先进资产绩效管理（APM）和资产投资规划（AIP）系统

资产维护的APM工具箱方法

在其《资产绩效管理软件市场指南》中，Gartner研究描述了资产密集型行业在资产管理方面所遵循的过程。这种管理纪律从简单的维护演变为业务运营的核心能力。Gartner认为，APM软件处于这一变革的核心位置，CIO必须了解新观察到的市场方向，并支持这些实用的资产管理策略。

APM产品提供了许多可行的策略，可用于提高可靠性和管理维护。这些策略不应被认为是“好”还是“坏”，而应被视为针对同一整体问题的不同方法，以满足不同情况下的需求。在维护策略路线图中，APM的目标是拥有广泛的技能和工具，并将不同资产类别的需求与这些工具相匹配，采用工具箱方法。就像维护工人不会在每个工作中都使用一把锤子，并且会为任何给定的工作准备一系列工具一样，组织需要利用许多不同的技能和工具进行资产维护。

在资产维护的工具箱方法中，组织应该为其业务中的不同资产规划出最佳策略。运营将会有在这个结构内落入不同类别的需求，可能会建议的供应商不会满足所有可能的层次和变化。因此，IT部门应该与业务用户一起确定一个可行的路线图，从现有状态扩展到完整的多级能力。值得注意的是，大多数APM供应商并不提供所有层次的APM维护策略。因此，一些组织可能需要超过一个APM产品，具体取决于其业务的复杂性、资产类型和资产维护目标。

APM应用程序可以提供不同的功能，并通常包含在软件包的不同类别或不同模块中。根据Gartner，表5.1列出了APM应用程序的功能及其流程和工具，以说明上述情况。例如，RCM功能可以被认为是为维护资产和管理其风险制定适当策略的过程或工具。

在本章中，对一些OEM软件部门和IT公司的产品进行了审查。这是一项旨在找到那些可以涵盖被视为基本资产管理流程的应用程序，以改善资产绩效的练习。同样，分析了与这些平台实施相关的一些方面。

本章所包含的信息来自于供应商提供的软件信息，以及对这些平台实施的实际经验。

GE Digital的Predix资产绩效管理

Predix平台是由GE Digital开发的。2018年12月，GE宣布将GE Digital与GE Power Digital Solutions和GE Grid Solutions合并成立了一家新公司。

GE看到了一个巨大的市场机会，并创建了Predix平台，它可以将物理资产数据与强大的分析工具和工业应用程序相连接，以提高资产的性能，降低成本并开发新的服务。

Predix APM由Predix平台提供支持的SaaS和本地应用程序组成，旨在“提高资产的可靠性和可用性，同时优化维护成本，降低风险，减少总拥有成本（TCO）”。该套件适用于所有OEM和所有行业，并涵盖了工业资产需求的全范围：APM Health，APM Reliability，APM Integrity和APM Strategy。

在表5.2中，第一列列出了基本的资产管理公司业务流程。表格的下四列标题是Predix平台模块的名称（APM Health，APM Reliability，APM Integrity和APM Strategy）。在当前平台结构的这些模块中，确定了支持关键资产管理业务流程的相关应用程序。因此，该表是一个交叉参考表，将公司的关键资产管理流程与相应的Predix平台应用程序进行了关联。这是考虑到用户想要拥有支持类似于第3章所描述的维护模型的基本工具包。

SAP APM解决方案

作为一个知名的全球性IT供应商，SAP提供了APM工具。2019年第二季度发布了1905版本，包括四个模块：

(1) 预测性维护与服务。

(2) 资产策略和绩效管理。

(3) 预测性工程洞察力；以及

(4) 资产智能网络。

所有这些模块都与SAP的EAM组合集成，并在主要位于欧洲和北美的各行各业中变得流行，尽管在全球大多数地区都有存在。

这些模块包括，例如，在SAP的资产策略和绩效管理产品中的RCM。在SAP资产智能网络中作为商业服务的协同APM，或者在SAP预测性维护和服务中部署自定义算法和用户定义分析的功能，以及来自合作伙伴ANSYS的嵌入式模拟模型的振动分析和模拟作为服务。此外，SAP通过SAP资产管理器提供离线移动使用。

SAP提供与其自身的物联网平台以及其他第三方数据源的集成（例如，最流行的之一是OSIsoft的PI）。通过传感器收集的数据可以加载和存储在SAP HANA中，这是该公司的内存数据库管理系统。SAP的CBM功能可以通过SAP PM模块（EAM解决方案）或通过预测性维护和服务的APM解决方案提供。在这个新的解决方案中，SAP提供了预测性分析和机器学习，以及用于模拟模型的预测性工程洞察力。

产品接口已建立用于像SAP ERP中央组件（ECC）和SAP S/4HANA这样的EAM，Esri之类的GIS，而对于任何AIP并未提供接口。SAP APM解决方案的系统集成商是知名公司，例如Accenture、Deloitte等。

