NO.1應(yīng)用背景

　　說(shuō)到大數(shù)據(jù)分析、人工智能、機(jī)器學(xué)習(xí)這些名詞，大家應(yīng)該都不陌生，日常生活中，每天都可能接觸到這些技術(shù)，比如實(shí)名認(rèn)證用的人臉識(shí)別，手機(jī)APP的定制內(nèi)容推送等等。這些應(yīng)用都是通過(guò)大量收集數(shù)據(jù)，利用機(jī)器學(xué)習(xí)來(lái)訓(xùn)練算法、尋找規(guī)律，為決策提供支持。

　　大數(shù)據(jù)分析已經(jīng)在改善人們的日常生活，它在工業(yè)界也逐漸成為熱門話題，業(yè)界都很關(guān)注大數(shù)據(jù)分析在工業(yè)領(lǐng)域的應(yīng)用場(chǎng)景。工業(yè)大數(shù)據(jù)和通用的大數(shù)據(jù)分析并不完全相同，它的特點(diǎn)是實(shí)時(shí)性高、數(shù)據(jù)量大、數(shù)據(jù)異構(gòu)性強(qiáng)，工業(yè)大數(shù)據(jù)要求分析模型的精度高、可靠性高、因果關(guān)系強(qiáng)，這樣才能滿足工業(yè)場(chǎng)景的需要。純數(shù)據(jù)挖掘的建模方式無(wú)法滿足工業(yè)領(lǐng)域的需求，因此，工業(yè)大數(shù)據(jù)分析的特征是強(qiáng)調(diào)專業(yè)領(lǐng)域工藝知識(shí)和數(shù)據(jù)挖掘的深度融合。

　　一方面，運(yùn)行中的流程工廠每天會(huì)生成海量的數(shù)據(jù)，數(shù)據(jù)的來(lái)源包括DCS、PLC、實(shí)驗(yàn)室管理系統(tǒng)、設(shè)備管理系統(tǒng)、能源管理系統(tǒng)等。但是據(jù)統(tǒng)計(jì)，流程工廠中八成的數(shù)據(jù)都沒(méi)得到利用，這就造成了對(duì)數(shù)據(jù)資源的浪費(fèi)。

　　另一方面，工廠的運(yùn)營(yíng)管理人員也面臨著很多挑戰(zhàn)，如何得到最佳的設(shè)備效率、異?，F(xiàn)象的根本原因分析、如何減少故障、縮短維修時(shí)間、如何提前識(shí)別出運(yùn)營(yíng)的隱患，如何根據(jù)不同的工況設(shè)定KPI的動(dòng)態(tài)目標(biāo)。這些問(wèn)題很難從純機(jī)理角度去分析，因此我們可以以“數(shù)據(jù)驅(qū)動(dòng)+機(jī)理驅(qū)動(dòng)”的雙驅(qū)動(dòng)模式來(lái)進(jìn)行工業(yè)大數(shù)據(jù)的分析，從而建立高精度、高可靠性的模型，來(lái)真正解決實(shí)際的工業(yè)問(wèn)題。

　　工業(yè)大數(shù)據(jù)分析作為數(shù)字化轉(zhuǎn)型不可或缺的組成部分，未來(lái)的發(fā)展前景廣闊。而利用大數(shù)據(jù)分析的軟件，發(fā)掘客戶現(xiàn)場(chǎng)數(shù)據(jù)的價(jià)值，提升運(yùn)營(yíng)表現(xiàn)，是艾默生一直以來(lái)致力于發(fā)展的方向。

　　NO.2平臺(tái)功能特點(diǎn)

