通过先进的数据管理降低工业工厂风险
对于任何工业组织来说，资产故障都是破坏性事件。 LNS Research 表示，资产故障是导致安全问题和污染的事故的三大原因之一。它们还导致生产停顿并造成设备损坏，从而造成重大财务损失。事实上，每年意外停机给工业制造商造成的损失估计达 500 亿美元。
组织面临着提高效率和降低消耗的压力，可靠性经理和高管必须考虑在工厂运营中发挥作用的每项资产 - 从最小的阀门到最大的涡轮机。
虽然软件可以运行分析并生成基本的性能指标，但当一个小阀门发生故障并导致整个工厂关闭时，“价值 1000 万美元、受到良好保护的涡轮机具有 98% 的可靠性”这一知识就毫无用处。
机器性能下降的三个关键驱动因素是：
- 所有机器都面临多种退化源。
- 这包括化学品、疲劳、磨损和摩擦。
- 这些退化机制的速率因机器设计、使用情况和环境而异。
- 机器很复杂，由各种组件组成，不同的退化源以不同的速率影响这些组件。
早期历程：从预防到主动
预防性维护 (PM) 的出现是为了在故障发生之前检测并防止性能下降。然而，三个关键退化驱动因素的复杂性和相互作用使何时何地进行干预的决定变得复杂。基于时间的 PM 不再是基于有根据的假设来制定 PM 计划，而是成为最佳选择，并且很快就出现了基于状态的维护。
各种预测维护（PdM）技术已经被开发出来，例如：
- 旋转设备的振动分析。
- 用于电气系统的热成像技术。
- 超声波检查管道和容器厚度。
然而，“预测性维护”这个名称有点用词不当。这些技术不能预测失败，而是预测失败。它们检测并揭示恶化迹象，以便维护团队可以在故障发生之前拦截它们。这些方法侧重于不同的故障模式，并围绕检测故障模式并生成关键数据的传感器技术构建。
如果没有联网传感器技术的数据洞察，工厂操作员对组织的风险以及如何管理这些风险缺乏足够的了解。做出决策所需的数据可能仅限于特定资产或设施。但当与整个公司和全球平均水平进行比较时，这些数据变得有用，为了解风险并知道如何控制风险的公司提供竞争优势。
拥抱数据和新智能
随着数据生成传感器的采用，组织正在实施管理系统来解释大量数据并运行高级模式识别任务来检测设备异常和退化。
管理体系检测技术实用；他们分析传感器数据并建立“正常”操作模型，并在出现异常情况时发出警报。这是实时发生的，可以检测到因恶化而引起的细微变化。借助这些技术，组织可以显着减少受监控设备的灾难性故障，从而获得投资回报。
你知道吗？
“利用大数据分析可以减少高达 26% 的故障，并将计划外停机时间减少近 25%。”
来源：engineering.com
技术还改变了数据挖掘，以优化来自存档传感器数据和企业资产管理系统数据的见解，以协助工作执行。将数据挖掘与异常检测相结合可以改进实时诊断和故障时间预测。这就是资产绩效管理（APM）系统发挥作用的地方。
大多数机器学习 (ML) 和人工智能 (AI) 技术都是数据驱动的，但并不是为广泛的数据分析而设计的； APM 通过使用 ML 数据集成功能来收集数十亿个数据点，并快速将它们组织成衡量风险和预防故障的模型，从而对 ML 和 AI 无法编码的数据进行编码。
在当今的行业中，组织逐渐认识到互联资产需要将信息输入 APM 系统，以正确利用收集到的数据。例如，沙特阿拉伯某大型化工企业部署APM系统，管道平均故障率从172天提高到2100多天，提升1135%。
共享数据以实现更好的预测
对于拥有端到端 IoT（物联网）环境的组织来说，大数据分析不能只关注少数数据源。 APM 使组织能够结合数据孤岛并在其运营环境中对工业资产的独特性质进行建模。
这是工业部门和消费部门之间存在显着差异的领域之一。在工业世界中，失败的情况多种多样。由于目前还没有像谷歌或亚马逊这样的工业巨头能够整合跨企业的机器数据，因此开发此类分析所需的数据池仅限于大型企业和原始设备制造商 (OEM)。虽然公司对其运营数据很敏感，但许多公司开始认识到与其他人共享其故障和失效数据对整个行业极为有利。
有了这个数据池，下一波数据分析就有巨大的潜力。通过分析这些数据，可以将新出现的故障模式与之前类似案例“库”中的历史数据进行匹配和比较。这样，自动诊断就可以提供问题的描述和潜在故障时间的预测。
即使对于未配备传感器的设备，更大的数据池也可以支持基于相似操作条件下的设备进行更好的统计分析。这使得工程师和操作员在制定维护策略时能够做出更明智的决策，因为他们将了解真实的组件故障率。当前的技术通常依赖于 OEM 建议或多年前进行的行业研究。
结论
对于许多公司来说，维护策略的制定是一个主观的、经验驱动的过程。用于做出客观决策的数据通常很少、不存在或难以访问。转向基于条件的方法通过根据资产的当前状况进行活动可以解决大部分问题，但即使这些技术仍然需要大量的专业知识并留有改进的空间。
将高级数据分析应用于机器操作的潜力是有希望的，但仍然存在挑战。访问正确类型的数据至关重要，对于许多公司来说，这可能意味着愿意与其他公司共享和交易数据。当公司开始共享信息和改善运营时，他们将意识到帮助竞争对手带来的好处超过了担忧。
组织明白停机的直接成本对业务有害。在许多情况下，停机造成的间接成本（例如声誉受损）与直接成本相比，即使不是更具破坏性，也是同等的。如果工业运营商希望保持盈利能力和增长，就必须采用大数据战略，为其资产提供最佳结果。通过利用数据及早识别故障趋势和特征，工业组织可以提高整体资产可靠性并削减短期和长期成本。
物联网技术