|
在過程工業(yè)中，設(shè)備的正常運行是保障工廠高效、可靠和安全生產(chǎn)的關(guān)鍵。如何使工廠在提升產(chǎn)能的同時降低維護(hù)成本，提高關(guān)鍵設(shè)備的可用性，減少非計劃性停車，成為越來越重要的課題。
為保證設(shè)備長期穩(wěn)定運行，如今大部分工廠采用定期的預(yù)防性維修維護(hù)策略，然而這種方法極易導(dǎo)致 “過度維護(hù)”，卻仍然無法有效避免“非計劃停車”，甚至可能意外造成“維修性故障” 的發(fā)生。
隨著市場環(huán)境的不斷復(fù)雜化，數(shù)字化的浪潮已席卷過程工業(yè)市場，當(dāng)前不少企業(yè)已逐步建立起了數(shù)字化運維平臺，盡管提升了工廠運維數(shù)據(jù)的保存與管理，但仍然面臨很多問題和挑戰(zhàn)：
面對這些挑戰(zhàn)，充分利用生產(chǎn)數(shù)據(jù)，實現(xiàn)設(shè)備智能化預(yù)測性維護(hù)的升級需求越來越迫切。總體來說，實現(xiàn)設(shè)備維護(hù)智能化升級，核心要解決兩個問題：
然而，要回答好這兩個問題，實現(xiàn)工廠設(shè)備智能化預(yù)測性維護(hù)并不容易，龐大的歷史數(shù)據(jù)、多年的經(jīng)驗知識、先進(jìn)的數(shù)據(jù)分析技術(shù)及故障處理能力等等都是剛需，而人工智能技術(shù)的引入則為此提供了一個至關(guān)重要的杠桿。
為此，西門子推出基于工業(yè)大數(shù)據(jù)分析的預(yù)測性維護(hù)軟件 SiePA，亦稱 EPA (Equipment Predictive Analytics)，以歷史運行數(shù)據(jù)的深入分析為基礎(chǔ)，相應(yīng)的機(jī)器學(xué)習(xí)和自然語言處理等人工智能算法為工具，從而建立起一個預(yù)測性維護(hù)系統(tǒng)。
在西門子人工智能技術(shù)的支持下，西門子 SiePA 將工廠的歷史數(shù)據(jù)充分利用起來，通過其設(shè)備運行狀態(tài)預(yù)測預(yù)警模塊與智能排查診斷模塊，不僅能及時預(yù)測預(yù)警運營中的故障風(fēng)險，還能幫助高效診斷背后的原因指導(dǎo)維修維護(hù)，幫助企業(yè)有效控制風(fēng)險、實現(xiàn)降本增效。
從基于時間到基于實時狀態(tài)，避免非計劃停車
預(yù)防性維護(hù)和預(yù)測性維護(hù)是常見的設(shè)備維護(hù)模式，兩者的核心目的之一都是為了消除非計劃性停車。不同的是，預(yù)防性維護(hù)多基于時間維度，相當(dāng)于為設(shè)備提供一個預(yù)計使用的“保質(zhì)期”，而“保質(zhì)期”內(nèi)的設(shè)備運行狀態(tài)如何，有沒有發(fā)生故障的風(fēng)險以及風(fēng)險何時發(fā)生多為未知。而預(yù)測性維護(hù)則通過實時監(jiān)測設(shè)備運行狀態(tài)并分析計算，幫助用戶實時判斷設(shè)備故障風(fēng)險，提前發(fā)出風(fēng)險預(yù)警，并輔助判斷“保質(zhì)期”的有效性，避免非計劃停車的發(fā)生。
西門子 SiePA 設(shè)備運行狀態(tài)預(yù)測預(yù)警模塊采取的便是這樣一種基于實時狀態(tài)和大數(shù)據(jù)分析的預(yù)測性維護(hù)模式，基于設(shè)備正常運行時所采集的海量實時傳感器數(shù)據(jù)訓(xùn)練模型，這個模型綜合考慮了工廠中大量傳感器數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，生成人類難以考慮完全的判斷規(guī)則，進(jìn)而在實際數(shù)據(jù)出現(xiàn)偏差時快速預(yù)警。
