NO.1應用背景

　　說到大數據分析、人工智能、機器學習這些名詞，大家應該都不陌生
，日常生活中
，每天都可能接觸到這些技術，比如實名認證用的人臉識別
，手機APP的定製內容推送等等。這些應用都是通過大量收集數據，利用機器學習來訓練算法、尋找規律，為決策提供支持。

　　dashujufenxiyijingzaigaishanrenmenderichangshenghuo，tazaigongyejieyezhujianchengweiremenhuati
，yejiedouhenguanzhudashujufenxizaigongyelingyudeyingyongchangjing。gongyedashujuhetongyongdedashujufenxibingbuwanquanxiangtong，tadetedianshishishixinggao、數據量大
、數據異構性強
，工業大數據要求分析模型的精度高、可靠性高、yinguoguanxiqiang，zheyangcainengmanzugongyechangjingdexuyao。chunshujuwajuedejianmofangshiwufamanzugongyelingyudexuqiu
，yinci，gongyedashujufenxidetezhengshiqiangtiaozhuanyelingyugongyizhishiheshujuwajuedeshenduronghe。

　　一方麵，運行中的流程工廠每天會生成海量的數據
，數據的來源包括DCS
、PLC
、實驗室管理係統、設備管理係統
、能源管理係統等。但是據統計，流程工廠中八成的數據都沒得到利用
，這就造成了對數據資源的浪費。

　　另一方麵，工廠的運營管理人員也麵臨著很多挑戰，如何得到最佳的設備效率、異常現象的根本原因分析、如何減少故障、縮短維修時間、如何提前識別出運營的隱患
，如何根據不同的工況設定KPI的動態目標。這些問題很難從純機理角度去分析，因此我們可以以“數據驅動+機理驅動”的雙驅動模式來進行工業大數據的分析，從而建立高精度、高可靠性的模型
，來真正解決實際的工業問題。

　　工(gong)業(ye)大(da)數(shu)據(ju)分(fen)析(xi)作(zuo)為(wei)數(shu)字(zi)化(hua)轉(zhuan)型(xing)不(bu)可(ke)或(huo)缺(que)的(de)組(zu)成(cheng)部(bu)分(fen)，未(wei)來(lai)的(de)發(fa)展(zhan)前(qian)景(jing)廣(guang)闊(kuo)。而(er)利(li)用(yong)大(da)數(shu)據(ju)分(fen)析(xi)的(de)軟(ruan)件(jian)
，發(fa)掘(jue)客(ke)戶(hu)現(xian)場(chang)數(shu)據(ju)的(de)價(jia)值(zhi)
，提(ti)升(sheng)運(yun)營(ying)表(biao)現(xian)
，是(shi)艾(ai)默(mo)生(sheng)一(yi)直(zhi)以(yi)來(lai)致(zhi)力(li)於(yu)發(fa)展(zhan)的(de)方(fang)向(xiang)。

　　NO.2平台功能特點

　　2019年，艾默生收購工業數據分析軟件KNet，以(yi)此(ci)軟(ruan)件(jian)為(wei)基(ji)礎(chu)並(bing)結(jie)合(he)艾(ai)默(mo)生(sheng)在(zai)工(gong)業(ye)領(ling)域(yu)知(zhi)識(shi)和(he)經(jing)驗(yan)進(jin)行(xing)功(gong)能(neng)上(shang)的(de)整(zheng)合(he)擴(kuo)充(chong)而(er)推(tui)出(chu)了(le)艾(ai)默(mo)生(sheng)工(gong)業(ye)大(da)數(shu)據(ju)解(jie)決(jue)方(fang)案(an)，其(qi)可(ke)對(dui)運(yun)營(ying)和(he)生(sheng)產(chan)數(shu)據(ju)進(jin)行(xing)提(ti)取(qu)、清理、zhuanhuanhefenxi，tashiyongxianjindetongjihejiqixuexisuanfaku，jianggongyedashujuzhuanhuaweishiyongzhishi，tuidongshishijuece，congeryouhuaguochenghezichanxingneng，houxujinyibuzhenghedaoaimoshengdePlantweb數字生態係統中，成為工業大數據應用的重要一環。2021年，艾默生工業大數據解決方案榮獲了物聯網突破獎之年度分析平台獎。

