你见过我们新来的产品经理了吗?
控制与自动化控制与自动化编辑档案馆

大数据——流程自动化旅程的下一个80%

作者:ABB工业自动化首席技术官Bernhard Eschermann

bernhard eschermann

实际使用少于今天在工业厂生成的数据的数据不到20%。这即将通过更好的数据挖掘和分析来改变,提供可行的洞察力和多级优点

如果我是一名工程师,操作员或任何工业操作的经理,通常有两件事是我关注的主要焦点:设备和过程。此外,可持续性作为第三个主题也变得更加重要。

When considering a piece of equipment like a pump or heat exchanger, I may want to know its physical condition, how it’s performing, if it can take a higher load, how frequently it needs maintenance, will it fail soon, etc. My aim is to know if the asset can perform better, and if so, how.

然后,当一系列设备按顺序组合在一起时,这个过程就变成了。现在我想知道,这些因素在我的产品和最终的利润中发挥了多大的作用。因此,我们着眼于结果和因素,如基于原材料投入的产量、总产量、产品质量或过程稳定性。

从可持续性的角度来看,设备和工艺的综合性能是另一个问题。它涵盖了环境排放、能源使用、原材料消耗、人员和资产的风险和安全隐患等领域。

数据需要放在上下文环境中

这三个主题中的每一个——设备、过程和可持续性——都对任何一个经营工业工厂的人的成功产生至关重要的影响。基于我们在数据提取和分析方面取得的进展,工艺工程师如今拥有强大的新工具来优化它们。具体来说,利用已有的数据可以获得有价值的新见解,但迄今为止,这些数据尚未被整理、放入背景中并分析以寻找因果关系。

通常情况下,工厂的过程控制系统以高频率产生大量数据。由于控制系统是操作技术的关键元素,所以我们称其为OT数据。但是,根据ARC咨询集团等行业专家的说法,平均而言,工业工厂使用的数据不到其生成数据的20%。

通常我们通过高频数据来了解现在发生了什么,或者最近发生了什么,仅此而已。如果你想追溯更久远的历史,可能有大量的数据部分被抛给了历史学家。今天的新技术能帮助我们利用所有这些数据来提取价值。

对于泵,您可以从传感器获得一些关于流量和温度的信息。但OT数据并没有与存储的其他信息相关联,例如,维护管理系统会告诉您,泵在三周前刚刚得到过维护,还有一个待处理的工作订单需要额外的服务。

您的企业资源计划(ERP)系统可能有关于何时购买和安装泵的进一步信息。然而,作为流程工程师,您通常不会直接看到这些数据,因为它位于不同的系统中,即it数据系统。

然后,同样的泵,你肯定有详细的工程信息,如设备规格,最大负荷和能力,CAD图纸,甚至模拟模型。这是工程技术(ET)数据。

OT、IT和ET的相关性有助于找到根本原因

所以,你有大量的数据,可能比你意识到的还要多,但它被存储在不同的筒仓里,我们称之为OT, it和ET数据。如果我们能把这些结合在一起,看到某些事物以特定的方式遵循特定的模式运行,我们就能将这些事件和设备联系起来,从而得到一个有价值的新工具:更好地预测过程和设备行为的能力。

也许您知道,两个月前,您的生产运行得很好,产量高,质量好,运行稳定,没有故障。一个真正的黄金批次,没有麻烦。但你想知道为什么你不能复制它,再做一次。你可能会问,有什么不同。

数据探测工作中的三个关键步骤

要找到答案并能够重新创建那些理想的操作条件和生产结果,我们需要经历三个步骤,以便我们可以找到根本原因 - 不仅有问题,而且还有积极的生产运行和运营。

首先,我们将OT,IT和ET源数据组合在一起,允许交叉引用。所以,我们提取它并将其全部放在“数据湖”中。但这本身就是不够的。

第二步是通过将与同一设备或流程领域相关的多个数据源的信息集中在一起,构建一个代表操作现实的模型。这被称为上下文化,意味着您不再只有位和字节、0和1,而是一个智能地建模它们如何关联的上下文。

第三步是找到相关性。所以,在我们收集所有数据并通过建模进行组织之后,我们就可以应用最新的分析工具和机器学习算法来识别你从来不知道存在的关系。这些关系是存在的,但不可见。这种探查工作使我们能够揭示潜在的有意义和重要的相关性。但是,我们还没有完全做到这一点。

ABB能力Genix Industria Analytics

领域专业知识是必不可少的

仅仅具有相关性并不会自动给你因果关系。例如,如果数据显示设备发热与故障之间存在关联,那很可能是副作用,而不是原始原因。

您也可能有大量的相关性,找到相关的内容就像大海捞针一样。为了能够成功和正确地判断哪些关联是有意义的,哪些是没有意义的,我们需要将这个谜题中的另一个重要部分整合到第三步中:深入的领域专业知识。

