了解 Motor Oil 集团与 SAP 的合作之旅
Motor Oil 集团希望监控炼油设备的运行状况和性能，减少设备的意外停机时间，并降低维护成本。为了全面了解设备情况，公司通过采用 SAP Business Technology Platform [业务技术云平台] (SAP BTP) 引进了机器学习和预测分析技术。
>77
%
通过基于历史数据分析根本原因，提前 120 到 20 个小时解释异常事件的准确性达到 77% 以上。
24x7
通过全天候实施富有前瞻性的时间序列预测，准确预测未来的传感器测量值。
我们一开始的预测性维护试点非常精准。借助 SAP Business Technology Platform，我们能够全面掌握炼油设备的运行情况，进而减少意外停机时间，降低维护成本。
Dimitrios Michalopoulos
IT 部门工业应用负责人
Motor Oil (Hellas) Corinth Refineries S.A. 公司（Motor Oil 集团）
挑战
使用机器学习和预测分析技术，减少设备停机时间
对任何炼油厂来说，为了保障员工的安全和确保设备保持最佳运行状态，实施严谨的设备维护至关重要。在标准预防性维护流程中，技术人员只有在按计划执行维护检查时，才有机会发现潜在问题。
Motor Oil 集团的目标不仅仅是防止设备出现异常，还希望利用传感器数据来持续监控设备运行状况，并提前预测可能发生的故障。这样，他们就可以避免因关键设备突然停机而损失惨重，并通过提前消除潜在隐患来降低维护成本，用修复代替更换。此外，公司还希望借助由数据驱动的预测性维护方法来优化现有流程。
构建预测模型是一个迭代过程。通过与埃森哲公司 (Accenture) 以及 SAP 的 Data Science 团队合作，我们利用 SAP Business Technology Platform 深入研究设备数据，了解需要思考的关键问题，从而获取所需的洞察。
Dimitrios Michalopoulos
IT 部门工业应用负责人
Motor Oil (Hellas) Corinth Refineries S.A. 公司（Motor Oil 集团）
解决方案
合作构建基于 SAP BTP 的预测性维护试点
SAP 的 Data Science 团队与炼油厂维护部门举办了一次数据价值研讨会，探讨如何利用机器学习和预测分析技术来优化现有维护流程。他们根据产生的直接业务价值确定了用例的优先级。
首先，他们成功实施了一个概念验证项目，分析三台压缩机四年以来的压力、温度和振动传感器数据。他们在模型中导入传感器的报警和跳闸阈值，用于预测设备异常情况。
然后，Motor Oil 集团还与 SAP 合作构建了一个试点架构，这个架构涵盖了从基于传感器数据构建异常事件预测模型，到通过简单易用的仪表盘和电子邮件通知报告结果的整个流程。他们使用了 SAP BTP 的 SAP HANA Cloud [SAP HANA 云]、SAP Extension Suite [扩展套件] 和 SAP Analytics Cloud [分析云]，以及埃森哲位于希腊的应用情报部门提供的咨询和实施服务。
成果
更准确地理解过去和未来的测量值
炼油厂关键压缩机的预测性维护试点取得了骄人的成绩。Motor Oil 集团基于历史数据解释异常事件的准确性高达 77%，使用根本原因分析技术和时间序列分析技术预测未来传感器测量值的准确性均达到了 70%。公司计划调整这些模型，提高预测准确性，然后将经过优化的模型扩展到更多的设备资产。
总之，公司现在可以全面掌握设备的运行状况，并且能够通过提前发现异常情况，降低维护成本，并减少停机时间。
此外，系统能够基于自身的数据不断学习，这样预测结果会随着时间的推移变得更加准确有效。
SAP 助力 Motor Oil 集团实现卓越运营
关键业务成果和收益
特色解决方案与服务
关于 Motor Oil 集团
成立于 1970 年，Motor Oil (Hellas) Corinth Refineries S.A. 公司（Motor Oil 集团）是希腊和东地中海地区原油精炼和成品油销售行业的领导者。公司的炼油厂业务非常复杂，包括分布范围很广的配套工厂和燃料配送设施，产品出口至超过 45 个国家和地区。
主要合作伙伴
埃森哲是一家专业从事 IT 服务和咨询的跨国公司，在全球拥有近 700,000 名员工，为超过 120 个国家和地区的 7,000 家客户提供服务。埃森哲与 185 家合作伙伴和 89 家全球财富 100 强企业建立了合作关系。