　　2019年，艾默生收購(gòu)工業(yè)數(shù)據(jù)分析軟件KNet，以此軟件為基礎(chǔ)并結(jié)合艾默生在工業(yè)領(lǐng)域知識(shí)和經(jīng)驗(yàn)進(jìn)行功能上的整合擴(kuò)充而推出了艾默生工業(yè)大數(shù)據(jù)解決方案，其可對(duì)運(yùn)營(yíng)和生產(chǎn)數(shù)據(jù)進(jìn)行提取、清理、轉(zhuǎn)換和分析，它使用先進(jìn)的統(tǒng)計(jì)和機(jī)器學(xué)習(xí)算法庫(kù)，將工業(yè)大數(shù)據(jù)轉(zhuǎn)化為實(shí)用知識(shí)，推動(dòng)實(shí)時(shí)決策，從而優(yōu)化過(guò)程和資產(chǎn)性能，后續(xù)進(jìn)一步整合到艾默生的Plantweb數(shù)字生態(tài)系統(tǒng)中，成為工業(yè)大數(shù)據(jù)應(yīng)用的重要一環(huán)。2021年，艾默生工業(yè)大數(shù)據(jù)解決方案榮獲了物聯(lián)網(wǎng)突破獎(jiǎng)之年度分析平臺(tái)獎(jiǎng)。

圖1 艾默生榮獲年度分析平臺(tái)獎(jiǎng)

　　艾默生工業(yè)大數(shù)據(jù)解決方案分為兩個(gè)部分：離線數(shù)據(jù)挖掘軟件和在線專家系統(tǒng)軟件。離線數(shù)據(jù)挖掘的作用是分析歷史數(shù)據(jù)，尋找規(guī)律，建立預(yù)測(cè)性模型；而在線專家系統(tǒng)的作用是，部署預(yù)測(cè)性模型，用前面發(fā)掘出的規(guī)律，來(lái)輔助決策。整體的工作原理如下所示：

圖2 艾默生工業(yè)大數(shù)據(jù)解決方案的工作原理

　　■離線數(shù)據(jù)挖掘模塊

　　離線數(shù)據(jù)挖掘模塊用來(lái)分析原始數(shù)據(jù)，發(fā)現(xiàn)隱藏的規(guī)律，并將其轉(zhuǎn)化為預(yù)測(cè)模型。它具有數(shù)據(jù)分析、優(yōu)化、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)過(guò)程控制、報(bào)警分析等功能。本質(zhì)上，它是一個(gè)可以獨(dú)立運(yùn)行的數(shù)據(jù)挖掘軟件。

　　它有以下特點(diǎn)：

• 圖形化環(huán)境，提供高度直觀和用戶友好的使用環(huán)境，具有Microsoft軟件的外觀和體驗(yàn)，具有下拉菜單、拖放圖形圖標(biāo)的功能，無(wú)需編寫(xiě)腳本或編程。
• 工作流Workflow，允許您構(gòu)建和自動(dòng)執(zhí)行由數(shù)據(jù)分析、學(xué)習(xí)、聚類和建模組成的順序流程。構(gòu)建工作流后，它們會(huì)被自動(dòng)存儲(chǔ)，以后可以部署應(yīng)用于多個(gè)數(shù)據(jù)集，無(wú)需人工干預(yù)。
• 數(shù)據(jù)可視化，內(nèi)嵌了各種工具，可提供有效的數(shù)據(jù)可視化，例如散點(diǎn)圖、折線圖、餅圖、面積圖、箱形圖、雷達(dá)圖和極坐標(biāo)圖。
• 支持第三方腳本語(yǔ)言，如Matlab，Python和R。

　　離線數(shù)據(jù)挖掘模塊中有龐大的算法庫(kù)，所有這些算法都是內(nèi)置的，只需點(diǎn)擊、拖拽等操作，就可以應(yīng)用到您的數(shù)據(jù)分析中。艾默生一直在不斷地加強(qiáng)算法庫(kù)，以確保我們的客戶不用花精力在編寫(xiě)算法上，把時(shí)間留給解決最棘手的 OT業(yè)務(wù)問(wèn)題。

圖片 3機(jī)器學(xué)習(xí)算法庫(kù)

