图形 1 AI+ 设备（预测性维护）方案 图形 1 背景 加入星球获取更多更全的数智化解决方案 预测性维护是工业大数据和人工智能结合落地的重要应用场景 ，为企业带来多方 面效益 预测性维护（ Predictive Maintenance ，简称 PDM ）是以设备状态为依据的新兴的维护方式 ，在设备运行时对其主要部位进行周期性 或 持续监测 ，判定其所处的状态 ，预测状态未来的发展趋势 内容、方式。预测性维护可以为企业带来以下效益： ☐ 降低维保成本 ☐ 延长设备寿命 ☐ 提高设备使用率 ☐ 减少库存成本 ☐ 提升生产安全 维护触发点 固定周期，不考虑设备实际 状态，可能带来过度维护 必要时，预留足够应对时间 给一线人员在故障前做出应对 维护方式 根据零部件的平均损坏率进行维护， 不考虑实际运行状态 根据设备的实际运行状态 决定维护方式及关注点 决定维护方式及关注点 维护成本 维护成本高， 停机停产时间较长 维护成本低， 停机停产时间较短 使用场景 无法准确获得单体 设备运行状态时 单体设备状态可获知时 预测性维护与预防性维护虽然只有一字 之差 ，在理念上却截然不同。预防性维 护不考虑系统设备当前的运行状态和健 康状态 ，是按照已经安排好的时间来完 成计划内的维护工作 ，会引起过度维护 和维护不足的问题。 两种方式的特点对 比见右表。

....................42 3.2.2.3.13 工单流程（维护现场照片）查询........................................................................................43 3.2.2.3.14 工单流程（维护现场照片）查询结果展示.............................. ...........97 3.2.2.7.1. 经验维护......................................................................................................................97 3.2.2.7.1.1. 经验库信息维护（增加）........................ ..................97 3.2.2.7.1.2. 经验库信息维护（删除）..........................................................................................98 3.2.2.7.1.3. 经验库信息维护（修改）....................................

（ 6 ）信息管理职能 战略规划与建设 开发与维护 日常 IT 支持服 务 负责公司信息系统战略 的制定 领导信息系统发展规划 的制定 领导信息系统建设工作 负责系统建设与维护的 共享服务或外包管理工 作，负责 IT 供应商的 集中管理 提供信息系统问题解 决与维护的相关支持 负责技术提供商的关 系维护 负责服务器与技术平 台的管理 负责公司网络与数据 协助制定信息系统发 展规划 为相关系统的建设提 供必要的支持 负责集团应用系统的开 发与维护，负责软件包 的评价与选择 指导、协助下属单位进 行应用程序开发与维护 建立系统使用、维护制 度与流程同时监督制定 与流程的有效实施 遵守相关系统制度与 流程 在集团指导下进行本 单位内部应用程序的 开发与维护 提出服务需求 负责本单位内部的相 关数据管理 协助进行系统的安全 KM ） ） 财务管理 财务管理 财务管理 财务管理 投资管理 投资管理 投资管理 投资管理 产品质量 产品质量 管理 管理 产品质量 产品质量 管理 管理 设备维护 设备维护 管理 管理 设备维护 设备维护 管理 管理 环境 环境 // 健康 健康 安全管理 安全管理 环境 环境 // 健康 健康 安全管理 安全管理 项目管理 项目管理 项目管理 项目管理 支持系统

风险分析与管理..................................................................................43 5. 预测与维护.................................................................................................45 2 预防性维护策略..................................................................................53 5.2.1 维护计划优化.............................................................................55 5.2.2 维护成本管理. 可以有效降低水损失率，提高用水的精准性及公平性。以下是数字 化转型对水务行业产生影响的几个主要方面：  提高数据采集和分析能力：实时监测水质、水量以及用水行 为，为决策提供依据。  改善基础设施的运维：利用预测性维护技术，降低设备故障 率，延长基础设施使用寿命。  促进用户参与与互动：通过数字化平台，让用户能够及时获取 用水信息，提高用水效率。  实现精细化管理：基于数据分析，实施差异化的水价策略，优

