Professional Documents
Culture Documents
赋能化工油气行业可持续发展
施耐德电气化工油气行业应用白皮书
https://www.se.com/cn
AVEVA™ PI System 及 AVEVA™ Predictive Analytics
助力化工油气企业发挥数据价值
作者:常光忠、周浩杰
摘要
为了使化工油气企业成功应对市场和生产层面的挑战,生产企业和其他人员
需要找到新的方法来最大限度地提高产量、减少计划外停机时间并优化流程
和资产。许多化工油气企业,包括上游、中游和下游,已经采用 PI System
作为其数据管理平台;现在,这些公司正在寻找更智能的方法来预测结果、
提高安全性并在正确的时间执行维护。
以监测性能异常并预测资产故障,还可以提供洞察力和规范性建议使运营团
队能够分析成本与风险并制定最大化效率和盈利能力的计划。
目录
化工油气行业数字化转型需求 5
案例介绍 15
洞见数据的未来 15
施耐德电气化工油气行业应用白皮书 ·5·
化工油气行业 从遵守管理章程到降低运营成本,从市场复杂性增加到安全环保关注,从能源结构变化到油价
数字化转型需 波动,化工油气企业每天都面临着众多来自市场和生产运营的挑战。为克服这些挑战,工厂必
求 须优化流程和资产、最大化生产并减少计划外停机时间,以确保可靠、安全和可预测的运营,
从而满足总体业务目标。
৴ޞોԃ ੈѩԗ
ङфރ Љૡږ
ࣲ݇ ਈ৴݃ע
નݱҁح
ગ֨ࢪו
ਚङગו
ݻஞࡣޗ
չы૯؍
ࡹ
Ҷக
Ғێَ
٫ߛङ
ࣲ֟
而数字化转型是一个持续过程,对于任何的化工油气企业来说都是一个从建立数据基础,再分
析数据的过程,可能需要花费数年的工作才能完善。但是对于有着良好的自动化基础的化工油
气行业的客户,这又是大势所趋下的必由之路。
数字化转型是由“数字化”实现的工作方式的转型。思考“数字化”对话中四个常用词组之间
的差别,其实就规划了数字化转型的一般路径,再根据现在企业的现状,进行方案的选择。一
般来说,数字化转型的过程就是从信息化、到数字化、到数字化转型到最后加速数字化转型,
如下图所示:
图 1:
数字化转型的过程
● 信息化的过程:化工油气企业往往已经具有了数字化设计的静态数据基础,现场设备也大多
有着完善的传感设备和监测系统,能够采集并传输生产的实时过程数据,使之有效反映现场
的状况,而部分企业缺少的就是一个完整可靠的数据管理平台;
● 数字化的过程:数据的采集并不是目的,数据的利用才是目的。数据有效分析利用的基础就
是需要由平台提供一套数据建模方法,对数据进行建模分析,并将其从设备语言转化为用户
语言,能够方便人员对数据进行理解;
● 数字化转型:数字化转型是要让数据为场景服务。针对设备运维场景,我们需要根据分析后
的数据直接监控现场的运行状态,让没有 IT 的背景的人员也能够利用数字化的成果。
● 数字化加速:更深层次的数字化转型就是从已有数据、分析数据结果进一步挖掘数据的价值,
从数据的现在洞见数据的未来。
现有的过程也是在从信息化到数字化的过程中,在从数据管理开始走向数据分析,随着近些年
来数字化浪潮的席卷,这一过程还在不断加速。施耐德电气旗下 AVEVA 就提供了统一的大数据
管理平台 PI System 的解决方案。
图 2:
PI System 将数据转
化为信息
PI System 通过以下六大核心功能满足各种企业需求:
图 3:
PI System 功能模块
PI System 不仅仅是实时数据库,更是高效的数字化分析平台,可帮助企业实现以数据为核心的
平台化应用和数据驱动的企业决策。在企业信息化 / 数字化架构中,PI System 可以成为是 OT(设
备层和控制层)和 IT(ERP、EAM、HSE 等)的桥梁。此外,基于 PI System 强大的数据分析、
报表及可视化展示能力,可实现化工油气行业 MES 系统及 EMS 系统的功能,达到三合一(PI
System= 实时数据库 + 轻量级 MES 系统 +EMS 系统)。
图4
PI System 助力企业实
现数据驱动的企业决策
PI System 拥有无限的扩展能力和灵活性,小型系统(数千数据采集点)和大型系统(数以百万
计数据采集点)都使用相同的软件,使拓展变得非常容易。PI System 可以使用简单的软件进行
升级,添加新的功能,对系统产生的影响非常小。如果公司添加了新的资产需要采集数据,用
户只需要购买和安装 PI System 相应的接口程序即可。新的 PI System 用户只需安装额外的桌
面软件或添加新的网络用户许可,就可以访问 PI System 中的所有数据。
图5
生产过程监控
图6
不同层级的生产运营
看板
图 7:
能源监控
图8
AVEVA™ PI
System 及 AVEVA
™Predictive
Analytics 助力化工油
气企业发挥数据价值
● 设备管理:化工油气行业是典型的资产密集型行业,设备资产健康度和维护管理影响着生产
效率,对于企业自身经营而言也具有必要性。通过实时数据库和数据平台采集的实时数据,
企业可以实时掌握设备的运行情况,及时获取异常报警,结合数据建模分析还可以构建表征
设备健康度的 KPI 指标,进而指导企业进行基于设备运行状态的维护。
图9
关键设备监控
