什么是 AVEVA Predictive Analytics？
使用人工智能驱动的预测性维护软件，最大化资产可靠性并防止非计划停机。AVEVA Predictive Analytics 提供故障时间预测和补救措施，最大限度地减少维修时间和停机时间。无代码环境帮助用户在故障发生前的几周或几个月内识别资产异常。
成效
消除计划外停机
在故障发生前数周或数月识别资产异常
大规模部署
快速推出和扩展预测性维护计划，加速实现价值
获得定性见解
从分析到可操作的任务，以减少故障并获取最佳实践
功能
异常检测
获取高级警报，利用案例管理进行知识捕获和全面报告。没有编程或数据科学知识的用户可以部署、验证和解释预测模型的结果。预定义模板加速配置、部署和扩展。
故障诊断
使用定制化的数据和诊断工具获取精确的实时洞察，使用户能够进行及时且一致的分析，快速诊断和解决问题。确定当前性能与资产故障条件的匹配情况，并识别导致故障或不一致的单个传感器。
故障时间预测
通过故障时间预测来确定维修的紧迫性，该预测提供了故障可能发生的预计时间。用户可以规划维修和维护策略，优先考虑安全性和盈利性，并决定是继续运行直至计划维护，还是启动紧急停机。
规范性指导
使用 AVEVA 资产库（该资源包含超过 22,000 小时的经验）中的规范性指导和建议操作来解决资产故障。用户可以通过预定义的指导改进资产维护和性能问题的决策，从而最大限度减少维修时间。
安全
轻松将 AVEVA Predictive Analytics 与现有企业安全系统集成。系统支持单点登录 (SSO) 身份验证，并为管理员提供详细的用户访问权限管理和编辑权限。
带上您自己的算法
使用 Python 或类似语言将特定算法纳入预测性维护循环。在一个应用程序中监控所有分析，并使用内置模型模板、数据清理、警报和警报工作流、故障诊断、规范性操作、预测和案例库来补充自定义算法。
PETRONAS 通过早期故障检测节省了数百万美元
PETRONAS 是一家石油和天然气公司，他们使用 AVEVA Predictive Analytics 来即时通知专家设备异常情况。PETRONAS 自 2019 年实施这个云预警系统以来已节省 3,300 万美元。
如何使用 AVEVA Predictive Analytics
消除计划外停机
通过故障时间预测，用户可以提前规划维修和维护策略，并安排停机时间，从而降低维护成本并最大限度地减少对劳动力的干扰。
提高可持续性
通过准确的资产健康信息，在异常发生之前预测和预防故障，从而减少资源使用和能源消耗。
最大化可靠性和性能
在设备问题演变成生产力损失和资产故障事件之前，识别问题。持续实时监控资产性能，并在资产开始偏离正常运行时立即发出警报。