展示企业数量、设备数量、企业设备负载情况、企业信息 界面要求 根据省公司统一框架界面要求布局，数据过滤条件要求有名称、企业 等，支持模糊查询 非功能性需求 安全性、易用性、可靠性、高性能、可扩展性、可维护性 状态 新增 3.3.3.1.2 气象信息 业务功能名称 气象信息 参与者 系统管理员、业务管理员、用电企业方、代理企业方 9 业务规则 监控系统所有接入企业的负荷曲线，包括监控负荷曲线和基线参考负荷 功能需求描述 实时展示设备运行的外界情况 界面要求 根据省公司统一框架界面要求布局，数据过滤条件要求有名称、企业 等，支持模糊查询及业主查询 非功能性需求 安全性、易用性、可靠性、高性能、可扩展性、可维护性 状态 查询 3.2.2.1.3 负荷晴雨表 业务功能名称 负荷晴雨表 参与者 系统管理员、业务管理员、用电企业方、代理企业方 业务规则 不同维度统计企业负荷使用统计情况 输入业务对象及 10 功能需求描述 负荷统计量多维度展示 界面要求 根据省公司统一框架界面要求布局，数据过滤条件要求有名称、企业 等，支持模糊查询 非功能性需求 安全性、易用性、可靠性、高性能、可扩展性、可维护性 状态 查询 3.2.2.1.4 负荷曲线 业务功能名称 负荷曲线 参与者 系统管理员、业务管理员、用电企业方、代理企业方 业务规则 展现不同时段内企业的负荷曲线 输入业务对象及 属性

统、设备、设施的运维生产 • 公司本部对全国云计算和 IDC 的业务、网络和设施集中监控、集中 IT 支 撑、统一运行 应用资源 存储资源 网络资源 计算资源 机房资源 用户资源 建立“一级监控、集中维护、统一资源管理、统一调度”的扁平、垂直的运维生产和管理体系 重点基地：一体化专业化垂直管理 职能定位 服务响应 信息化支撑 资源管理 集团网运 云数据 公司 • 基地运维纳入集 团统一网络管理 统、客户服务管 理系统） 云数据公司运维组织结构 运维与服务 部 网络维护中心 运维管理 资源管理调度 动力系统运维 IP 网管 IT 维护中心 IT 系统运维 网络与信息 安全 服务响应 保证基地数据中心和 IT 系统正常运行生产，为 用户提供高效、稳定、安全的服务 9 人 运行维护 集中监控与客响中心 综合集中监控 售前技术支持 售后服务响应 • 第 台 综 合 监 控 信 息 安 全 客 服 响 应 机房维护值守组 运 维 管 理 动 力 维 护 机 房 值 守 资 源 管 理 网 络 维 护 IT 维护组 一体化专业垂直管理 硬 件 维 护 信 息 安 全 网络和机房 运维 IT 系统 运维 基地运维工作范围 例行维护 • 机房巡检、设备维护 • 监控与值守 • 应急处置与演练 • 节假日和重保

title slide only with an image 智慧交通方案介绍 2 Customer 目录 一 背景和 SAP HANA 关键技术 二 智慧交通解决方案 三 SAP 可预测性维护解决方案 3 Customer 设备互联 业务互联 万物互联 现今世界的变化趋势 智慧城市 / 智能交通 能源网络 工业互联 社会互联 车联网 1 B 2005 6 B 2015 信息技术的发展提出了新要求 -- 新技术驱动下的信息系统部署趋向云化，集中化部署 7 Customer 目录 一 背景和 SAP HANA 关键技术 二 智慧交通解决方案 三 SAP 可预测性维护解决方案 8 Customer 无需等待数据处理 实时 简化 创新 同一平台处理分析型和事 务型应用 内存计算技术为数据架构变革提供可能性 只有数据在内存中处理才能满足实时要求 能够处理广泛 数据质量评价指标 数据质量洞察  数据接入 KPI （流量、密度）  数据时空分布、历史对比分析  数据冗余率、错误率、转化率 数据质量预警  数据接入异常、转化异常 智能纠错与维护  数据纠错、传感器设备维护计划 15 交通指标体系 例：交通运行评价指标 拥堵指数 交通拥堵评价 指标体系 K1 强度 交通拥堵 指数 K2 范围 拥堵里程 比例 K3 时间 拥堵持续 时间

