您好,欢迎来到上海仪器仪表行业协会!

仪器仪表行业协会
搜索
搜索

技术资讯

资讯分类
/
/
/
通过大数据分析减轻报警负担

通过大数据分析减轻报警负担

  • 分类:热点技术
  • 作者:
  • 来源:
  • 发布时间:2018-08-02 07:50
  • 访问量:

【概要描述】通过大数据分析减轻报警负担 如果控制系统可以尽早识别潜在的问题,电厂的操作员就可以采取行动避免停产并保持合规性。不过,要实现这一点很困难。  对于操作员来说,来自于传感器和运行部件的报警和事件通知可以很容易使其不堪重负。随着科技的演变,添加到工业设备上的传感器的数量如雨后春笋般增长。在早期的时候,一台蒸汽轮机里面只有数十个传感器,而今天该数量已经数以千计,而且还在持续增加。物联网(IoT)的出现意

通过大数据分析减轻报警负担

【概要描述】通过大数据分析减轻报警负担 如果控制系统可以尽早识别潜在的问题,电厂的操作员就可以采取行动避免停产并保持合规性。不过,要实现这一点很困难。  对于操作员来说,来自于传感器和运行部件的报警和事件通知可以很容易使其不堪重负。随着科技的演变,添加到工业设备上的传感器的数量如雨后春笋般增长。在早期的时候,一台蒸汽轮机里面只有数十个传感器,而今天该数量已经数以千计,而且还在持续增加。物联网(IoT)的出现意

  • 分类:热点技术
  • 作者:
  • 来源:
  • 发布时间:2018-08-02 07:50
  • 访问量:
详情

通过大数据分析减轻报警负担

 

如果控制系统可以尽早识别潜在的问题,电厂的操作员就可以采取行动避免停产并保持合规性。不过,要实现这一点很困难。

  对于操作员来说,来自于传感器和运行部件的报警和事件通知可以很容易使其不堪重负。随着科技的演变,添加到工业设备上的传感器的数量如雨后春笋般增长。在早期的时候,一台蒸汽轮机里面只有数十个传感器,而今天该数量已经数以千计,而且还在持续增加。物联网(IoT)的出现意味着越来越多的传感器会被添加到部件、机器和辅助系统上。

  这些传感器会让显示在操作员和工厂管理者电脑屏幕上的原本已经泛滥的报警更加汹涌。在一个案例中,有一个厂不得不在每个小时内处理差不多300条报警。这个数量绝不仅仅是一个独立事件所能带来的,而且这样的报警数量并不罕见。

  这些报警中的大部分是由相对不那么重要的因素所引起的。即便操作员仅仅是对报警做个记录而不需要采取额外的动作,但是也必须对所有的信息作出响应。这些会占用他们太多的时间,从而使得处理关键的问题变得更难。

  减少报警数量

  因此,很有必要将技术熟练人员的时间解放出来。要做到这些,最好的方式是减少报警的数量。这会让他们集中注意力采取优先级别划分的行动,进而避免差错和负载限制的问题。

  一些基本的工具可以辅助工程人员将关键报警从背景噪音中分离出来。如果没有了自动化和分析工具的支持,那就意味着工程人员的时间会继续被对事件提醒采取合适的应对措施所进行的评估工作占用。然而,通过把来自于三个来源的数据整合在一起,有可能进行精确的数据分析并为工程师提供他们要做出明智的即时决策所需要的信息。这三部分数据来源是:

  存档数据。基于存档报警的历史数据可以将当前的事件提醒和内在的原因匹配起来。尽管现在有一些监控辅助工具使用这些数据,如果独立使用,其功效性会受到限制。

  工程数据。工程数据在工厂的成功运行中起到了至关重要的作用。有了它在手里,经验丰富的专家就可以操控复杂的系统。然而,这样的数据通常还是限制在功能性的筒仓内, 即只有一些受过训练的技术人员可以使用。这使得数据分析变得困难,并且作为决策制定的一个可行的辅助手段的应用很麻烦。然而,有可能将工程数据自动地翻译成其他格式并且以图表形式显示出来,能够增强对正在发生的报警和提醒的理解。