　　■在線專家系統(tǒng)

　　進(jìn)入到在線專家系統(tǒng)，它有三個(gè)主要功能模塊：規(guī)則及復(fù)雜事件模塊、根本原因分析模塊（Root Cause Analysis，簡(jiǎn)稱RCA）和工作流模塊（Workflow）。

　　規(guī)則及復(fù)雜事件模塊使用圖形語(yǔ)言，可以輕松構(gòu)建用于不同事物的規(guī)則，例如檢測(cè)復(fù)雜事件、能夠檢測(cè)操作模式和生成性能報(bào)告。該模塊提供了廣泛的功能塊，包括算術(shù)、統(tǒng)計(jì)過(guò)程控制、信號(hào)發(fā)生器、數(shù)據(jù)篩選器、邏輯門、時(shí)態(tài)數(shù)據(jù)功能塊等，還可以使用C#.NET語(yǔ)言添加自定義塊。

　　它無(wú)須編寫(xiě)腳本或代碼，通過(guò)拖放不同的功能塊，從輸入或數(shù)據(jù)，到計(jì)算和邏輯，再到輸出，組成一個(gè)計(jì)算的規(guī)則或者復(fù)雜事件，如業(yè)務(wù)規(guī)則，計(jì)算KPI的性能管理應(yīng)用程序，在不同系統(tǒng)之間執(zhí)行數(shù)據(jù)傳輸?shù)膽?yīng)用程序，預(yù)測(cè)性維護(hù)應(yīng)用程序，原型、建模和仿真應(yīng)用程序。

圖4 規(guī)則及復(fù)雜事件模塊范例

　　用戶可利用根本原因分析模塊（RCA）實(shí)現(xiàn)決策支持系統(tǒng)、圖形診斷應(yīng)用程序和異常情況管理系統(tǒng)。使用故障傳播模型，RCA可實(shí)時(shí)診斷故障，找出根本原因，建議響應(yīng)計(jì)劃，并執(zhí)行糾正程序。以圖形方式構(gòu)建的故障樹(shù)，應(yīng)用了因果關(guān)系專業(yè)知識(shí)。測(cè)試和糾正措施可以是簡(jiǎn)單的消息、復(fù)雜的規(guī)則或整個(gè)工作流程。

　　可以檢測(cè)到的故障可能包含與效率、設(shè)備故障、環(huán)境法規(guī)、不安全條件以及關(guān)鍵績(jī)效指標(biāo)偏差相關(guān)的問(wèn)題。這種異常情況可能會(huì)產(chǎn)生許多嚴(yán)重后果，包括：意外停機(jī)、計(jì)劃中斷、安全隱患、質(zhì)量不佳、運(yùn)行效率低等。任何檢測(cè)到的故障都會(huì)觸發(fā)自動(dòng)的根本原因分析（RCA），RCA模塊運(yùn)行檢測(cè)以確定根本原因，并通知操作員是否必須采取任何糾正措施和/或啟動(dòng)工作流程以執(zhí)行解決程序。

圖5 自動(dòng)根因分析模塊范例

　　工作流（Workflow）模塊是一款靈活的工作流程管理解決方案，可幫助各種用戶輕松進(jìn)行處置，并與工作流程及后續(xù)操作進(jìn)行交互。

　　典型的工作流可助您實(shí)現(xiàn)和執(zhí)行：

• 糾正措施
• 啟動(dòng)和關(guān)閉程序
• 解決重復(fù)出現(xiàn)的問(wèn)題
• 恢復(fù)程序
• 升級(jí)事故響應(yīng)

