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

，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、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(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。

　　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)
，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：

　　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。

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