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、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，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(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。

　　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，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zhi4%。

　　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、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，“dangzhakanmeirihuomeizhoudeshujushi
，wendudeshenggaobingbumingxian。danzhezhongwendushenggaochixububeizhuyikenenghuidaozhizhouchenghuozhoudechangqisunhuai，shenzhidaozhishebeitingji。”

　　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。

　　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。

　　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。