|
在過程工業(yè)中，設備的正常運行是保障工廠高效、可靠和安全生產的關鍵。如何使工廠在提升產能的同時降低維護成本，提高關鍵設備的可用性，減少非計劃性停車，成為越來越重要的課題。
為保證設備長期穩(wěn)定運行，如今大部分工廠采用定期的預防性維修維護策略，然而這種方法極易導致 “過度維護”，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)境的不斷復雜化，數(shù)字化的浪潮已席卷過程工業(yè)市場，當前不少企業(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)，充分利用生產數(shù)據(jù)，實現(xiàn)設備智能化預測性維護的升級需求越來越迫切�？傮w來說，實現(xiàn)設備維護智能化升級，核心要解決兩個問題：
然而，要回答好這兩個問題，實現(xiàn)工廠設備智能化預測性維護并不容易，龐大的歷史數(shù)據(jù)、多年的經驗知識、先進的數(shù)據(jù)分析技術及故障處理能力等等都是剛需，而人工智能技術的引入則為此提供了一個至關重要的杠桿。
為此，西門子推出基于工業(yè)大數(shù)據(jù)分析的預測性維護軟件 SiePA，亦稱 EPA (Equipment Predictive Analytics)，以歷史運行數(shù)據(jù)的深入分析為基礎，相應的機器學習和自然語言處理等人工智能算法為工具，從而建立起一個預測性維護系統(tǒng)。
在西門子人工智能技術的支持下，西門子 SiePA 將工廠的歷史數(shù)據(jù)充分利用起來，通過其設備運行狀態(tài)預測預警模塊與智能排查診斷模塊，不僅能及時預測預警運營中的故障風險，還能幫助高效診斷背后的原因指導維修維護，幫助企業(yè)有效控制風險、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
預防性維護和預測性維護是常見的設備維護模式，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，預防性維護多基于時間維度，相當于為設備提供一個預計使用的“保質期”，而“保質期”內的設備運行狀態(tài)如何，有沒有發(fā)生故障的風險以及風險何時發(fā)生多為未知。而預測性維護則通過實時監(jiān)測設備運行狀態(tài)并分析計算，幫助用戶實時判斷設備故障風險，提前發(fā)出風險預警，并輔助判斷“保質期”的有效性，避免非計劃停車的發(fā)生。
西門子 SiePA 設備運行狀態(tài)預測預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)分析的預測性維護模式，基于設備正常運行時所采集的海量實時傳感器數(shù)據(jù)訓練模型，這個模型綜合考慮了工廠中大量傳感器數(shù)據(jù)之間的關聯(lián)關系，生成人類難以考慮完全的判斷規(guī)則，進而在實際數(shù)據(jù)出現(xiàn)偏差時快速預警。
有了這個預測結果，企業(yè)將大大節(jié)約設備管理與維護上的人力成本、提高管理效率。此外，從生產安全的角度，如此實現(xiàn)的智能預警機制比傳統(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，而這為用戶應對潛在故障或風險爭取到了寶貴的時間，從而使用戶可以及時采取相應措施，避免非計劃停車的發(fā)生。
“中西醫(yī)結合”智能排查診斷
如今，大部分企業(yè)仍高度依賴于歷史經驗對故障進行診斷。這些經驗多為領域專家長時間的積累，而經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，相應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)，固化相關經驗，將工廠的故障記錄數(shù)據(jù)充分利用起來，對相應的故障進行快速的匹配診斷、并及時開展有效的修復和維護，將會極大地提高故障處理的效率并降低誤判風險。
西門子 SiePA 智能排查診斷模塊便是在故障預測的基礎上，在收到預警模塊報告的異常狀態(tài)后，對工廠的歷史數(shù)據(jù)進行一系列數(shù)據(jù)分析，為新的技術故障在歷史數(shù)據(jù)中尋找相似或相關的案例，并將對應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)集團吳文超博士表示，這堪稱工業(yè)界的“中西醫(yī)結合”。
工業(yè)領域的專業(yè)知識持以先進的大數(shù)據(jù)分析能力，是西門子人工智能技術得以落地的兩大利器。運行中的設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測受檢設備潛在的“健康風險”；當發(fā)現(xiàn)“癥狀”，SiePA 將基于所構建的知識庫，通過“中西醫(yī)結合”的方法定義問題原因，為設備對癥開方，最終將診斷結果和“藥方”通過企業(yè)管理平臺等層層下達，觸發(fā)檢維修操作。
從預測到診斷到執(zhí)行，這一切得益于西門子對工業(yè)大數(shù)據(jù)分析的豐富經驗以及 SiePA 系統(tǒng)強大的智能數(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者之一，已在全球市場與諸多企業(yè)基于 SiePA 開展相關合作與應用，幫助用戶建立起了高效的數(shù)字化智能設備預警管理機制，并向著數(shù)字化與智能化生產的目標不斷邁進。
|
