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。

　　大da數shu據ju分fen析xi已yi經jing在zai改gai善shan人ren們men的de日ri常chang生sheng活huo

，它ta在zai工gong業ye界jie也ye逐zhu漸jian成cheng為wei熱re門men話hua題ti
，業ye界jie都dou很hen關guan注zhu大da數shu據ju分fen析xi在zai工gong業ye領ling域yu的de應ying用yong場chang景jing。工gong業ye大da數shu據ju和he通tong用yong的de大da數shu據ju分fen析xi並bing不bu完wan全quan相xiang同tong，它ta的de特te點dian是shi實shi時shi性xing高gao、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、因(yin)果(guo)關(guan)係(xi)強(qiang)，這(zhe)樣(yang)才(cai)能(neng)滿(man)足(zu)工(gong)業(ye)場(chang)景(jing)的(de)需(xu)要(yao)。純(chun)數(shu)據(ju)挖(wa)掘(jue)的(de)建(jian)模(mo)方(fang)式(shi)無(wu)法(fa)滿(man)足(zu)工(gong)業(ye)領(ling)域(yu)的(de)需(xu)求(qiu)，因(yin)此(ci)
，工(gong)業(ye)大(da)數(shu)據(ju)分(fen)析(xi)的(de)特(te)征(zheng)是(shi)強(qiang)調(tiao)專(zhuan)業(ye)領(ling)域(yu)工(gong)藝(yi)知(zhi)識(shi)和(he)數(shu)據(ju)挖(wa)掘(jue)的(de)深(shen)度(du)融(rong)合(he)。

　　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。

　　gongyedashujufenxizuoweishuzihuazhuanxingbukehuoquedezuchengbufen，weilaidefazhanqianjingguangkuo。erliyongdashujufenxideruanjian，fajuekehuxianchangshujudejiazhi，tishengyunyingbiaoxian，shiaimoshengyizhiyilaizhiliyufazhandefangxiang。

　　NO.2平台功能特點

　　2019年，艾默生收購工業數據分析軟件KNet，yiciruanjianweijichubingjieheaimoshengzaigongyelingyuzhishihejingyanjinxinggongnengshangdezhenghekuochongertuichuleaimoshenggongyedashujujiejuefangan，qikeduiyunyingheshengchanshujujinxingtiqu、清理、轉zhuan換huan和he分fen析xi，它ta使shi用yong先xian進jin的de統tong計ji和he機ji器qi學xue習xi算suan法fa庫ku，將jiang工gong業ye大da數shu據ju轉zhuan化hua為wei實shi用yong知zhi識shi，推tui動dong實shi時shi決jue策ce，從cong而er優you化hua過guo程cheng和he資zi產chan性xing能neng，後hou續xu進jin一yi步bu整zheng合he到dao艾ai默mo生sheng的dePlantweb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、tuozhuaidengcaozuo，jiukeyiyingyongdaonindeshujufenxizhong。aimoshengyizhizaibuduandijiaqiangsuanfaku，yiquebaowomendekehubuyonghuajinglizaibianxiesuanfashang，bashijianliugeijiejuezuijishoude 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(suan)KPI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
，RCAkeshishizhenduanguzhang

，zhaochugenbenyuanyin，jianyixiangyingjihua
，bingzhixingjiuzhengchengxu。yituxingfangshigoujiandeguzhangshu，yingyongleyinguoguanxizhuanyezhishi。ceshihejiuzhengcuoshikeyishijiandandexiaoxi
、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%的(de)計(ji)劃(hua)外(wai)停(ting)機(ji)時(shi)間(jian)，由(you)於(yu)計(ji)劃(hua)外(wai)停(ting)機(ji)往(wang)往(wang)會(hui)需(xu)要(yao)暫(zan)停(ting)作(zuo)業(ye)，並(bing)將(jiang)船(chuan)開(kai)回(hui)港(gang)口(kou)進(jin)行(xing)維(wei)修(xiu)，會(hui)造(zao)成(cheng)很(hen)大(da)損(sun)失(shi)。該(gai)公(gong)司(si)計(ji)劃(hua)通(tong)過(guo)數(shu)據(ju)驅(qu)動(dong)的(de)預(yu)測(ce)性(xing)維(wei)護(hu)實(shi)踐(jian)，將(jiang)計(ji)劃(hua)外(wai)停(ting)機(ji)時(shi)間(jian)減(jian)少(shao)至(zhi)4%。

　　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。

　　disan，kehucongzuanjingchuandekongzhixitongshoujishuju，tongguoweixingtongxinfasongdaoanshang
，weiyuxiusidundeyucezhinengzhongxinkaishiyongaimoshenggongyedashujujiejuefanganduishujujinxingfenxi。tongguojisuanshishishuju，bingheshuxuejianmodedaodeyucexingmoxingjinxingbijiao，quedingzichandeyunxingzhuangkuang，ranhoujisuanshengyudeshiyongshouming。ruyoupianchahuozheguzhangdezaoqizhengzhuang，xitonghuifasongjingbaohedianziyoujian，bingjiangqifankuigeizuanjingchuanshangdeweihurenyuan。

　　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(de)Abqaiq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、genbenyuanyinshibiehejianyidejiuzhengcuoshidelishijilubaocunzaishujukuzhong。ranhoujiangjieguotongguowangyefabuzaishujuyibiaobanzhong，yigonggongchangbutongjiaosedeyonghufangwen。

　　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、lianggeyuedeshijianfanweineijianzhayitaishebeishi，wendushuipingjihumeiyoubianhua，bianhuafuduyuandiyujingbaoshuiping。danshi
，dangxitongjianzhahefenxileliangniandelishishujuhou，jiutishi“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)，這zhe是shi一yi個ge典dian型xing的de批pi量liang過guo程cheng
，並bing且qie批pi量liang生sheng產chan時shi間jian相xiang對dui較jiao長chang。客ke戶hu希xi望wang去qu理li解jie長chang批pi量liang周zhou期qi中zhong，哪na些xie因yin素su對dui最zui終zhong質zhi量liang產chan生sheng影ying響xiang，同tong時shi要yao對dui設she備bei故gu障zhang和he過guo程cheng問wen題ti有you提ti前qian預yu測ce，以yi便bian他ta們men及ji時shi幹gan預yu
，實shi現xian質zhi量liang的de管guan理li。

　　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)。

　　有you了le這zhe樣yang的de模mo型xing，客ke戶hu就jiu可ke以yi檢jian查zha現xian有you的de批pi次ci
，並bing且qie基ji於yu數shu據ju挖wa掘jue階jie段duan確que定ding的de質zhi量liang預yu測ce模mo型xing

，預yu測ce該gai批pi次ci的de最zui終zhong質zhi量liang。如ru果guo發fa生sheng了le質zhi量liang下xia降jiang的de趨qu勢shi
，係xi統tong會hui根gen據ju故gu障zhang樹shu，反fan饋kui給gei操cao作zuo員yuan導dao致zhi質zhi量liang下xia降jiang的de原yuan因yin，以yi及ji如ru何he去qu操cao作zuo的de建jian議yi。

　　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：

　　yuceyichangqingkuang，youyujieheleduilishishujudefenxi
，xitongkeyizaoqishibiechushebeiheguochengdeyichangzhuangkuang
，zheyangjiukeyiyufangbufuheyaoqiudepici

，jianshaofeiliao
，tishengleshebeikekaoxing。

　　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)。