成功的维护策略完全在于掌握时机。这是一个经典的场景：过早进行维护，结果却带来不必要的停机。太晚进行维护，则会面临设备故障和生产遭受更大影响的风险。通过预测性资产优化，工艺工程师可以从概念设计中获取基础工程知识，并将其用于实时洞察，从而为运营决策者提供支持。预测性资产优化可以消除工作中的不确定性，大大降低运营风险。

　　通过将动态模拟工具与预测分析和高级可视化相结合，预测性资产优化的作用超出了其各个部分的总和：混合数字孪生。它为用户提供了一个真正的全方位运营风险视图。该解决方案采用了一个完整的故障预防方法，帮助您更早地识别问题，更准确地确定其原因，并预测剩余的可用资产寿命，以确定解决问题的最佳策略和时机。其结果是最大限度地延长了正常运行时间、可用性，并最终提高了盈利能力。但是解决方案的用处并不仅限于运营层面;当您以更深刻的见解来了解您的资产时，您可以将这些见解重新纳入未来资产的设计中，从而开启持续改进的循环。

　　预测性资产优化使您能够更全面地了解资产的运行状况和性能，从而识别出其他方法很难辨别出来的偏差。例如，优化燃气轮机的维护周期。涡轮机特别难以维护的原因是它们对环境条件的敏感性，例如温度和负载点。由于这些环境条件可能每天都剧烈变化，因此很难准确衡量资产的潜在老化情况。这就是预测性资产优化发挥作用的地方。

　　使用第一原理模拟，预测性资产优化使我们能够计算涡轮机应该如何运行，以便我们可以将理论性能与资产的实际性能进行比较。这种比较使我们能够将涡轮机的潜在老化与环境条件引起的日常和每小时正常偏差区分开来。一旦用户可以测量这种老化，他们就可以使用解决方案的预测分析组件来确定这种老化的原因、解决的最佳方法，以及随着时间的推移，这种老化对燃油效率和成本的影响有多大。

　　其结果是一个宝贵的提醒：盈利能力和可持续性并不是对立的两股力量。通过最大限度提高资产效率，我们就会使用更少的燃料，当我们使用更少的燃料时，我们的支出就会减少，同时排放量也会减少。除了能够预测性能下降外，预测性资产优化还可以准确预测温室气体排放。一段时间以来，行业领导者一直在使用预测性分析来预测排放量，但通过将混合数字孪生纳入这些预测，结果会更加准确，分析也将更加深入。

　　预测性资产优化旨在优化整个系统或子系统，但更有针对性、规模更小的功能正在开发中。在我们的下一个版本中，该解决方案将包括一个单独的基于组件的计算，它将以 AVEVA™ PI System™资产框架的插件形式提供。这将使用户能够逐个组件更深入地了解资产的健康状况。新用户将能够从这里开始，从小处着手，然后按需扩大规模，让他们的工艺工程师能够充分利用 AVEVA 基于云的模拟和预测性分析工具。

　　观看免费的网络研讨会，了解有关预测性资产优化的更多信息。要了解过程模拟促进创新的更多方式，请阅读白皮书。