圖1 艾默生榮獲年度分析平台獎

　　艾默生工業大數據解決方案分為兩個部分：離線數據挖掘軟件和在線專家係統軟件。離線數據挖掘的作用是分析曆史數據，尋找規律，建立預測性模型
；而在線專家係統的作用是，部署預測性模型
，用前麵發掘出的規律
，來輔助決策。整體的工作原理如下所示：

圖2 艾默生工業大數據解決方案的工作原理

　　■離線數據挖掘模塊

　　離線數據挖掘模塊用來分析原始數據，發現隱藏的規律，並將其轉化為預測模型。它具有數據分析、優化、機器學習
、統計過程控製、報警分析等功能。本質上，它是一個可以獨立運行的數據挖掘軟件。

　　它有以下特點：

• 圖形化環境，提供高度直觀和用戶友好的使用環境
  ，具有Microsoft軟件的外觀和體驗，具有下拉菜單、拖放圖形圖標的功能，無需編寫腳本或編程。
• 工作流Workflow，允許您構建和自動執行由數據分析
  、學習、聚類和建模組成的順序流程。構建工作流後，它們會被自動存儲，以後可以部署應用於多個數據集，無需人工幹預。
• 數據可視化，內嵌了各種工具，可提供有效的數據可視化，例如散點圖
  、折線圖、餅圖、麵積圖、箱形圖、雷達圖和極坐標圖。
• 支持第三方腳本語言
  ，如Matlab
  ，Python和R。

　　離線數據挖掘模塊中有龐大的算法庫，所有這些算法都是內置的，隻需點擊
、拖tuo拽zhuai等deng操cao作zuo
，就jiu可ke以yi應ying用yong到dao您nin的de數shu據ju分fen析xi中zhong。艾ai默mo生sheng一yi直zhi在zai不bu斷duan地di加jia強qiang算suan法fa庫ku
，以yi確que保bao我wo們men的de客ke戶hu不bu用yong花hua精jing力li在zai編bian寫xie算suan法fa上shang，把ba時shi間jian留liu給gei解jie決jue最zui棘ji手shou的de OT業務問題。

圖片 3機器學習算法庫

　　■在線專家係統

　　進入到在線專家係統，它有三個主要功能模塊：規則及複雜事件模塊
、根本原因分析模塊（Root Cause Analysis，簡稱RCA）和工作流模塊（Workflow）。

　　規則及複雜事件模塊使用圖形語言

，可以輕鬆構建用於不同事物的規則，例如檢測複雜事件、能夠檢測操作模式和生成性能報告。該模塊提供了廣泛的功能塊，包括算術、統計過程控製、信號發生器、數據篩選器
、邏輯門、時態數據功能塊等，還可以使用C#.NET語言添加自定義塊。

　　它ta無wu須xu編bian寫xie腳jiao本ben或huo代dai碼ma

，通tong過guo拖tuo放fang不bu同tong的de功gong能neng塊kuai，從cong輸shu入ru或huo數shu據ju
，到dao計ji算suan和he邏luo輯ji

，再zai到dao輸shu出chu
，組zu成cheng一yi個ge計ji算suan的de規gui則ze或huo者zhe複fu雜za事shi件jian
，如ru業ye務wu規gui則ze
，計ji算suanKPI的性能管理應用程序，在不同係統之間執行數據傳輸的應用程序，預測性維護應用程序
，原型、建模和仿真應用程序。

圖4 規則及複雜事件模塊範例

　　用戶可利用根本原因分析模塊（RCA）實現決策支持係統、圖形診斷應用程序和異常情況管理係統。使用故障傳播模型，RCA可ke實shi時shi診zhen斷duan故gu障zhang，找zhao出chu根gen本ben原yuan因yin
，建jian議yi響xiang應ying計ji劃hua
，並bing執zhi行xing糾jiu正zheng程cheng序xu。以yi圖tu形xing方fang式shi構gou建jian的de故gu障zhang樹shu
，應ying用yong了le因yin果guo關guan係xi專zhuan業ye知zhi識shi。測ce試shi和he糾jiu正zheng措cuo施shi可ke以yi是shi簡jian單dan的de消xiao息xi、複雜的規則或整個工作流程。

