发电厂数字化与分析

任何数字化工作的一个关键方面是让工程师和其他专家方便地访问数据,以便他们能够执行高级分析以改进结果。

在2018年3月发行的功率,标题为“的文章使用数据分析改进操作和维护“注意到公用事业公司的高管们“被有关从大数据中获取价值的其他行业的故事轰炸了。”结果,首席执行官和工厂经理要求更高,希望获得更多见解,更快,推动工厂运营和维护方面的改进。文章说,“这些改进可以通过预测分析提高资产可用性,通过监控关键指标提高合规性,或者在将上下文化数据作为输入计划时提高生产力,模型,还有预算。”

问题,虽然,这是什么样的机会数字化,分析学,从工厂的角度看,改进后的运营成果是什么?实际意义是什么?结果将如何改善?

为本文搭建舞台,考虑一下麦肯锡公司的一份题为数字效用:新挑战,能力,和机遇,2018年6月出版。(麦肯锡公司是一家管理咨询公司,为所有类型的过程制造行业提供非常强大的分析服务,包括电力在内。)该报告显示了数字化对电力公司收益的积极影响(图1)。引言中写道:“2010年,世界上最大的五家公司是埃克森,苹果,中国石油,壳牌,中国工商银行。今天,它是苹果,谷歌微软,亚马逊,和脸谱网。毫无疑问,数字化正在从根本上改变世界,重塑公司和社会的运作方式。”

1。数字化对公用事业收益有明显的影响。这张图显示了研究人员在麦肯锡公司案例研究中发现的息税前利润增长百分比。礼节:麦肯锡公司

对于高价值公司的这种转变,一个简单的反应就是认识到石油冲击对大型石油和天然气公司估值的影响。同时,事实上,从数字起源中诞生和成长的公司已经承担了最有价值公司的衣钵,这一点不容忽视。显然,未来是数字化的,价值创造将越来越多地由软件支持的洞察力来定义。

另一种观点是,发电和配电公司将被迫接受股东和客户的这种转变,即使是在为有才华的数字化本地大学毕业生而战的员工。但不管怎样,很明显一个新的数字平台,发电和其他公司将被迫在该平台上运行他们的业务。

这个新的景观产业4.0有很多名字,金莎线上开户IIoT智能制造,数字工厂,其他的,但是普通的线是数字的,驱动顶尖公司估值点的主要因素。还有一些讽刺,因为公用事业公司是第一批使用传感器的公司,数据收集,以及控制系统来管理和改进它们的操作。曾经有一段时间,他们处于创新和自动化技术的前沿。这就是为什么我们有时听到高管们宣称“iiot没有什么新鲜事,我们已经做了很多年了。”但是很明显,创新的斗篷已经从发电厂转移到其他领先的工业公司。现在,其目标必须是将其他行业的创新带回发电领域,以提高运营绩效。

反向启动:数字实用程序中的最终用户

如果我们再看一看高价值公司的名单,他们都是数字公司,但他们的另一个共同点是关注最终用户。这些公司的客户是消费者,或者可能是办公人员,他们使用苹果和微软的产品,例如。这对发电公司意味着数字化工作的起点将是终点,也就是说,前线的用户,这意味着发电公司的工程师和专家。

我们已经在手持设备和移动支持中看到了这一点,以及更简单的基于网络的解决方案,使工程师能够处理数据。无线世界的起源是什么?在工业环境中易于使用的势头,以及基于网络的界面?这是消费世界,从手机和自己的设备计划到消费者在电脑上所做的大部分工作都是基于网络/网络的,或基于智能手机的应用程序。甚至在线游戏世界也将为未来做出贡献,发电厂使用虚拟和混合现实系统在现场工作时可视化维护说明。

这些例子所导致的结果是一个自下而上组织起来的数字实用程序,以赋予最接近资产的员工权力,操作,和结果。这将通知并使他们能够使用已经达到主流用途的各种消费者主导的创新。

洞察的背后是什么:高级分析

第二个方面数字实用程序是由高级分析创新提供的辅助和加速功能。由像谷歌和亚马逊这样的消费型公司的努力产生的。消费者不必成为使用谷歌或数据科学家使用亚马逊Alexa的程序员,因为这些技术解决方案都包在易于使用的体验中,对于使用高级分析的公用事业公司的员工,也会有类似的经验。

关键短语是“辅助”,而不是替换或自动化,因此,员工的专业知识和经验可以被利用和利用,而不是被忽视(图2)。通过计算机科学创新神经网络的尝试由来已久,令人沮丧。高级过程控制,人工智能将员工从分析过程中自动化。但这并没有也不会奏效,因为资产的具体情况和变化,原料,需求,电厂环境中的其他因素需要员工不断提供专业知识。因此,首要任务是提高员工的调查能力,分析,并根据数字化数据采取行动。

