通過使用在運行維護期間收集的大數(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。盡管數(shù)據(jù)分析技術變化不大，但沒有多少維護經(jīng)理能夠完全了解它是什么，如何影響運營以及將如何塑造工業(yè)4.0。

運維中的數(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”在進行分析。

傳統(tǒng)上，技術人員收集數(shù)據(jù)，而管理人員或專家分析這些輸入并得出結論。隨著先進技術和軟件的更新?lián)Q代，這兩項活動比以前更加數(shù)字化。

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

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

▎維護策略正朝著規(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。

手動與自動數(shù)據(jù)分析

手動數(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)運營部門提供數(shù)據(jù)分析服務，減輕了管理者的麻煩——數(shù)據(jù)篩選、來源驗證并確定哪些數(shù)據(jù)需要專家分析。

無論您是擁有手動數(shù)據(jù)分析的內(nèi)部專業(yè)知識，還是更愿意使用復雜的自動分析，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)一般是指大型或復雜的數(shù)據(jù)集。在維護領域，它包括工業(yè)測量、運營數(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。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值。隨著工業(yè)4.0 繼續(xù)革新維護和維修操作，這種分析將轉變?yōu)?a target="_blank">智能軟件功能。

雖然對許多人來說，AI 數(shù)據(jù)分析依舊是未來的趨勢，但當前的維護軟件系統(tǒng)，正在利用更多的數(shù)據(jù)來協(xié)助維護團隊，并增加易于自動化實施的任務。

工業(yè)技術和數(shù)據(jù)分析

工業(yè)數(shù)據(jù)源包括運營控制數(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人員等。隨著IIoT 傳感器在資產(chǎn)上的應用日益廣泛，大數(shù)據(jù)的來源比以往任何時候都多。熱成像工具也可用于讀取多個資產(chǎn)的讀數(shù)。振動傳感器進行連續(xù)的狀態(tài)監(jiān)測，并能檢測到電機軸錯位等問題。技術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)源融合到一個全面的圖像中進行推斷。

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)百萬美元的擴建工程的完工，產(chǎn)能增加了25%。大量新設備即將投入使用，管理層明白為了正常運營，必須對資產(chǎn)進行監(jiān)控。

該公司的制造設施工藝工程師表示，團隊清楚他們需要保持工廠的正常運營。他們還想立即知道設備的任何問題。

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

▎當今的無線傳感器正在為未來打下基礎。未來，狀態(tài)監(jiān)測數(shù)據(jù)將輸入到AI 驅動的軟件。

實施數(shù)據(jù)分析的5個步驟

通往未來增強型數(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緊密融入到運營中。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)關鍵性分析

通過此分析指導團隊，按照重要性對資產(chǎn)健康和維護進行優(yōu)先排序。團隊根據(jù)每個資產(chǎn)在組織內(nèi)的使用情況，而不一定是根據(jù)其在工業(yè)中的標準用途，以及失敗時對業(yè)務的影響來對其進行評級。

資產(chǎn)關鍵性分析還可以告知團隊，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)劃試點項目

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

步驟3

啟動計劃

啟動計劃并不是一蹴而就的；而是在部署期間持續(xù)進行完善，以確保其滿足維護和運營需要。如果工藝或自動化不能正常工作，請優(yōu)化并收集更多數(shù)據(jù)。很多企業(yè)后來放棄了試點項目，因為試點項目并沒有給他們想要的東西。相反，要像海軍陸戰(zhàn)隊一樣思考——快速應變、適應和克服挑戰(zhàn)。

步驟4

與領導層一起審查結果

啟動試點項目并不是重點。有了數(shù)據(jù)在手，用戶可以進一步向領導證明擴展計劃的意義。他們還可根據(jù)多年的業(yè)務管理和工藝變更經(jīng)驗來提出建議。用數(shù)據(jù)向他們證明，該項目是可靠的，可以進行擴展。

步驟5

擴展數(shù)據(jù)分析計劃

一旦領導批準了項目，請回到資產(chǎn)關鍵性分析上，以確定在何處擴大狀態(tài)監(jiān)控。可以在設施內(nèi)、設施之間，甚至不同國家之間擴展監(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。

擴展數(shù)據(jù)分析計劃，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)的設備以及其它資源整合在一起，從而改進過程中的分析。盡管振動監(jiān)測是新項目的良好起點，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。

上述原則有助于實現(xiàn)高質量的數(shù)據(jù)分析，并為未來的技術和軟件奠定基礎。它們也是以可靠性為中心的維護計劃的一部分。解決方案應與云集成，并將工業(yè)4.0 投入運營。現(xiàn)在是為即將到來的AI / ML 時代奠定數(shù)據(jù)分析基礎的時候了。那些已經(jīng)實現(xiàn)數(shù)據(jù)分析目標的企業(yè)，將為擁有整合新興技術所需的一切做好準備。

關鍵概念：

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

■ 利用大數(shù)據(jù)進行高級數(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營。

■ 資產(chǎn)關鍵性分析可以幫助公司確定從哪里改進分析，并據(jù)此構建計劃。

思考一下：

數(shù)據(jù)分析和大數(shù)據(jù)如何改進您的設施？

審核編輯：劉清