　　可以檢測到的故障可能包含與效率、設備故障、環境法規
、不安全條件以及關鍵績效指標偏差相關的問題。這種異常情況可能會產生許多嚴重後果，包括：意外停機、計劃中斷、安全隱患
、質量不佳
、運行效率低等。任何檢測到的故障都會觸發自動的根本原因分析（RCA），RCA模塊運行檢測以確定根本原因，並通知操作員是否必須采取任何糾正措施和/或啟動工作流程以執行解決程序。

圖5 自動根因分析模塊範例

　　工作流（Workflow）模塊是一款靈活的工作流程管理解決方案，可幫助各種用戶輕鬆進行處置，並與工作流程及後續操作進行交互。

　　典型的工作流可助您實現和執行：

• 糾正措施
• 啟動和關閉程序
• 解決重複出現的問題
• 恢複程序
• 升級事故響應

圖6 工作流模塊範例

　　NO.3艾默生工業大數據解決方案的典型應用案例

　　■幫助全球最大海上鑽井公司

　　提升鑽井設備的可靠性

　　A客戶經營著世界上最大的海上石油鑽井船隊，在2018年的時候，該公司擁有35台自升式鑽機，12台半潛式潛水器和另外12台高科技鑽探船。2011年，A客戶的鑽井船隊經曆了8%dejihuawaitingjishijian，youyujihuawaitingjiwangwanghuixuyaozantingzuoye
，bingjiangchuankaihuigangkoujinxingweixiu
，huizaochenghendasunshi。gaigongsijihuatongguoshujuqudongdeyucexingweihushijian，jiangjihuawaitingjishijianjianshaozhi4%。

　　首先，A客戶在其總部休斯頓建立預測智能中心（Predictive Intelligence Center），它的職能包含：

1. 實時監控鑽井船隊的資產；
2. 提供資產性能退化的預警；
3. 確定資產的剩餘使用壽命
   ；
4. 通過優化資產選擇和維護活動來降低成本；
5. 通過提高可靠性和正常運行時間，來提升為客戶提供的海上鑽井服務。

　　然後，客戶確定了其鑽井船上最重要的五個關鍵設備——頂部驅動器、絞車
、防噴器
、管道處理和推進器，並將重點放在提高這些關鍵設備的可靠性上。

　　第di三san，客ke戶hu從cong鑽zuan井jing船chuan的de控kong製zhi係xi統tong收shou集ji數shu據ju，通tong過guo衛wei星xing通tong信xin發fa送song到dao岸an上shang，位wei於yu休xiu斯si頓dun的de預yu測ce智zhi能neng中zhong心xin開kai始shi用yong艾ai默mo生sheng工gong業ye大da數shu據ju解jie決jue方fang案an對dui數shu據ju進jin行xing分fen析xi。通tong過guo計ji算suan實shi時shi數shu據ju，並bing和he數shu學xue建jian模mo得de到dao的de預yu測ce性xing模mo型xing進jin行xing比bi較jiao，確que定ding資zi產chan的de運yun行xing狀zhuang況kuang
，然ran後hou計ji算suan剩sheng餘yu的de使shi用yong壽shou命ming。如ru有you偏pian差cha或huo者zhe故gu障zhang的de早zao期qi症zheng狀zhuang
，係xi統tong會hui發fa送song警jing報bao和he電dian子zi郵you件jian，並bing將jiang其qi反fan饋kui給gei鑽zuan井jing船chuan上shang的de維wei護hu人ren員yuan。

　　在艾默生的幫助下

，這家海上鑽井能源公司已經將計劃外停機時間減少到不到1%，這意味著每年數以百萬美元計的利潤。

　　■沙特阿美Abqaiq原油處理廠

　　改善能源管理

　　沙特阿美公司的Abqaiq工廠是其最大的石油加工設施
，日處理能力超過700萬桶，每天的能源消耗是一個巨大的數字。Abqaiq工廠擁有一個標準的KPIguanlixitonglaijiankongnenghao

，bingweinenghaoshedinglegudingdemubiaozhi
，dangfaxianpianchashi，xuyaocaozuorenyuanqufenxigenbenyuanyin，xuyaodaliangzhuanjiaheduobumenzhijianderongchanghuiyilaizhenduanwenti。