有了這個預(yù)測結(jié)果，企業(yè)將大大節(jié)約設(shè)備管理與維護(hù)上的人力成本、提高管理效率。此外，從生產(chǎn)安全的角度，如此實現(xiàn)的智能預(yù)警機(jī)制比傳統(tǒng)報警系統(tǒng)可提前數(shù)小時甚至數(shù)天發(fā)現(xiàn)異常征兆，而這為用戶應(yīng)對潛在故障或風(fēng)險爭取到了寶貴的時間，從而使用戶可以及時采取相應(yīng)措施，避免非計劃停車的發(fā)生。
“中西醫(yī)結(jié)合”智能排查診斷
如今，大部分企業(yè)仍高度依賴于歷史經(jīng)驗對故障進(jìn)行診斷。這些經(jīng)驗多為領(lǐng)域?qū)＜议L時間的積累，而經(jīng)驗的共享與傳承則是眾多企業(yè)管理者所面臨的難題之一。如果能以歷史故障記錄的大數(shù)據(jù)分析為基礎(chǔ)，相應(yīng)的自然語言處理算法為工具，為企業(yè)建立起一個診斷系統(tǒng)，固化相關(guān)經(jīng)驗，將工廠的故障記錄數(shù)據(jù)充分利用起來，對相應(yīng)的故障進(jìn)行快速的匹配診斷、并及時開展有效的修復(fù)和維護(hù)，將會極大地提高故障處理的效率并降低誤判風(fēng)險。
西門子 SiePA 智能排查診斷模塊便是在故障預(yù)測的基礎(chǔ)上，在收到預(yù)警模塊報告的異常狀態(tài)后，對工廠的歷史數(shù)據(jù)進(jìn)行一系列數(shù)據(jù)分析，為新的技術(shù)故障在歷史數(shù)據(jù)中尋找相似或相關(guān)的案例，并將對應(yīng)的解決方案展示給用戶。這一過程既運用了基于知識圖譜的自然語言處理，也包含對傳感器量化數(shù)據(jù)的深度分析，西門子中國數(shù)字化工業(yè)集團(tuán)吳文超博士表示，這堪稱工業(yè)界的“中西醫(yī)結(jié)合”。
工業(yè)領(lǐng)域的專業(yè)知識持以先進(jìn)的大數(shù)據(jù)分析能力，是西門子人工智能技術(shù)得以落地的兩大利器。運行中的設(shè)備將自己的運行狀態(tài)時時刻刻匯報給自己的專家醫(yī)生，即西門子 SiePA 系統(tǒng)，通過人工智能算法預(yù)測受檢設(shè)備潛在的“健康風(fēng)險”；當(dāng)發(fā)現(xiàn)“癥狀”，SiePA 將基于所構(gòu)建的知識庫，通過“中西醫(yī)結(jié)合”的方法定義問題原因，為設(shè)備對癥開方，最終將診斷結(jié)果和“藥方”通過企業(yè)管理平臺等層層下達(dá)，觸發(fā)檢維修操作。
從預(yù)測到診斷到執(zhí)行，這一切得益于西門子對工業(yè)大數(shù)據(jù)分析的豐富經(jīng)驗以及 SiePA 系統(tǒng)強(qiáng)大的智能數(shù)據(jù)處理能力。西門子作為工業(yè) 4.0 與智能制造最早的倡導(dǎo)者之一，已在全球市場與諸多企業(yè)基于 SiePA 開展相關(guān)合作與應(yīng)用，幫助用戶建立起了高效的數(shù)字化智能設(shè)備預(yù)警管理機(jī)制，并向著數(shù)字化與智能化生產(chǎn)的目標(biāo)不斷邁進(jìn)。
|