圖6 工作流模塊范例

　　NO.3艾默生工業(yè)大數(shù)據(jù)解決方案的典型應(yīng)用案例

　　■幫助全球最大海上鉆井公司

　　提升鉆井設(shè)備的可靠性

　　A客戶經(jīng)營(yíng)著世界上最大的海上石油鉆井船隊(duì)，在2018年的時(shí)候，該公司擁有35臺(tái)自升式鉆機(jī)，12臺(tái)半潛式潛水器和另外12臺(tái)高科技鉆探船。2011年，A客戶的鉆井船隊(duì)經(jīng)歷了8%的計(jì)劃外停機(jī)時(shí)間，由于計(jì)劃外停機(jī)往往會(huì)需要暫停作業(yè)，并將船開(kāi)回港口進(jìn)行維修，會(huì)造成很大損失。該公司計(jì)劃通過(guò)數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)性維護(hù)實(shí)踐，將計(jì)劃外停機(jī)時(shí)間減少至4%。

　　首先，A客戶在其總部休斯頓建立預(yù)測(cè)智能中心（Predictive Intelligence Center），它的職能包含：

1. 實(shí)時(shí)監(jiān)控鉆井船隊(duì)的資產(chǎn)；
2. 提供資產(chǎn)性能退化的預(yù)警；
3. 確定資產(chǎn)的剩余使用壽命；
4. 通過(guò)優(yōu)化資產(chǎn)選擇和維護(hù)活動(dòng)來(lái)降低成本；
5. 通過(guò)提高可靠性和正常運(yùn)行時(shí)間，來(lái)提升為客戶提供的海上鉆井服務(wù)。

　　然后，客戶確定了其鉆井船上最重要的五個(gè)關(guān)鍵設(shè)備——頂部驅(qū)動(dòng)器、絞車、防噴器、管道處理和推進(jìn)器，并將重點(diǎn)放在提高這些關(guān)鍵設(shè)備的可靠性上。

　　第三，客戶從鉆井船的控制系統(tǒng)收集數(shù)據(jù)，通過(guò)衛(wèi)星通信發(fā)送到岸上，位于休斯頓的預(yù)測(cè)智能中心開(kāi)始用艾默生工業(yè)大數(shù)據(jù)解決方案對(duì)數(shù)據(jù)進(jìn)行分析。通過(guò)計(jì)算實(shí)時(shí)數(shù)據(jù)，并和數(shù)學(xué)建模得到的預(yù)測(cè)性模型進(jìn)行比較，確定資產(chǎn)的運(yùn)行狀況，然后計(jì)算剩余的使用壽命。如有偏差或者故障的早期癥狀，系統(tǒng)會(huì)發(fā)送警報(bào)和電子郵件，并將其反饋給鉆井船上的維護(hù)人員。

　　在艾默生的幫助下，這家海上鉆井能源公司已經(jīng)將計(jì)劃外停機(jī)時(shí)間減少到不到1%，這意味著每年數(shù)以百萬(wàn)美元計(jì)的利潤(rùn)。

　　■沙特阿美Abqaiq原油處理廠

　　改善能源管理

　　沙特阿美公司的Abqaiq工廠是其最大的石油加工設(shè)施，日處理能力超過(guò)700萬(wàn)桶，每天的能源消耗是一個(gè)巨大的數(shù)字。Abqaiq工廠擁有一個(gè)標(biāo)準(zhǔn)的KPI管理系統(tǒng)來(lái)監(jiān)控能耗，并為能耗設(shè)定了固定的目標(biāo)值，當(dāng)發(fā)現(xiàn)偏差時(shí)，需要操作人員去分析根本原因，需要大量專家和多部門之間的冗長(zhǎng)會(huì)議來(lái)診斷問(wèn)題。

　　Abqaiq 工廠面臨以下挑戰(zhàn)：

1. 需要提高準(zhǔn)確性和性能洞察力，以做出明智的決策；
2. 由于使用固定目標(biāo)，而不是動(dòng)態(tài)目標(biāo)，當(dāng)運(yùn)行模式切換后，很容易收到能量消耗過(guò)多的錯(cuò)誤警告；
3. 能耗和目標(biāo)的差距持續(xù)存在時(shí)，需要很長(zhǎng)時(shí)間去確定真正的根本原因；
4. 由于某些儀器故障，KPI計(jì)算不準(zhǔn)確。

