通過使用在運(yùn)行維護(hù)期間收集的大數(shù)據(jù)來規(guī)劃和集成分析，有助于企業(yè)提高可靠性。

自從開始記錄機(jī)器上的讀數(shù)以來，工業(yè)企業(yè)已經(jīng)使用了數(shù)據(jù)分析、趨勢分析、圖表和其它可視化技術(shù)。盡管數(shù)據(jù)分析技術(shù)變化不大，但沒有多少維護(hù)經(jīng)理能夠完全了解它是什么，如何影響運(yùn)營以及將如何塑造工業(yè)4.0。

運(yùn)維中的數(shù)據(jù)分析是什么？

數(shù)據(jù)分析是對原始數(shù)據(jù)的分析，以做出明智的決策。幾十年來，技術(shù)就是這樣?，F(xiàn)在，變化的是數(shù)據(jù)采集量，以及“誰”或“什么”在進(jìn)行分析。

傳統(tǒng)上，技術(shù)人員收集數(shù)據(jù)，而管理人員或?qū)＜曳治鲞@些輸入并得出結(jié)論。隨著先進(jìn)技術(shù)和軟件的更新?lián)Q代，這兩項(xiàng)活動(dòng)比以前更加數(shù)字化。

現(xiàn)在，數(shù)據(jù)分析不僅對維護(hù)很重要，它還是未來發(fā)展的關(guān)鍵。未來的維護(hù)策略，將使用規(guī)范性分析（prescriptive analytics），利用軟件收集和分析數(shù)據(jù)，并為無法正常運(yùn)營的系統(tǒng)提供維護(hù)建議。在“規(guī)范性維護(hù)”方面，先進(jìn)的人工智能（AI）和機(jī)器學(xué)習(xí)（ML）軟件將幫助確定采取什么行動(dòng)以及何時(shí)采取行動(dòng)。

目前，可用于實(shí)際應(yīng)用的AI維護(hù)軟件還很少。很多公司都在競相實(shí)現(xiàn)這一目標(biāo)。然而，在大多數(shù)工業(yè)車間，這依舊是一個(gè)夢想。運(yùn)營通常以手動(dòng)讀取數(shù)據(jù)為基礎(chǔ)，只有少數(shù)高級用戶使用無線傳感器，并期待自動(dòng)化程度更高的未來。

▎維護(hù)策略正朝著規(guī)范性分析方向發(fā)展，軟件不僅能收集和分析數(shù)據(jù)，還能提供建議。

手動(dòng)與自動(dòng)數(shù)據(jù)分析

手動(dòng)數(shù)據(jù)分析需要大量的處理數(shù)據(jù)和查看曲線工作。許多工業(yè)運(yùn)營部門提供數(shù)據(jù)分析服務(wù)，減輕了管理者的麻煩——數(shù)據(jù)篩選、來源驗(yàn)證并確定哪些數(shù)據(jù)需要專家分析。

無論您是擁有手動(dòng)數(shù)據(jù)分析的內(nèi)部專業(yè)知識，還是更愿意使用復(fù)雜的自動(dòng)分析，都必須有狀態(tài)監(jiān)測傳感器和控制裝置生成的大量數(shù)據(jù)。

面向制造業(yè)的大數(shù)據(jù)

大數(shù)據(jù)一般是指大型或復(fù)雜的數(shù)據(jù)集。在維護(hù)領(lǐng)域，它包括工業(yè)測量、運(yùn)營數(shù)據(jù)和無線傳感器讀數(shù)。然而，收集和存儲所有這些數(shù)據(jù)并不是重點(diǎn)。這些信息必須被提取和利用才能發(fā)揮作用。

數(shù)據(jù)分析是從大數(shù)據(jù)中釋放信息的關(guān)鍵。專家分析師可以從一系列看似不可理解的值和代碼中獲取價(jià)值。隨著工業(yè)4.0 繼續(xù)革新維護(hù)和維修操作，這種分析將轉(zhuǎn)變?yōu)橹悄苘浖δ堋?/p>

