|
在過(guò)程工業(yè)中，設(shè)備的正常運(yùn)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(shí)降低維護(hù)成本，提高關(guān)鍵設(shè)備的可用性，減少非計(jì)劃性停車，成為越來(lái)越重要的課題。
為保證設(shè)備長(zhǎng)期穩(wěn)定運(yùn)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(guò)度維護(hù)”，卻仍然無(wú)法有效避免“非計(jì)劃停車”，甚至可能意外造成“維修性故障” 的發(fā)生。
隨著市場(chǎng)環(huán)境的不斷復(fù)雜化，數(shù)字化的浪潮已席卷過(guò)程工業(yè)市場(chǎng)，當(dāng)前不少企業(yè)已逐步建立起了數(shù)字化運(yùn)維平臺(tái)，盡管提升了工廠運(yùn)維數(shù)據(jù)的保存與管理，但仍然面臨很多問(wèn)題和挑戰(zhàn)：
面對(duì)這些挑戰(zhàn)，充分利用生產(chǎn)數(shù)據(jù)，實(shí)現(xiàn)設(shè)備智能化預(yù)測(cè)性維護(hù)的升級(jí)需求越來(lái)越迫切。總體來(lái)說(shuō)，實(shí)現(xiàn)設(shè)備維護(hù)智能化升級(jí)，核心要解決兩個(gè)問(wèn)題：
然而，要回答好這兩個(gè)問(wèn)題，實(shí)現(xiàn)工廠設(shè)備智能化預(yù)測(cè)性維護(hù)并不容易，龐大的歷史數(shù)據(jù)、多年的經(jīng)驗(yàn)知識(shí)、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(gè)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(cè)性維護(hù)軟件 SiePA，亦稱 EPA (Equipment Predictive Analytics)，以歷史運(yùn)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(yǔ)言處理等人工智能算法為工具，從而建立起一個(gè)預(yù)測(cè)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(lái)，通過(guò)其設(shè)備運(yùn)行狀態(tài)預(yù)測(cè)預(yù)警模塊與智能排查診斷模塊，不僅能及時(shí)預(yù)測(cè)預(yù)警運(yùn)營(yíng)中的故障風(fēng)險(xiǎn)，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(xiǎn)、實(shí)現(xiàn)降本增效。
從基于時(shí)間到基于實(shí)時(shí)狀態(tài)，避免非計(jì)劃停車
預(yù)防性維護(hù)和預(yù)測(cè)性維護(hù)是常見(jiàn)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(jì)劃性停車。不同的是，預(yù)防性維護(hù)多基于時(shí)間維度，相當(dāng)于為設(shè)備提供一個(gè)預(yù)計(jì)使用的“保質(zhì)期”，而“保質(zhì)期”內(nèi)的設(shè)備運(yùn)行狀態(tài)如何，有沒(méi)有發(fā)生故障的風(fēng)險(xiǎn)以及風(fēng)險(xiǎn)何時(shí)發(fā)生多為未知。而預(yù)測(cè)性維護(hù)則通過(guò)實(shí)時(shí)監(jiān)測(cè)設(shè)備運(yùn)行狀態(tài)并分析計(jì)算，幫助用戶實(shí)時(shí)判斷設(shè)備故障風(fēng)險(xiǎn)，提前發(fā)出風(fēng)險(xiǎn)預(yù)警，并輔助判斷“保質(zhì)期”的有效性，避免非計(jì)劃停車的發(fā)生。
西門子 SiePA 設(shè)備運(yùn)行狀態(tài)預(yù)測(cè)預(yù)警模塊采取的便是這樣一種基于實(shí)時(shí)狀態(tài)和大數(shù)據(jù)分析的預(yù)測(cè)性維護(hù)模式，基于設(shè)備正常運(yùn)行時(shí)所采集的海量實(shí)時(shí)傳感器數(shù)據(jù)訓(xùn)練模型，這個(gè)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(shí)際數(shù)據(jù)出現(xiàn)偏差時(shí)快速預(yù)警。
有了這個(gè)預(yù)測(cè)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(shí)現(xiàn)的智能預(yù)警機(jī)制比傳統(tǒng)報(bào)警系統(tǒng)可提前數(shù)小時(shí)甚至數(shù)天發(fā)現(xiàn)異常征兆，而這為用戶應(yīng)對(duì)潛在故障或風(fēng)險(xiǎn)爭(zhēng)取到了寶貴的時(shí)間，從而使用戶可以及時(shí)采取相應(yīng)措施，避免非計(jì)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(yàn)對(duì)故障進(jìn)行診斷。這些經(jīng)驗(yàn)多為領(lǐng)域?qū)＜议L(zhǎng)時(shí)間的積累，而經(jīng)驗(yàn)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(yǔ)言處理算法為工具，為企業(yè)建立起一個(gè)診斷系統(tǒng)，固化相關(guān)經(jīng)驗(yàn)，將工廠的故障記錄數(shù)據(jù)充分利用起來(lái)，對(duì)相應(yīng)的故障進(jìn)行快速的匹配診斷、并及時(shí)開(kāi)展有效的修復(fù)和維護(hù)，將會(huì)極大地提高故障處理的效率并降低誤判風(fēng)險(xiǎn)。
西門子 SiePA 智能排查診斷模塊便是在故障預(yù)測(cè)的基礎(chǔ)上，在收到預(yù)警模塊報(bào)告的異常狀態(tài)后，對(duì)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(duì)應(yīng)的解決方案展示給用戶。這一過(guò)程既運(yùn)用了基于知識(shí)圖譜的自然語(yǔ)言處理，也包含對(duì)傳感器量化數(shù)據(jù)的深度分析，西門子中國(guó)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(shí)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(yùn)行中的設(shè)備將自己的運(yùn)行狀態(tài)時(shí)時(shí)刻刻匯報(bào)給自己的專家醫(yī)生，即西門子 SiePA 系統(tǒng)，通過(guò)人工智能算法預(yù)測(cè)受檢設(shè)備潛在的“健康風(fēng)險(xiǎn)”；當(dāng)發(fā)現(xiàn)“癥狀”，SiePA 將基于所構(gòu)建的知識(shí)庫(kù)，通過(guò)“中西醫(yī)結(jié)合”的方法定義問(wèn)題原因，為設(shè)備對(duì)癥開(kāi)方，最終將診斷結(jié)果和“藥方”通過(guò)企業(yè)管理平臺(tái)等層層下達(dá)，觸發(fā)檢維修操作。
從預(yù)測(cè)到診斷到執(zhí)行，這一切得益于西門子對(duì)工業(yè)大數(shù)據(jù)分析的豐富經(jīng)驗(yàn)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(chǎng)與諸多企業(yè)基于 SiePA 開(kāi)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)。
|