　　Abqaiq 工廠麵臨以下挑戰：

1. 需要提高準確性和性能洞察力，以做出明智的決策
   ；
2. 由於使用固定目標
   ，而不是動態目標，當運行模式切換後，很容易收到能量消耗過多的錯誤警告
   
   ；
3. 能耗和目標的差距持續存在時，需要很長時間去確定真正的根本原因
   ；
4. 由於某些儀器故障
   ，KPI計算不準確。

　　為wei了le克ke服fu這zhe些xie挑tiao戰zhan
，需xu要yao利li用yong先xian進jin的de技ji術shu
，因yin為wei即ji使shi是shi非fei常chang短duan的de操cao作zuo停ting機ji時shi間jian，也ye可ke能neng會hui導dao致zhi數shu百bai萬wan美mei元yuan的de損sun失shi。為wei了le克ke服fu這zhe些xie挑tiao戰zhan並bing消xiao除chu能neng耗hao方fang麵mian的de性xing能neng差cha距ju
，沙sha特te阿e美mei的deAbqaiq工廠選擇了艾默生工業大數據解決方案，包括：

1. 監控整個工廠的能耗
   ，並可細化至設備級別；
2. 自動監測工廠狀態和運行模式
   
   ，並相應地實時調整能耗目標；
3. 盡早發現能源績效差距
   ；
4. 使用自動根本原因（RCA）分析和識別
   ，來找出差距背後的根本原因；
5. 在執行最佳實踐的同時
   ，采取糾正措施。

　　在艾默生的平台上，可以計算和監視24個生產單元、57個非生產單元和237台關鍵設備的能耗，這些設備代表了該工廠主要的耗能設備。

　　該係統從曆史數據庫收集工廠數據
，然後使用計算、規則、故障傳播和Workflow引擎來分析數據
，以找出造成性能差異的原因，同時為最終用戶提供建議的糾正措施。係統將所有計算的KPI、根gen本ben原yuan因yin識shi別bie和he建jian議yi的de糾jiu正zheng措cuo施shi的de曆li史shi記ji錄lu保bao存cun在zai數shu據ju庫ku中zhong。然ran後hou將jiang結jie果guo通tong過guo網wang頁ye發fa布bu在zai數shu據ju儀yi表biao板ban中zhong
，以yi供gong工gong廠chang不bu同tong角jiao色se的de用yong戶hu訪fang問wen。

　　基於艾默生工業大數據解決方案的Abqaiq智能能源KPIs係統已大大降低了能耗
，節能帶來的效益估計為每年數千萬美元，除此之外，其他可量化的好處還包括：

• 無論是操作員
  、工程師
  ，還是管理人員都發現，通過更好地管理關鍵資產及其KPI影響
  ，可以輕鬆使用基於Web的界麵來提高工廠績效。
• 顯著減少了檢測和診斷能源消耗性能差距的周期時間和精力。
• 更好地保留並在線部署了運營知識。

　　■Celanese（美國）尋找故障根本原因實現設備預測性維護

　　在預測性維護用例中，艾默生工業大數據解決方案的分析見解為Celanese帶來了回報。當Celanese在兩周
、兩(liang)個(ge)月(yue)的(de)時(shi)間(jian)範(fan)圍(wei)內(nei)檢(jian)查(zha)一(yi)台(tai)設(she)備(bei)時(shi)
，溫(wen)度(du)水(shui)平(ping)幾(ji)乎(hu)沒(mei)有(you)變(bian)化(hua)，變(bian)化(hua)幅(fu)度(du)遠(yuan)低(di)於(yu)警(jing)報(bao)水(shui)平(ping)。但(dan)是(shi)，當(dang)係(xi)統(tong)檢(jian)查(zha)和(he)分(fen)析(xi)了(le)兩(liang)年(nian)的(de)曆(li)史(shi)數(shu)據(ju)後(hou)，就(jiu)提(ti)示(shi)“正常”溫度水平明顯高於以前的水平。

　　通過分析曆史數據

，建立故障樹模型，Celanese的維護人員利用根本原因分析模塊發現：溫度緩慢升高的原因是潤滑油加熱器上的閥門卡住了。Celanese的工作人員說，“當dang查zha看kan每mei日ri或huo每mei周zhou的de數shu據ju時shi，溫wen度du的de升sheng高gao並bing不bu明ming顯xian。但dan這zhe種zhong溫wen度du升sheng高gao持chi續xu不bu被bei注zhu意yi可ke能neng會hui導dao致zhi軸zhou承cheng或huo軸zhou的de長chang期qi損sun壞huai，甚shen至zhi導dao致zhi設she備bei停ting機ji。”