雖然對許多人來說，AI 數(shù)據(jù)分析依舊是未來的趨勢，但當(dāng)前的維護(hù)軟件系統(tǒng)，正在利用更多的數(shù)據(jù)來協(xié)助維護(hù)團(tuán)隊(duì)，并增加易于自動(dòng)化實(shí)施的任務(wù)。

工業(yè)技術(shù)和數(shù)據(jù)分析

工業(yè)數(shù)據(jù)源包括運(yùn)營控制數(shù)據(jù)，如監(jiān)控和數(shù)據(jù)采集（SCADA）、可編程邏輯控制器（PLC）系統(tǒng)、樓宇管理系統(tǒng)、集成或第三方傳感器、具有連接工具的技術(shù)人員等。隨著IIoT 傳感器在資產(chǎn)上的應(yīng)用日益廣泛，大數(shù)據(jù)的來源比以往任何時(shí)候都多。熱成像工具也可用于讀取多個(gè)資產(chǎn)的讀數(shù)。振動(dòng)傳感器進(jìn)行連續(xù)的狀態(tài)監(jiān)測，并能檢測到電機(jī)軸錯(cuò)位等問題。技術(shù)人員使用手持工具抽查獲得的數(shù)據(jù)，可以立即發(fā)送到云。軟件可以將數(shù)據(jù)源融合到一個(gè)全面的圖像中進(jìn)行推斷。

分析工業(yè)數(shù)據(jù)

一家商業(yè)奶酪制造商最近慶祝其投資數(shù)百萬美元的擴(kuò)建工程的完工，產(chǎn)能增加了25%。大量新設(shè)備即將投入使用，管理層明白為了正常運(yùn)營，必須對資產(chǎn)進(jìn)行監(jiān)控。

該公司的制造設(shè)施工藝工程師表示，團(tuán)隊(duì)清楚他們需要保持工廠的正常運(yùn)營。他們還想立即知道設(shè)備的任何問題。

他們使用無線振動(dòng)傳感器將恒定讀數(shù)上傳到云端，并使用分析軟件對最常見的故障進(jìn)行振動(dòng)監(jiān)測。這些數(shù)據(jù)為維護(hù)團(tuán)隊(duì)提供穩(wěn)定的見解，如資產(chǎn)狀況狀態(tài)、事件信息、警告等。

▎當(dāng)今的無線傳感器正在為未來打下基礎(chǔ)。未來，狀態(tài)監(jiān)測數(shù)據(jù)將輸入到AI 驅(qū)動(dòng)的軟件。

實(shí)施數(shù)據(jù)分析的5個(gè)步驟

通往未來增強(qiáng)型數(shù)據(jù)分析的道路并不是唯一的。一些公司已經(jīng)將以可靠性為中心的維護(hù)緊密融入到運(yùn)營中。還有一些企業(yè)則正在開始他們的可靠性之旅。在深入研究工業(yè)4.0 之前，需要了解基本知識。然而，無論目前企業(yè)處于何種狀態(tài)，都可以從這些步驟中受益。

步驟1

完成資產(chǎn)關(guān)鍵性分析

通過此分析指導(dǎo)團(tuán)隊(duì)，按照重要性對資產(chǎn)健康和維護(hù)進(jìn)行優(yōu)先排序。團(tuán)隊(duì)根據(jù)每個(gè)資產(chǎn)在組織內(nèi)的使用情況，而不一定是根據(jù)其在工業(yè)中的標(biāo)準(zhǔn)用途，以及失敗時(shí)對業(yè)務(wù)的影響來對其進(jìn)行評級。

資產(chǎn)關(guān)鍵性分析還可以告知團(tuán)隊(duì)，哪些資產(chǎn)是狀態(tài)監(jiān)測和篩選的主要候選資產(chǎn)，并提供分析來源。