　　為了克服這些挑戰(zhàn)，需要利用先進(jìn)的技術(shù)，因?yàn)榧词故欠浅６痰牟僮魍C(jī)時(shí)間，也可能會(huì)導(dǎo)致數(shù)百萬(wàn)美元的損失。為了克服這些挑戰(zhàn)并消除能耗方面的性能差距，沙特阿美的Abqaiq工廠選擇了艾默生工業(yè)大數(shù)據(jù)解決方案，包括：

1. 監(jiān)控整個(gè)工廠的能耗，并可細(xì)化至設(shè)備級(jí)別；
2. 自動(dòng)監(jiān)測(cè)工廠狀態(tài)和運(yùn)行模式，并相應(yīng)地實(shí)時(shí)調(diào)整能耗目標(biāo)；
3. 盡早發(fā)現(xiàn)能源績(jī)效差距；
4. 使用自動(dòng)根本原因（RCA）分析和識(shí)別，來(lái)找出差距背后的根本原因；
5. 在執(zhí)行最佳實(shí)踐的同時(shí)，采取糾正措施。

　　在艾默生的平臺(tái)上，可以計(jì)算和監(jiān)視24個(gè)生產(chǎn)單元、57個(gè)非生產(chǎn)單元和237臺(tái)關(guān)鍵設(shè)備的能耗，這些設(shè)備代表了該工廠主要的耗能設(shè)備。

　　該系統(tǒng)從歷史數(shù)據(jù)庫(kù)收集工廠數(shù)據(jù)，然后使用計(jì)算、規(guī)則、故障傳播和Workflow引擎來(lái)分析數(shù)據(jù)，以找出造成性能差異的原因，同時(shí)為最終用戶提供建議的糾正措施。系統(tǒng)將所有計(jì)算的KPI、根本原因識(shí)別和建議的糾正措施的歷史記錄保存在數(shù)據(jù)庫(kù)中。然后將結(jié)果通過(guò)網(wǎng)頁(yè)發(fā)布在數(shù)據(jù)儀表板中，以供工廠不同角色的用戶訪問(wèn)。

　　基于艾默生工業(yè)大數(shù)據(jù)解決方案的Abqaiq智能能源KPIs系統(tǒng)已大大降低了能耗，節(jié)能帶來(lái)的效益估計(jì)為每年數(shù)千萬(wàn)美元，除此之外，其他可量化的好處還包括：

• 無(wú)論是操作員、工程師，還是管理人員都發(fā)現(xiàn)，通過(guò)更好地管理關(guān)鍵資產(chǎn)及其KPI影響，可以輕松使用基于Web的界面來(lái)提高工廠績(jī)效。
• 顯著減少了檢測(cè)和診斷能源消耗性能差距的周期時(shí)間和精力。
• 更好地保留并在線部署了運(yùn)營(yíng)知識(shí)。

　　■Celanese（美國(guó)）尋找故障根本原因?qū)崿F(xiàn)設(shè)備預(yù)測(cè)性維護(hù)

　　在預(yù)測(cè)性維護(hù)用例中，艾默生工業(yè)大數(shù)據(jù)解決方案的分析見(jiàn)解為Celanese帶來(lái)了回報(bào)。當(dāng)Celanese在兩周、兩個(gè)月的時(shí)間范圍內(nèi)檢查一臺(tái)設(shè)備時(shí)，溫度水平幾乎沒(méi)有變化，變化幅度遠(yuǎn)低于警報(bào)水平。但是，當(dāng)系統(tǒng)檢查和分析了兩年的歷史數(shù)據(jù)后，就提示“正常”溫度水平明顯高于以前的水平。