西门子APM产品

西门子的APM产品在欧洲、北美和中东拥有强大的市场份额，服务于许多工业部门的客户。西门子提供四种不同的APM产品，所有这些产品都与其MindSphere物联网数字化平台进行接口，涉及多个部门：

(1) MindSphere（最新版本为2018年1月发布的版本3）。

(2) 针对发电厂的APM版本3.0，于2018年12月发布。

(3) 电力诊断中心（PDC）；

(4) 状态监测与诊断。

MindSphere通过其Visualizer应用提供CBM功能，通过其Advanced Analytics应用提供预测分析，通过其Product Intelligence应用提供RCM，以及通过RBI应用提供RBI。MindSphere主要作为托管解决方案部署，2018年1月在AWS发布，2018年5月在Microsoft Azure发布，2018年9月在阿里巴巴发布。还通过与Atos的合作伙伴关系提供本地版本，该版本于2018年4月发布。

针对发电厂的APM是一种用于发电的APM解决方案，是西门子MindSphere数字平台的一部分，结合了Bentley的资产绩效管理专业知识和西门子的运营和维护经验、舰队数据和领域知识。预测性分析内置于资产模型中，并作为起始内容提供。

PDC产品是一种非常专用于公用事业的应用程序，主要关注于检测发电和操作设备的异常运行条件，以提高工厂的可靠性和可用性。

西门子在所有产品中都提供了离线模式，并与ISO 55000和ISO 27001行业标准保持一致。

Bentley已与西门子合作提供了一种称为PlantSight的联合产品（于2019年初推出），用于处理工艺行业。PlantSight利用西门子的MindSphere、COMOS和XHQ以及Bentley的iTwin服务、OpenPlant、AssetWise和互操作服务，提供工厂可视化和分析能力。

接口已建立，用于像SAP和Oracle这样的EAM，但没有报告用于GIS或任何AIP系统的接口。SAP APM解决方案的系统集成商是知名公司，如：Atos、Bentley、Deloitte、TCS、Software AG、IT Vizion等。

IBM APM组合

当前的IBM Maximo APM组合于2018年10月发布。目前，IBM有两款提供APM功能的产品：

(1) Maximo企业资产管理，定位于Watson IoT集团；

(2) Maximo资产绩效管理。Maximo APM解决方案的品牌于2019年3月更新，整合了以下内容：

• Maximo APM—Health（原名Asset Health Insights），

• Maximo APM—Predict（原名Predictive Maintenance Insights），

• Maximo APM—Assist（原名Equipment Maintenance Assistant）。

Maximo资产管理产品提供离线使用模式，多年来已在许多资产密集型行业中推出了多个模块。

Maximo APM提供基本的条件监控、资产关键性分析、健康评估和FMECA工具。其中一些产品还增强了行业特定的包，重点放在能源和公用事业领域。事实上，Maximo APM适用于能源与公用事业（2019年1月发布的版本3.0）为公用事业设备提供了一套预测模型以及预测和AI辅助维护功能。关于RCM，IBM与MaxGrip和GE Digital合作。此外，2016年，IBM获得了Fluke Accelix Connect2 Assets产品的转售权，以将APM解决方案与工业自动化系统连接起来。

IBM Maximo APM套件与Maximo EAM和其他EAM产品无缝集成，作为与Esri GIS的接口，目前尚未与AIP系统集成。IBM套件的集成商有IBM Services、Deloitte、Capgemini和Accenture。

资产投资规划（AIP）解决方案

AIP解决方案有助于重新思考资产策略，而不是仅仅替换资产。越来越多的组织面临更加复杂的收入来源，并且在迫切需要用更少的资源做更多事情的压力下，被迫重新考虑资产利用情况。AIP系统获取来自EAM和APM系统的数据，主要是关于资产的健康状况、关键性和折旧情况，并对这些数据进行分析，以确定支出的替代方案。AIP帮助组织做出客观、数据驱动的决策，以优化成本，并在资产的整个投资生命周期内尽量减少运营风险，从预测资产状况到为修复、重新分配或替换资产提供资金。

对于资产的每个干预选项的及时性，或者其本身的替换，是通过经济分析确定的，并根据用户定义的某些战略考虑因素，如预算和监管限制（例如，ISO 55000）。事实上，每个组织都需要一种机制来确定投资决策的价值，如果他们打算优化他们稀缺资源的使用。

AIP解决方案试图提供一个明确定义的价值框架，以实现基于价值的决策，与组织和战略目标一致，从而在整个业务范围内始终量化投资价值。

对于非常不同的投资提案价值的量化是困难的，可能是一项艰巨的任务。AIP解决方案开发了一个价值函数，可以帮助简化这个过程。组织的战略目标或目标将被转化为几个可量化和加权的价值度量。这些度量，连同风险框架和财务参数（如通货膨胀率、贴现率）一起，被用来开发一个公平反映组织将如何评价每个提议的投资所声称的利益的函数（见图5.1）。

在当前时代，对于固定资产的维护和资本投资比以往任何时候都更加关键。资本密集型资产公司的高管必须做出许多决定，这些决定可能会极大地影响公司的收入和支出，无论是中期还是长期。

