“我们使用的工厂技术种类极其繁多，但得益于 Siemens 的解决方案，我们能在问题发生前提前响应。这就大大减少了生产停机时间。我们还取消了固定的维护计划，取而代之的是根据设备的实际状况进行维护，这也帮助我们降低了维护成本。”实施该试点项目最大挑战之一是确定软件所需的正确数据。“涉及的因素非常多，包括温度、循环次数、频率等等，”Ziepel 表示。
AI 辅助维护方案提升工厂设备利用率
欧洲领先的乳制品企业萨克森牛奶 (Sachsenmilch) 借助 Senseye 预测性维护提升了运营效率。其 AI/ML 云平台能够主动分析工厂机械设备的运行状况，确保设备的高可用性，减少维护工作量，并显著节省成本。该平台支持全球访问，有助于优化设备性能。
食品饮料行业承受着利润率微薄、产品易腐且质量标准严苛，以及生产流程间维护窗口紧张等多重压力，面对着巨大的生产挑战。正因如此，该行业的生产系统容错率极低。如今，越来越多的智能、先进的联网设备被应用于生产领域，这些设备能够相互通信并生成数据。若能辅以适当的软件解决方案，这些数据可用于优化维护工作。
萨克森牛奶莱珀斯多夫有限公司 (Sachsenmilch Leppersdorf GmbH) 成立于30年前，日均处理约 460 万升牛奶，相当于 170 辆卡车的运输量。要维持这一产能，全天候无缝衔接的生产流程至关重要。因此，该公司决定与 Siemens 数字企业服务 (Digital Enterprise Services) 团队合作，在工厂现场开展试点项目。
就预防性维护而言，Senseye 预测性维护是对我们现有流程的宝贵补充。
Siemens Senseye 预测性维护解决方案是一个平台，它能够利用已学习设备与运维人员正常行为模式的 AI 算法，识别当前和未来的潜在问题。该平台可在工厂设备实际停机前启动维护工作。
该公司首先与 Siemens 专家合作，确定了用于预测特定故障场景的正确数据点，并以多种方式利用控制系统中的现有数据。在某些位置，还安装了新型传感器和 SIPLUS CMS1200 状态监测系统，用于监测设备振动。
在整个项目周期内，萨克森牛奶公司不仅获得了 Siemens 的技术支持，还得到了项目实施层面的协助。据 Ziepel 介绍，正是得益于此，双方的合作更为顺畅。Siemens 为方案落地提供的支持包括对萨克森牛奶公司员工的培训和指导，使他们能够快速、顺利地接管项目。
如今我们可以确信地说，Senseye 预测性维护试点项目已经收回了成本。
“举例来说，我们曾成功地规划了一次泵体更换工作，相比生产过程中突发泵体故障，此次更换大幅缩短了停机时间。仅此一项举措，也就是提前识别泵体已达到使用寿命终点，就为我们节省了近六位数的成本，”Ziepel 说。
下一个项目已经启动。萨克森牛奶公司正与 Siemens 合作，计划将Senseye 预测性维护集成至其SAP工厂维护 (PM) 系统中。目标是让 SAP PM 自动接收来自 Senseye的维护信息，以便在生成维护任务时将其纳入考量。
未来，该公司还将更广泛地使用“Senseye 维护副驾驶” (Maintenance Copilot)，将其当作一名虚拟维护助手，一旦需要进行维护工作，它就可以提供基于数据的行动建议。该系统整合了服务团队的所有专业知识，存储了关于工厂的所有必要信息（包括机器操作手册），并提升了乳品厂内部的协作效率。