　　圖7 這張圖展示了設備溫度在很短的時間範圍內變化很少（見藍色框內右側的曲線）

，但是在兩年的時間段內，很明顯可以看出最近的溫度顯著地高於之前的溫度水平。

　　■幫助某日化產品工廠實現批量在線分析

　　客戶位於美國，是一個日化品牌的混合單元(mixer skid unit)，zheshiyigedianxingdepiliangguocheng
，bingqiepiliangshengchanshijianxiangduijiaochang。kehuxiwangqulijiechangpiliangzhouqizhong，naxieyinsuduizuizhongzhiliangchanshengyingxiang
，tongshiyaoduishebeiguzhangheguochengwentiyoutiqianyuce
，yibiantamenjishiganyu，shixianzhiliangdeguanli。

　　艾ai默mo生sheng對dui曆li史shi數shu據ju進jin行xing分fen析xi，幫bang助zhu客ke戶hu定ding義yi黃huang金jin批pi次ci的de特te征zheng，然ran後hou建jian立li不bu同tong運yun行xing模mo式shi下xia的de質zhi量liang預yu測ce模mo型xing。驗yan證zheng了le預yu測ce模mo型xing後hou
，我wo們men將jiang它ta部bu署shu到dao在zai線xian的de狀zhuang態tai，並bing且qie幫bang助zhu客ke戶hu建jian立li故gu障zhang樹shu。

　　youlezheyangdemoxing，kehujiukeyijianzhaxianyoudepici
，bingqiejiyushujuwajuejieduanquedingdezhiliangyucemoxing，yucegaipicidezuizhongzhiliang。ruguofashenglezhiliangxiajiangdequshi，xitonghuigenjuguzhangshu
，fankuigeicaozuoyuandaozhizhiliangxiajiangdeyuanyin

，yijiruhequcaozuodejianyi。

　　從這個案例來看，艾默生工業大數據解決方案可以在這以下方麵提升批量生產的性能：

　　預yu測ce異yi常chang情qing況kuang，由you於yu結jie合he了le對dui曆li史shi數shu據ju的de分fen析xi，係xi統tong可ke以yi早zao期qi識shi別bie出chu設she備bei和he過guo程cheng的de異yi常chang狀zhuang況kuang，這zhe樣yang就jiu可ke以yi預yu防fang不bu符fu合he要yao求qiu的de批pi次ci

，減jian少shao廢fei料liao，提ti升sheng了le設she備bei可ke靠kao性xing。

　　解jie決jue客ke戶hu最zui關guan心xin的de質zhi量liang預yu測ce功gong能neng，因yin為wei之zhi前qian對dui質zhi量liang的de管guan理li都dou是shi事shi後hou的de，有you了le在zai線xian質zhi量liang預yu測ce模mo型xing
，客ke戶hu就jiu可ke以yi預yu判pan該gai批pi次ci的de最zui終zhong質zhi量liang


，在zai需xu要yao的de時shi候hou提ti前qian介jie入ru，改gai變bian質zhi量liang劣lie化hua的de趨qu勢shi。

　　NO.4總結

　　艾默生工業大數據解決方案是一種非常靈活、開(kai)放(fang)的(de)工(gong)業(ye)大(da)數(shu)據(ju)分(fen)析(xi)平(ping)台(tai)，為(wei)客(ke)戶(hu)提(ti)供(gong)了(le)一(yi)種(zhong)可(ke)以(yi)完(wan)全(quan)定(ding)製(zhi)的(de)解(jie)決(jue)方(fang)案(an)，它(ta)結(jie)合(he)了(le)機(ji)器(qi)學(xue)習(xi)的(de)能(neng)力(li)，以(yi)及(ji)艾(ai)默(mo)生(sheng)在(zai)對(dui)流(liu)程(cheng)和(he)設(she)備(bei)可(ke)靠(kao)性(xing)的(de)專(zhuan)業(ye)知(zhi)識(shi)

，可(ke)以(yi)幫(bang)助(zhu)客(ke)戶(hu)利(li)用(yong)數(shu)據(ju)資(zi)源(yuan)，提(ti)升(sheng)工(gong)廠(chang)性(xing)能(neng)。