2。SEEQ是为工艺工程师和专家提供自助服务而设计的,无需数据科学家和其他IT人员的协助。致意:SEEQ公司

这是高级分析的作用。另一篇麦肯锡公司的文章说,“高级分析是指将统计和其他数学工具应用于业务数据,以评估和改进实践。在制造业,运营经理可以使用高级分析深入了解历史流程数据,识别离散过程步骤和输入之间的模式和关系,然后优化对产量影响最大的因素。”

高级分析是指大数据的整合,机器学习,模式识别算法,以及其他软件创新以提高预测能力,诊断(根本原因)描述性(报告)以及规定性(要做什么)分析。这与现有的“分析”有着明显的区别,一个非常宽泛的术语通常只是指数据集的可视化。就像在控制室里操作员看到的屏幕一样。高级分析在另一个层次上,允许资产可用性,产量优化,合规性,以及其他对电力生产设施的关键分析,以便于任何工程师或专家使用。其结果是很快发现见解,并更快地执行,以提供改进的结果。

数字:需要上下文

通过员工和高级分析,最后一步是通过向高级分析用户提供数据来实现数字转换操作。今天,在许多工业环境中,“数据”最常见的形容词是“筒仓”。数据就在那里,这就是为什么大多数公司数据丰富,信息贫乏,但它存在于各种系统中的原因。没有明确的方法来标准化数据并轻松访问。

历史记录中有资产和监管控制以及数据采集数据,企业资产管理或计算机化维护管理系统中的维护数据;其他系统中的定价数据,企业资源计划系统中的人力资源记录。如果工厂希望在关键指标上比较轮班绩效,例如,然后,有些人通常需要在不同的系统中搜索数据,以查看在同一时间工作的员工与结果之间是否存在相关性。

这些数据源中的任何一个都有用户界面,例如,一个历史学家的趋势工具,但是,数字性能的新水平需要访问以查看数据源之间的交互。“数据湖”是一个术语,用于将不同类型的数据聚合到一个集中的数据库中。,或“数字孪生兄弟”,用于对资产的聚合视图进行测试和试验,是两种开放数据进行调查和分析的方法。

实现数据访问的关键挑战是平衡提供广泛、方便的数据访问以及确保安全和防止网络入侵的适当措施的行为。网络威胁导致的安全和访问控制可能是分析的障碍,而在保护基础设施的同时启用访问的执行细节远远超出了本文的范围。

足以说明必须采取一种方法,使工程师和专家能够方便地访问数据子集,可用于分析以改善结果。例如,优化成本和资产正常运行时间的维护计划是一个多因素的问题,这需要访问多个数据集。

预测性维护提高了性能

以下是这些要素共同改善成果的一些具体例子。

一个发电厂用SEEQ创建了一个模型,高级工程师分析应用程序,现在可以识别特定资产的性能下降,并通过将资产性能下降与工厂产出的市场价值进行权衡来决定何时进行维护。这项数字化工作不仅针对工艺参数或其他指标进行优化,但相反,实时盈利能力是首要结果,实际上是控制回路的设定点。这种资产优化适用于各种设备。

在另一个发电厂,操作员知道他们的给水加热器会以一种可预测的方式污染并降低效率,但是,他们在量化过程以便优化维护方面从未取得成功。SEEQ对相应锅炉热耗率数据的分析提供了必要的信息,以确定清洁工作对效率的影响。在确定其特定值的范围内(图3)。运营商现在根据这种成本/效益关系优化清洗频率。

三。SEEQ用于分析给水加热器性能的下降,并就维护时间作出决定。致意:SEEQ公司

这些类型的工作使用投资回报率(ROI)作为控制变量,并可能导致在未来几周或几个月内延迟维护以继续盈利生产。在其他情况下,这可能意味着立即将资产脱机以执行修复。这完全取决于投资回报率分析,由高级分析软件驱动。

从上面开始

以数字和软件为中心的发电创新方法需要的不仅仅是技术,它还需要执行人员的支持来建立分析文化。这为授权工程师使用创新软件访问多个数据源改善结果提供了一个环境。

这是一个非常重要的需求,也是许多分析计划的基础元素,根据传奇管理顾问彼得·德鲁克的说法,有句名言,“文化吃早餐的策略。”在实践中,这意味着,如果在最高管理层对数字化工作没有足够的支持,任何数字化工作都将失败。

麦肯锡公司的报告举例说明了太平洋天然气和电力公司(PG&E)如何解决这一问题,以确保创新。报告说,“PG&E建立了一个数字卓越中心,它称之为数字催化剂。这群人,例如,派数字专家到影子电力和气田工人那里工作数百小时,以发现帮助他们工作的方法。这种方法,基于设计思想,领导Digital Catalyst团队创建移动应用程序,通过向现场工作人员提供实时信息,帮助他们更高效、更安全地完成资产检查。”

公用事业的未来是智能使用数字基础设施和高级分析,以提高可靠性,安全的,以及高效地向客户提供电力。这两项举措必须得到上层管理层的大力支持,允许在公司的各个级别全面实施。ω

-迈克尔·里塞是SEEQ公司的首席营销官和副总裁,一家为工程师和分析师构建创新的生产力应用程序的公司,可加速对工业过程数据的洞察。