对决策分析提供支持的多重粒度级的数据库，实现对数据源的统一管理和信息 转换。同时为分析层的各种应用提供接口，构造应用于主题分析的更高粒度级 的数据集市，或者直接为数据访问层提供数据支持。信息层通过管理工具对数 据仓库进行管理和维护。以中间数据库为数据源，按分析主题建立数据仓库。 最后将数据仓库中的数据按照一定方式聚合汇总，构成信息分析的多维视图， 以一定的存储模式（如模式文件）将这些多维视图存储在 OLAP 服务器中。 系统将给出相同层级之间的横向对比统计。例如：各院系或专业间汉族与 少 数民族比例的横向对比，以从侧面反映专业与民族之间的相关性。  用户点击相应概况统计数据时以表格的形式展示相应的明细信息。  对于没有维护民族的数据系统将以“未维护”进行数据归类统计，方便与数 据监管系统组成数据质量监管的双重保障。 在校生性别分布概况及比例统计  系统将以学校、院系、专业为层级，本科生、专科生、研究生为类别，按 照 图  对于没有维护性别的数据系统将以“未维护”进行数据归类统计，方便与数 据监管系统组成数据质量监管的双重保障。 在校生年龄段分布统计  系统将以学校、院系、专业为层级，本科生、专科生、研究生为类别，按 照 图形或表格的形式分别统计展示学生的年龄段分布及占比。  用户点击相应概况统计数据时以表格的形式展示相应的明细信息。  对于没有维护年龄段的数据系统将以“未维护”进行数据归类统计，方便与

区形象 感知 智能 智慧 “ 数字创新”产业园区 – 建设原则 类别 开发难度 开发周期 系统维护 数据共享 能力沉淀 独立应用 难度高 各平台技术难以复用，需要 独立开发。 周期长 需要从“零”进行系统开发。 难度大，成本高 独立维护，人员操作不同系统， 维护工作复杂。 需要数据归集 数据分散在各个系统中， 难于数据共享。 沉淀能力弱 各个系统独立而分散，沉淀能力 基于平台建设 难度低 技术难题由平台层统一解决， 各应用系统只解决个性化问 题。 周期短 只开发应用层逻辑，节 省 50% 时间。 难度低，成本低 平台层统一维护，降低维护复 杂度， 降低维护成本 50% 。 天然数据归集 数据天然归集到平台上， 进行统一数据加工和分析 变得便利。 快速能力沉淀 各个系统之间能力可以沉淀到平 台层，通过 API 提供至其他系统 …… ➢ 集成集成视频监控、智能视频分析、电子巡更、防 盗 报警等各安防子系统于一体； ➢ 综合安防管理，安防系统的统一管理、统一显示、 统 一控制和集成联动 ➢ 提高管理效率，降低维护成本 视频监控系统 智能视频分析 门禁 / 闸机 防盗报警系统

绩效考核分析  支持集团化、精细化排程  支持多种约束条件及突发事件 管理  计划动态仿真及预警  计划闭环及交期回复管理  图形化排程计划展示  基于大数据，实现设备的预测 性维护以及预测性生产  支持多维度的绩效考核分析  打通各系统的数据通道，实现 1 个平台化的数据分析呈现  支持自定义设定预警机制，实 现动态化实时性过程管控  实现订单需求的预测 权限管理 用户管理 事件管理 规则管理 人员组织 生产工艺 BOM 生产设施 物料信息 工厂布局 仓库信息 订单管理 数据回报 物料拉动 工单锁定 物料计划 交期管理 工单维护 维修管理 检验管理 点检管理 检验管理 检验标准 入库管理 保养管理 盘点管理 出库管理 库存管理 设备监控 物料监控 图形化报表 工艺质量监控 比较分析 生产进度监控 生产管理 - 裁切 关键实施手段 方案思路 裁切工序的功能点包括： •与测厚仪对接，自动获取厚度数据，规划每片成品上蚀刻编号， 根据记录厚度的前后顺序与编号进行关联； •能在 MES 依据产品维护厚度标准及上下限，针对超出标准的可实 时进行报警。所采集的厚度数据可做为后期报表或 SPC 分析的依据 ； •按工单整体报工给 SAP 。 无纸化 物料拉动 设备监控 包装 裁切 压合 组合