领域专业知识是一个人或公司对特定制造过程或设备的有意义的理解。这可能涉及造纸、钢铁、石油和天然气或数十种其他产品生产方面的专业知识。对特定部门或领域有深入的了解,你就更有可能就相关性和根本原因做出成功的决策。

Genix平台就是为此目的而创建的

在研究ABB可能完成更好的数据挖掘和相关发现方面,我们意识到我们处于独特的位置。我们的过程控制平台正在自动化许多世界各种行业的植物,我们的设备正在产生大部分数据,这些数据可以用于更多有影响力的商业决策。

此外,在许多这些过程中发生的实际运动和其他交互是由ABB设备驱动的,如电机、驱动器、开关柜、发电机、机器人等,并通过世界级的数据处理能力加以促进。我们对许多行业都有深刻的领域知识,也对使用。

将所有这些放在一个公共平台下,从我们添加了强大新功能的遗留应用程序开始创建ABB能力™Genix。Genix平台将大数据用于实现大收益所需的所有能量集中在一起,将OT、IT和ET数据整合起来,并揭示其相关性,从而改善流程。

超越状态监控的思维方式

如果我们查看设备的状态监测,以及越来越多的预测维护领域,很多公司都取得了很大的进展。它是一个可以从Genix执行的上下文和相关任务中受益。

但关注资产/设备只是一个起点。记住您关心的另外两个项目:流程操作和可持续性。

软传感器提供计算测量和自信的预测

我们现在所能做的一个例子可能涉及发电厂的排放。你显然希望保持在法律范围内,但是当排放在流程结束时测量并发现太高时,为时已晚。结果在植物和过程中更早地创建了。

为了避免这种情况,我们现在可以将排放测量与我们之前已经拥有的各种传感器关联起来,并创建我们所谓的“软传感器”测量。这将根据工艺参数和最终排放之间的历史相关性预测排放量。

这并不是一种真正的测量方法,而是一种计算出来的测量方法——它被证明是一个很好的预测器,可以预测到下游的排放情况。所以我们可以很有信心地预测,基于我们的专业知识和算法排放量将会是多少基于这些参数。

不要害怕,开始吧

你可能会问自己:我是否必须安装大量额外的传感器——它们本身可能需要维护——以获得必要的数据?“实际上,通过使用来自设备和传感器的数据,已经到位的测量参数,如电压、电流、温度和流量,你可能会得到一些关键的好处。之后,如果您决定需要额外的数据,您可以进行定向投资来获得这些数据。

不管你在数字数据的旅程中处于什么位置——每个公司的情况都不一样——不要害怕开始应用这些工具,基于你的过程控制系统中已经产生的信号。

这就像运行十英里:如果你不采取第一步,你永远不会到达终点线。如果您选择正确的伙伴运行,它会使一切变得更轻松。

Bernhard Eschermann

Bernhard Eschermann是ABB工业自动化业务的首席技术官,自2013年起,ABB集团技术领导队的成员。此外,伯纳哈德还领导了流程控制平台,开发和管理了工业自动化的全面控制解决方案组合。他于1993年加入了ABB,并从那时起公司担任了各种各样的管理职位。在他目前的作用之前,他于2006年至2012年担任ABB电力半导体业务总经理。2001年至2006年,他曾于瑞士的ABB公司研究中心董事总经理。其他早期角色包括变电站自动化和电力电子系统中的研发组织的责任。在ABB之外,他是OPC基金会的董事会成员,并在瑞士联邦促进创新项目促进创新项目的创新委员会。他也是瑞士技术科学院(Satw)的成员,也是哈尔勒基金会委员会成员。他掌握了德国卡尔斯鲁厄大学的计算机科学博士学位和美国。来自加利福尼亚大学的电气工程和计算机科学,伯克利。

发表评论

您的电子邮件地址将不会被公布。必需的地方已做标记*

返回顶部按钮

您想要这篇文章的进一步资料吗?

在下面添加您的详细信息,我们会尽快接触!

加入25,000名专业流程人士,免费订阅:

菲尔·布莱克,PII编辑

编辑器中,菲尔黑

戴夫·豪厄尔

首席记者戴夫·豪厄尔报道

每个问题的PII都包括我们的独家3常规专栏作家:

PII 10月2020-FC
肖恩·莫兰,化学工程之声

肖恩·莫兰

加文·史密斯

加文·史密斯

Nausheen岜沙

Nausheen岜沙

-流程工业权威杂志:
工艺行业信息人员

-我们的编辑菲尔·布莱克的每周新闻综述:manx万博
流程工业更新

-和我们的常规播客
头的记者戴夫·豪厄尔

***要求-请回答问题后提交表格。




PII拥有全球供应商网络,随时准备提供帮助……