步驟2

規(guī)劃試點(diǎn)項(xiàng)目

與大多數(shù)技術(shù)部署或工藝變更一樣，最好用小部分資產(chǎn)進(jìn)行試點(diǎn)。在資產(chǎn)關(guān)鍵性分析中，確定對日常運(yùn)營至關(guān)重要的設(shè)備。對這些更關(guān)鍵的資產(chǎn)進(jìn)行狀態(tài)監(jiān)控，生成數(shù)據(jù)分析所需的組件（手動(dòng)或自動(dòng)）。

步驟3

啟動(dòng)計(jì)劃

啟動(dòng)計(jì)劃并不是一蹴而就的；而是在部署期間持續(xù)進(jìn)行完善，以確保其滿足維護(hù)和運(yùn)營需要。如果工藝或自動(dòng)化不能正常工作，請優(yōu)化并收集更多數(shù)據(jù)。很多企業(yè)后來放棄了試點(diǎn)項(xiàng)目，因?yàn)樵圏c(diǎn)項(xiàng)目并沒有給他們想要的東西。相反，要像海軍陸戰(zhàn)隊(duì)一樣思考——快速應(yīng)變、適應(yīng)和克服挑戰(zhàn)。

步驟4

與領(lǐng)導(dǎo)層一起審查結(jié)果

啟動(dòng)試點(diǎn)項(xiàng)目并不是重點(diǎn)。有了數(shù)據(jù)在手，用戶可以進(jìn)一步向領(lǐng)導(dǎo)證明擴(kuò)展計(jì)劃的意義。他們還可根據(jù)多年的業(yè)務(wù)管理和工藝變更經(jīng)驗(yàn)來提出建議。用數(shù)據(jù)向他們證明，該項(xiàng)目是可靠的，可以進(jìn)行擴(kuò)展。

步驟5

擴(kuò)展數(shù)據(jù)分析計(jì)劃

一旦領(lǐng)導(dǎo)批準(zhǔn)了項(xiàng)目，請回到資產(chǎn)關(guān)鍵性分析上，以確定在何處擴(kuò)大狀態(tài)監(jiān)控?？梢栽谠O(shè)施內(nèi)、設(shè)施之間，甚至不同國家之間擴(kuò)展監(jiān)控。優(yōu)化現(xiàn)有裝置以獲得更好的數(shù)據(jù)也很有幫助。

擴(kuò)展數(shù)據(jù)分析計(jì)劃，還意味著測試工業(yè)數(shù)據(jù)的新來源。它有助于將傳感器、手持工具、集成SCADA 和PLC 系統(tǒng)的設(shè)備以及其它資源整合在一起，從而改進(jìn)過程中的分析。盡管振動(dòng)監(jiān)測是新項(xiàng)目的良好起點(diǎn)，但熱成像、油液分析和其它基于狀態(tài)的維修資源也很有幫助。

上述原則有助于實(shí)現(xiàn)高質(zhì)量的數(shù)據(jù)分析，并為未來的技術(shù)和軟件奠定基礎(chǔ)。它們也是以可靠性為中心的維護(hù)計(jì)劃的一部分。解決方案應(yīng)與云集成，并將工業(yè)4.0 投入運(yùn)營。現(xiàn)在是為即將到來的AI / ML 時(shí)代奠定數(shù)據(jù)分析基礎(chǔ)的時(shí)候了。那些已經(jīng)實(shí)現(xiàn)數(shù)據(jù)分析目標(biāo)的企業(yè)，將為擁有整合新興技術(shù)所需的一切做好準(zhǔn)備。

關(guān)鍵概念：

■ 數(shù)據(jù)分析是對原始數(shù)據(jù)進(jìn)行分析，以做出明智的決策。

■ 利用大數(shù)據(jù)進(jìn)行高級數(shù)據(jù)分析，可以幫助生產(chǎn)制造商做出更好的決策并改善運(yùn)營。

■ 資產(chǎn)關(guān)鍵性分析可以幫助公司確定從哪里改進(jìn)分析，并據(jù)此構(gòu)建計(jì)劃。

思考一下：

數(shù)據(jù)分析和大數(shù)據(jù)如何改進(jìn)您的設(shè)施？

審核編輯：劉清