　　通過(guò)分析歷史數(shù)據(jù)，建立故障樹(shù)模型，Celanese的維護(hù)人員利用根本原因分析模塊發(fā)現(xiàn)：溫度緩慢升高的原因是潤(rùn)滑油加熱器上的閥門卡住了。Celanese的工作人員說(shuō)，“當(dāng)查看每日或每周的數(shù)據(jù)時(shí)，溫度的升高并不明顯。但這種溫度升高持續(xù)不被注意可能會(huì)導(dǎo)致軸承或軸的長(zhǎng)期損壞，甚至導(dǎo)致設(shè)備停機(jī)。”

　　圖7 這張圖展示了設(shè)備溫度在很短的時(shí)間范圍內(nèi)變化很少（見(jiàn)藍(lán)色框內(nèi)右側(cè)的曲線），但是在兩年的時(shí)間段內(nèi)，很明顯可以看出最近的溫度顯著地高于之前的溫度水平。

　　■幫助某日化產(chǎn)品工廠實(shí)現(xiàn)批量在線分析

　　客戶位于美國(guó)，是一個(gè)日化品牌的混合單元(mixer skid unit)，這是一個(gè)典型的批量過(guò)程，并且批量生產(chǎn)時(shí)間相對(duì)較長(zhǎng)?？蛻粝Ｍダ斫忾L(zhǎng)批量周期中，哪些因素對(duì)最終質(zhì)量產(chǎn)生影響，同時(shí)要對(duì)設(shè)備故障和過(guò)程問(wèn)題有提前預(yù)測(cè)，以便他們及時(shí)干預(yù)，實(shí)現(xiàn)質(zhì)量的管理。

　　艾默生對(duì)歷史數(shù)據(jù)進(jìn)行分析，幫助客戶定義黃金批次的特征，然后建立不同運(yùn)行模式下的質(zhì)量預(yù)測(cè)模型。驗(yàn)證了預(yù)測(cè)模型后，我們將它部署到在線的狀態(tài)，并且?guī)椭蛻艚⒐收蠘?shù)。

　　有了這樣的模型，客戶就可以檢查現(xiàn)有的批次，并且基于數(shù)據(jù)挖掘階段確定的質(zhì)量預(yù)測(cè)模型，預(yù)測(cè)該批次的最終質(zhì)量。如果發(fā)生了質(zhì)量下降的趨勢(shì)，系統(tǒng)會(huì)根據(jù)故障樹(shù)，反饋給操作員導(dǎo)致質(zhì)量下降的原因，以及如何去操作的建議。

　　從這個(gè)案例來(lái)看，艾默生工業(yè)大數(shù)據(jù)解決方案可以在這以下方面提升批量生產(chǎn)的性能：

　　預(yù)測(cè)異常情況，由于結(jié)合了對(duì)歷史數(shù)據(jù)的分析，系統(tǒng)可以早期識(shí)別出設(shè)備和過(guò)程的異常狀況，這樣就可以預(yù)防不符合要求的批次，減少?gòu)U料，提升了設(shè)備可靠性。

　　解決客戶最關(guān)心的質(zhì)量預(yù)測(cè)功能，因?yàn)橹皩?duì)質(zhì)量的管理都是事后的，有了在線質(zhì)量預(yù)測(cè)模型，客戶就可以預(yù)判該批次的最終質(zhì)量，在需要的時(shí)候提前介入，改變質(zhì)量劣化的趨勢(shì)。

　　NO.4總結(jié)

　　艾默生工業(yè)大數(shù)據(jù)解決方案是一種非常靈活、開(kāi)放的工業(yè)大數(shù)據(jù)分析平臺(tái)，為客戶提供了一種可以完全定制的解決方案，它結(jié)合了機(jī)器學(xué)習(xí)的能力，以及艾默生在對(duì)流程和設(shè)備可靠性的專業(yè)知識(shí)，可以幫助客戶利用數(shù)據(jù)資源，提升工廠性能。