  知识库。机器原始设备制造商(OEM)通常可以访问采集于全球范围内运行的数以千计的电厂和汽轮机的大量的知识库。一些信息数据可以追溯到几十年以前。智慧的使用分析结果可以让事件提醒和报警与在别处记录的类似事件匹配起来。

  数据分析的价值

  许多系统使用这三种数据来源中的一种为操作员提供有价值的洞察信息,可是受到一定的范围限制。一些可用的系统寻求将这其中的两种数据流组合起来,认为会比其他的系统更加成功。还有一种新的想法是将三种数据源整合在一起。

  即便将存档的、工程的以及知识库的信息都放到一起可能也无法解决实际问题。因为增加了复杂性且增大了数据量,反而会让问题更加复杂。这种方式也许可以帮助识别真实状况并且确定根本原因,但是那将会是一个缓慢的、人工的、实验性质的过程。当数据已经被组合、过滤以及评估以后,再想减轻损害和避免停机就太晚了。

  提高维护效率的关键绝不仅仅是识别根本原因和能够及时达成结论。它还必须能够包括报警数量的显著减少并且对于那些被认定为具有最高优先级的报警提供有效的响应措施。

  使用复杂的分析引擎,连续使用借助现代微处理器的基于云的数据分析,可以帮助大量数据的同步、对比以及评估。这有助于减少报警数量和决策速度。

  数据分析还可以为关于事件提醒如何发生提供精确的视图,以及所涉及的准确原因(请见图1)。这有可能对工程师怀疑但是无法证明的事情进行确认,同时提供之前无法获得的洞察。

图1:西门子公司的数字化生命周期服务报警减少工具可以将存档的历史信息和工程数据及知识库数据结合在一起。其先进的分析引擎会识别出不重要的提醒,集中精力在优先级高的报警上,并提供行动建议。本文图片来源:西门子公司

  设备停机可以导致报警数量的大量爆发。例如,由于发电系统冷却下来会导致其脱离常规的温度范围,操作员会被淹没在来自于大量的组件、系统和机器的突然爆发的报警和事件提醒。受影响的人需要花好一段时间才能弄清楚这些提醒是可以忽略的,而且常规的维护工作正在进行当中(请见图2)。

图2:就在发电系统停止运行的时刻,报警的数量会爆发出来。

  在指示器及测量设备的结果高于或低于正常值时,数据分析还可以揭示出真正发生了什么。这样的事件有可能重要,也有可能不重要。它会基于多种数据来源进行详细的分析,进而确定这样的测量结果偏移是不是真正值得担心的原因。如果这可以很快地完成,操作人员还有时间来采取有效的补救措施。

  数字化报警管理

  一家德国的大型发电企业发现他们的提醒信息是由许多不同的信号触发的。在某一种情况下会收到超过1600条提醒,其速率为每小时281条,然而仅仅10个信号所引起的信息就占了这部分报警的43%。

  更糟的情况是,在常规的停产时间内,很多报警还会继续涌现。这迫使维护人员要持续监控那些按照计划停产的设备单元。这不仅浪费了很多资源,而且将本应该用于更加紧迫的优先级高的维护工作的注意力分散开来。

  通过将注意力集中到那10个信号上,维护人员的工作负荷大幅下降。数字化报警管理突出了哪些信号引起了报警以及其原因。可视化技术以一种更容易消化理解的方式展示了关键的管理信息。工程师们将分析结果付诸于行动,解决修正问题,并且消减了90%的事件提醒(请见图3)。

图3:在不同的电厂使用了数字化报警管理工具以后,事件提醒的数量都大幅下降。

  数字化管理消除了这些不必要的提醒并且为系统优化采取特定的行动而生成了可行的建议。这包括的范围从使提醒延迟几秒钟到警示某些手动过程。这些变化为运行效率发挥了重要的影响力。反过来,这改进了合规性和利润率,同时让技术熟练的工程师操作效率更高。(作者:Ute Messmer  来源:控制工程网)

 

相关文件

暂时没有内容信息显示
请先在网站后台添加数据记录。

Copyright © 上海仪器仪表行业协会 版权所有 沪ICP备08100447号