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。

　　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、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
、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，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%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KPI管guan理li係xi統tong來lai監jian控kong能neng耗hao，並bing為wei能neng耗hao設she定ding了le固gu定ding的de目mu標biao值zhi
，當dang發fa現xian偏pian差cha時shi，需xu要yao操cao作zuo人ren員yuan去qu分fen析xi根gen本ben原yuan因yin，需xu要yao大da量liang專zhuan家jia和he多duo部bu門men之zhi間jian的de冗rong長chang會hui議yi來lai診zhen斷duan問wen題ti。

　　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)，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。

　　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
、kaifangdegongyedashujufenxipingtai，weikehutigongleyizhongkeyiwanquandingzhidejiejuefangan，tajiehelejiqixuexidenengli，yijiaimoshengzaiduiliuchengheshebeikekaoxingdezhuanyezhishi，keyibangzhukehuliyongshujuziyuan，tishenggongchangxingneng。