当前的经济下滑使得在确定资产投资策略并评估其相关风险方面几乎没有任何余地。因此，拥有AIP类型的应用程序来支持这些流程，并尽可能地完善决策是很重要的。像Copperleaf或Cosmo Tech这样的软件提供商正在市场上产生影响，他们的解决方案变得越来越少地针对受监管行业，而迅速扩展到相邻的资产密集型工业领域。

在接下来的章节中，将审查各种这些解决方案。意图并不是在它们的元素内容上精确，而是提供它们用于优化的工具和与其他AM系统可能性的集成的概述。

Copperleaf 决策分析

总部位于加拿大温哥华的Copperleaf®为管理关键基础设施（电力、天然气、水、政府、石油和天然气、交通运输以及其他基于资产的行业）的企业提供软件解决方案，增强他们的决策分析能力。

Copperleaf Suite 将资产数据与财务信息相结合，以增强长期规划、预算编制和预测决策，使组织能够最大化投资组合的价值，并推动战略目标的实现。

该解决方案包含一系列不同的建模能力，可分为两个部分：资产管理部分和投资部分。

• 资产管理模型包括一整套先进的资产建模功能，例如：

– 能够定义任何类型的退化曲线（条件 vs 时间和故障概率 vs 时间），例如，具有大小和形状参数的韦伯分布。

– 在组件级别计算状态 / 故障概率 / 健康得分 / 健康指数，并对资产集进行自动聚合。

– 对相邻不同资产的退化依赖性和影响进行建模的功能。

– 等等。

• 投资绩效模型：包括以下功能：

– 投资绩效预测：能够预测投资组合的最可能实际执行情况及其与原始计划的偏差，以及基于项目/投资执行的历史数据使用蒙特卡洛模拟的不确定性区间。

– 等等。

目前，Copperleaf®解决方案基于先进的数据分析工具和优化算法（MILP型线性优化：混合整数线性规划），提供市场领先的性能。这适用于投资部分和资产管理部分。例如，预测分析模块可以提供对任何资产的最佳干预顺序，考虑到其完整的生命周期。

近年来，Copperleaf已经决定大力增强整个Suite的AI/ML能力，现在已经成为产品路线图的主要工作方向之一，并且已经有一些新模块可供使用。

Copperleaf Asset通常不作为资产主数据，而是从EAM导入资产的结构和技术信息，但在许多情况下，它作为与条件/风险建模相关的属性或特征的主数据（例如，每种资产的退化曲线和使用寿命、环境后果/安全性/供应可靠性的价值、对每种资产类型的每种干预的单位成本等）。

Copperleaf软件可以在客户的IT基础设施上部署（使用应用服务器/标准数据库服务器，无需特殊要求），也可以在内部客户云上部署（在亚马逊网络服务、Azure等上），也可以在Copperleaf自己的云上部署（在AWS上）。

Cosmo Tech的混合方法

Cosmo Tech是ENS Lyon的一个分支机构，由Michel Morvan和Hugues de Bantel于2010年创立。它被认为是工业系统建模、仿真和优化的世界参考。他们的产品战略基于数字孪生的构建，这使他们在产品概念和市场提供方面与其他竞争对手不同。公司的理念是通过数字孪生支持战略层面的决策过程。它提供了在实施之前对客户行动计划进行虚拟测试的能力。这些模型旨在帮助获得最佳和可执行的策略，并能够透明地制定操作计划。其主要客户在制造业、汽车业、能源和交通运输等领域。

Cosmo Tech的专有复杂系统建模语言（CoSML）是模拟物理资产、工业系统、程序和流程的核心。CoSML代表一个真实系统，参考了该系统的四个关键组成部分：实体、层次结构、相互作用和动态。

作为其Cosmo Tech资产解决方案的一部分，该公司开发了一款AIP应用程序，允许创建特定基础设施的数字孪生：即获得所有操作系统的动态副本，包括物理资产、限制、流程和策略、人力资源和法规限制。从那时起，可以进行模拟以评估所选计划期间的不同资产投资和更换选项。该应用程序允许操纵关键因素，如预算、配置、资产的关键性、退化模型、维护频率、技术位置的变更、法律等。这显然是一个旨在管理业务资产组合复杂性的应用程序，它可以呈现在不同债券水平获得的业务风险结果。这是一个旨在在短期、中期和长期内提供对最佳资产更新和投资计划更有信心的工具。

Cosmo Tech的解决方案从一开始就探索了模拟和机器学习的结合。他们的模拟数字孪生解决方案使得对于最复杂的工业问题来说，这种混合方法是可操作的。从模拟结果中训练简化的机器学习模型的可能性，或者通过模拟解释机器学习模型检测到的相关性，结果是一种非常强大的混合建模方法，可以利用每种数字技术的优势。事实上，这种混合方法正在成为科学界的一个不断增长的趋势。麻省理工学院、OpenAI和德国Fraunhofer机器学习中心等研究组织已经在探索这条道路。