以及提高的运营效率有助于延长其资产的寿命。从机器上升到可持续性的关注使铝业能够使用其创新的Elysis碳中性冶炼工艺开发新的减少碳产品系列。

预测性维护

使用数据驱动制造来提高环境绩效和可持续性的好处是显着的。制造商维护和操作机器和设施越有效，碳排放减少和相关的可持续性福利越大。

通过使植物能够在不中断的情况下最佳地运行，并帮助确保机器有效，有效地维护机器，机器可靠性和性能解决方案可帮助组织部署成功和可持续的维护计划。由行业4.0技术启用的预测维护能力，交付：

•停机预测准确性提高了85％
•计划外机停机时间减少50％
•维护人员生产率增加了55％
•资产寿命增加50％
•降低维护成本40％
•库存和浪费减少40％
•30％的运营效率提高
•备件消费减少20％
•机械效率和能源消耗提高15％。

在使用寿命结束前，更换组件是一种看不见的浪费来源，具有重大的可持续性含义。使用全自动的机器健康监控，可确保资产可以为其充分的工作生活运作，同时避免不必要的新零件消费。工业机器是一笔巨大的费用，代表数十亿美元的投资。许多机器可能只额为10到15年。如果您可以延长该寿命并安全地扩展初始资本投资，那将是一个巨大的节省。EP

亚历山大·希尔（Alexander Hill）是英国南安普敦（Senseye.io）的首席全球策略师兼联合创始人（Senseye.io）。美国办事处在田纳西州纳什维尔。下载有关传统资产可持续性的报告https://hubs.ly/q018ghgv0。