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
、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。

　　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，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、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(de)Plantweb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。

　　tawuxubianxiejiaobenhuodaima，tongguotuofangbutongdegongnengkuai，congshuruhuoshuju，daojisuanheluoji
，zaidaoshuchu，zuchengyigejisuandeguizehuozhefuzashijian，ruyewuguize，jisuanKPI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(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、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。

　　aimoshengduilishishujujinxingfenxi，bangzhukehudingyihuangjinpicidetezheng

，ranhoujianlibutongyunxingmoshixiadezhiliangyucemoxing。yanzhengleyucemoxinghou，womenjiangtabushudaozaixiandezhuangtai，bingqiebangzhukehujianliguzhangshu。

　　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。

　　jiejuekehuzuiguanxindezhiliangyucegongneng，yinweizhiqianduizhiliangdeguanlidoushishihoude，youlezaixianzhiliangyucemoxing，kehujiukeyiyupangaipicidezuizhongzhiliang，zaixuyaodeshihoutiqianjieru

，gaibianzhiliangliehuadequshi。

　　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。