本篇文章1323字，读完约3分钟
回头车拉货作者: infor大中国区及韩国商务咨询高级总监鹿崇
从去年开始肆虐的新型冠状病毒大爆发，不仅给世界经济带来了巨大的动荡，也给食品和饮料制造商带来了巨大的挑战。 顾客诉求的变动、一些行业的供给瓶颈、价格上涨等因素集中在一起，真是祸不单行。 特别是安全召回，已被证实是制造商面临的最大挑战之一，价格和风险都很高。
另外，新型冠状病毒带来了新的关注点:生产工厂内的人和病原体的感染风险。
在食品安全至上、企业品牌口碑称王的世界里，安全召回哪怕一次也太多了。 先进的资产管理和维护大大降低了企业的风险。
提高自动化程度，降低风险
随着工业4.0的迅速引进，制造业向全面数字化的转型已经大势所趋。 但是，现在许多工厂仍然采用电子表格形式的以前流传下来的手工解决程序，制定公司的设备维护计划。 这蕴含着巨大的风险。 这是因为食品企业容易出错，面临不必要的停机时间、价格和漫长的合规流程。
食品生产设施的自动化程度差别越大，自动化程度越低，人为错误的风险就越大，导致停机，面临安全风险和浪费。 使用预测性或指导性的方法进行资产管理和维护，实现高度自动化、机器学习和智能化，可以大大降低这种风险，最大限度地减少召回，最大限度地提高公司的声誉和利润。
大数据的挑战
部署在所有机器和生产线上的传感器提供了实现预测性维护所需的实时数据，并将实时数据映射到历史和第三方新闻上，有助于做出快速明智的决定。
使用传感器进行细粒度的深度分解是非常有价值的。 例如，有些机器可以通过监测振动来检测轴承从圆形变化到椭圆形的程度，并预测故障点。
但是，公司资产管理和维护的最终目的不仅仅是提高整个生产线的设备效率( oee，overall equipment effectiveness )。 例如，由于产品中可能含有金属污染物，召回的情况并不少见。 通常，这次召回相当于机器故障，理论上有批量受损的风险。 但问题是，机器深度分解结果通常在一天结束后收集，而不是实时收集，造成延误，这种延误很快就会带来瓶颈问题，给公司声誉和物流带来风险。
在可能产生新型冠状病毒、其他病毒和细菌污染的情况下，提高自动化程度将减少工厂员工，降低其风险。 同样，整理来自温度扫描仪和图像识别的数据也很有帮助。 这些深度分解结果提供了操作员表示感染迹象的数据。 这是为了更有机地降低这个风险。 另外，预测性维护软件可以明确适当的清洗间隔，将污染风险降到最低，但是通过不进行不必要的清洗，不会影响设备的采用寿命。
通过实时整理深度分解结果，预见故障，厂家在没有出现致命大问题的情况下，只要在一天结束后进行整理，就有可能已经发生了损坏。
/ S2/]维护4.0 (维护4.0 )
维护4.0是工业4.0的一部分，是指公司资产的智能预测性管理和维护。 4.0收集“数据湖”存储库中的传感器读数，应用算法和分解准确理解设备晃动和失败的原因，明确如何纠正问题。 这些都是在实际环境中进行的。 该做法利用深入分解的结果，建议维护人员采取那些措施，以免资产发生故障。
从主动维护(被认为是最简单的做法，但长期来看一般是最昂贵的做法)向基于条件的预测性战略的转换，是提高基准和扩大市场份额的关键转换。