PI System 由于能够接入企业生产的实时数据,在建模过程中就将实时数据作为属性关联到对
应设备上。PI System 内部就能够基于此进行比如设备 OEE、可用性等基础的分析,将结果展
现。而施耐德电气还提供另一个基于人工智能算法的工具,预测性维护平台。此平台可以结合
PI System 中的历史实时数据,建立设备模型,预测设备未来的状况,从而在现在就能够进行维
护检修,从数据现在,洞见数据未来,真正发挥了数据的价值。
台 AVEVA™ 建设备专有的预测性分析模型,在故障早期阶段,通过捕捉到工艺或状态数据的细微异常征兆,
PREDICTIVE 给出早期预警提醒并指导现场生产运维工作。
ӯऀߑ֘؆Юࡣثથગٯ࠳ו੧ࣙࠥॹڏہ
图 10 ֺͺ
AVEVA 预测性分析概 ڢ੧ЊљګࣔڪЉգޞোӟઊͫࡹݍߊޝગ
览 ګٯڑוҮͺ
҈ݕӣߤԅਈͫԕݻܬஞજӰչ߿֜ӣߤͺ
24x7ܴडࡹગۅוਈͺ
AVEVA™ 预测性分析如何实现预警
AVEVA 预 测 性 分 析 采 用 高
级 模 式 识 别 (APR) 和 机 器
学习技术,对于较低等级重
复性的历史数据、高噪声或
流程驱动的系统,预测性资
产分析解决方案使用一个名
为 KANN 的预测算法插件。
该算法使用人工神经网络技
术,允许用户使用一组特定
的输入和输出创建设备运行
档案,并通过数据回测输出将来如何发展。
AVEVA™ 预测性分析的好处
AVEVA 预测性分析使用户能够在问题
预测性资产分析的优势
严重影响运营之前将其予以解决,从而
1 减少计划外停机
更轻松地实现可靠性、性能和效率目标。
2 预防设备故障
通过持续的维护和可靠性的改进,可以
3 降低维护成本
获得更多的好处。由于相关人员会收到
4 提高资产利用率
潜在问题的预警,因此可以减少计划外
5 延长设备寿 命
停机时间。由于更合理的规划,维护成
6 识别性能不佳的资产
本也可以降低;备件可以从容订购和运
7 提高安全性
输,同时设备可以持续运行。
AVEVA™ 预测性分析与状态监测系统的区别
图 11
AVEVA 预测性分析与
传统监测的区别
AVEVA™ 预测性分析应用对象
化工油气属于典型的流程行业,拥有大量的汽轮机、压缩机、大型电机等关键机组设备,这些
设备一方面价值比较昂贵,其维修成本和备件采购费用较高;另一方面这些设备通常不具有备
机或无法短时切换,一旦发生非计划停机,将对生产装置造成严重的生产损失,非常有必要部
署预测性维护系统。
图 12
AVEVA 预测性分析适
用范围
在 PI System 及预测行维护解决方案部署之前,该企业生产运营面临许多挑战:
● 生产过程数据量大且乱;
● 测点命名错误;
● 传感器故障;
● 数据不匹配;
● 非计划停机频发;
而这些挑战的原因之一是来源于该企业的信息化过程不够精细,而且其全球有着众多的工厂,
不同工厂的状况也不一,缺乏统一的平台将这些系统都有效地管理起来。
而在此过程中,正是由于过程数据的保留,为客户提供了数据分析的基础。2018 年,客户的生
产基地由于设备故障发生了非计划停机,造成了重大的生产损失。事故发生后,企业通过施耐
德电气的预测性维护软件进行故障分析,发现早在事故发生的 1 个月前,软件就已经对故障做
出了预警。在此情况下,客户充分认识到预测性维护软件的分析能力,开始试点后在全球其他
场地进行了推广。据统计,该举措减少了 50% 的非计划停机,极大地降低了客户的维护成本。
而这一过程,就是从数据的接收、整理、分析得到数据的真正价值,帮助企业节省成本,提升
企业的竞争力的过程,也是施耐德电气的 AVEVA 解决方案希望给客户带来的真正的价值。
如果一家公司能更深入地了解运营状况,更快速地分析关键数据,更广泛地观察远程资产和工
洞见数据的未
业物联网传感器,结果会如何?数字化转型的基础是数据,而又不仅仅是数据。单纯的掌握而
来
不利用数据,对于企业来说并没有价值。从 PI System 到预测性维护平台希望给客户传达的价
值是,施耐德电气能够提供从数据接入、数据传输、数据分析、数据使用、数据挖掘,并最重
要的是,真正将数据给企业带来的价值落到实处,为企业的生产过程、设备运营维护、人员的
更有效管理带来提升,这才是洞见数据的未来。
作者简介
作者 : 常光忠 施耐德电气工业自动化事业部数字化专家,负责预测性维护、数字化交
付等流程行业数字化解决方案。
作者 : 周浩杰 施耐德电气工业自动化事业部数字化软件工程师,负责业务推广、技术
支持等工作。
责任编辑:李萌萌
邮 编:mengmeng-erin.li@se.com
参考文献:
2. Kim Custeau, Director of Information and Asset Management, AVEVA, Predictive Maintenance for
improved Performance in Oil and Gas.
3. James H. Chappell, Vice President – Information Solutions, AVEVA, Artificial Intelligence: from
Predictive to Prescriptive and Beyond.
由于标准和材料的变更,文中所述特性和本资料中的图像只有经过我们的业务部门确认以后,才对我们有约束。
ECATA1212
2022.11