基于云的數(shù)據(jù)分析能幫助工廠操作員高效處理報警信息、減少停機問題。

如果控制系統(tǒng)可以盡早識別潛在的問題，電廠的操作員就可以采取行動避免停產(chǎn)并保持合規(guī)性。不過，要實現(xiàn)這一點很困難。

對于操作員來說，來自于傳感器和運行部件的報警和事件通知可以很容易使其不堪重負。隨著科技的演變，添加到工業(yè)設備上的傳感器的數(shù)量如雨后春筍般增長。在早期的時候，一臺蒸汽輪機里面只有數(shù)十個傳感器，而今天該數(shù)量已經(jīng)數(shù)以千計，而且還在持續(xù)增加。物聯(lián)網(wǎng)的出現(xiàn)意味著越來越多的傳感器會被添加到部件、機器和輔助系統(tǒng)上。

這些傳感器會讓顯示在操作員和工廠管理者電腦屏幕上的原本已經(jīng)泛濫的報警更加洶涌。在一個案例中，有一個廠不得不在每個小時內(nèi)處理差不多300條報警。這個數(shù)量絕不僅僅是一個獨立事件所能帶來的，而且這樣的報警數(shù)量并不罕見。

這些報警中的大部分是由相對不那么重要的因素所引起的。即便操作員僅僅是對報警做個記錄而不需要采取額外的動作，但是也必須對所有的信息作出響應。這些會占用他們太多的時間，從而使得處理關鍵的問題變得更難。

減少報警數(shù)量

因此，很有必要將技術熟練人員的時間解放出來。要做到這些，最好的方式是減少報警的數(shù)量。這會讓他們集中注意力采取優(yōu)先級別劃分的行動，進而避免差錯和負載限制的問題。

一些基本的工具可以輔助工程人員將關鍵報警從背景噪音中分離出來。如果沒有了自動化和分析工具的支持，那就意味著工程人員的時間會繼續(xù)被對事件提醒采取合適的應對措施所進行的評估工作占用。然而，通過把來自于三個來源的數(shù)據(jù)整合在一起，有可能進行精確的數(shù)據(jù)分析并為工程師提供他們要做出明智的即時決策所需要的信息。這三部分數(shù)據(jù)來源是：

存檔數(shù)據(jù)：基于存檔報警的歷史數(shù)據(jù)可以將當前的事件提醒和內(nèi)在的原因匹配起來。盡管現(xiàn)在有一些監(jiān)控輔助工具使用這些數(shù)據(jù)，如果獨立使用，其功效性會受到限制。工程數(shù)據(jù)：工程數(shù)據(jù)在工廠的成功運行中起到了至關重要的作用。有了它在手里，經(jīng)驗豐富的專家就可以操控復雜的系統(tǒng)。然而，這樣的數(shù)據(jù)通常還是限制在功能性的筒倉內(nèi)， 即只有一些受過訓練的技術人員可以使用。這使得數(shù)據(jù)分析變得困難，并且作為決策制定的一個可行的輔助手段的應用很麻煩。然而，有可能將工程數(shù)據(jù)自動地翻譯成其他格式并且以圖表形式顯示出來，能夠增強對正在發(fā)生的報警和提醒的理解。知識庫：機器原始設備制造商通?？梢栽L問采集于全球范圍內(nèi)運行的數(shù)以千計的電廠和汽輪機的大量的知識庫。一些信息數(shù)據(jù)可以追溯到幾十年以前。智慧的使用分析結果可以讓事件提醒和報警與在別處記錄的類似事件匹配起來。

數(shù)據(jù)分析的價值

許多系統(tǒng)使用這三種數(shù)據(jù)來源中的一種為操作員提供有價值的洞察信息，可是受到一定的范圍限制。一些可用的系統(tǒng)尋求將這其中的兩種數(shù)據(jù)流組合起來，認為會比其他的系統(tǒng)更加成功。還有一種新的想法是將三種數(shù)據(jù)源整合在一起。

即便將存檔的、工程的以及知識庫的信息都放到一起可能也無法解決實際問題。因為增加了復雜性且增大了數(shù)據(jù)量，反而會讓問題更加復雜。這種方式也許可以幫助識別真實狀況并且確定根本原因，但是那將會是一個緩慢的、人工的、實驗性質的過程。當數(shù)據(jù)已經(jīng)被組合、過濾以及評估以后，再想減輕損害和避免停機就太晚了。

提高維護效率的關鍵絕不僅僅是識別根本原因和能夠及時達成結論。它還必須能夠包括報警數(shù)量的顯著減少并且對于那些被認定為具有最高優(yōu)先級的報警提供有效的響應措施。

使用復雜的分析引擎，連續(xù)使用借助現(xiàn)代微處理器的基于云的數(shù)據(jù)分析，可以幫助大量數(shù)據(jù)的同步、對比以及評估。這有助于減少報警數(shù)量和決策速度。

數(shù)據(jù)分析還可以為關于事件提醒如何發(fā)生提供精確的視圖，以及所涉及的準確原因（請見圖1）。這有可能對工程師懷疑但是無法證明的事情進行確認，同時提供之前無法獲得的洞察。

圖1：西門子公司的數(shù)字化生命周期服務報警減少工具可以將存檔的歷史信息和工程數(shù)據(jù)及知識庫數(shù)據(jù)結合在一起。其先進的分析引擎會識別出不重要的提醒，集中精力在優(yōu)先級高的報警上，并提供行動建議。本文圖片來源：西門子公司

設備停機可以導致報警數(shù)量的大量爆發(fā)。例如，由于發(fā)電系統(tǒng)冷卻下來會導致其脫離常規(guī)的溫度范圍，操作員會被淹沒在來自于大量的組件、系統(tǒng)和機器的突然爆發(fā)的報警和事件提醒。受影響的人需要花好一段時間才能弄清楚這些提醒是可以忽略的，而且常規(guī)的維護工作正在進行當中（請見圖2）。

圖2：就在發(fā)電系統(tǒng)停止運行的時刻，報警的數(shù)量會爆發(fā)出來。

在指示器及測量設備的結果高于或低于正常值時，數(shù)據(jù)分析還可以揭示出真正發(fā)生了什么。這樣的事件有可能重要，也有可能不重要。它會基于多種數(shù)據(jù)來源進行詳細的分析，進而確定這樣的測量結果偏移是不是真正值得擔心的原因。如果這可以很快地完成，操作人員還有時間來采取有效的補救措施。

數(shù)字化報警管理

一家德國的大型發(fā)電企業(yè)發(fā)現(xiàn)他們的提醒信息是由許多不同的信號觸發(fā)的。在某一種情況下會收到超過1600條提醒，其速率為每小時281條，然而僅僅10個信號所引起的信息就占了這部分報警的43%。

更糟的情況是，在常規(guī)的停產(chǎn)時間內(nèi)，很多報警還會繼續(xù)涌現(xiàn)。這迫使維護人員要持續(xù)監(jiān)控那些按照計劃停產(chǎn)的設備單元。這不僅浪費了很多資源，而且將本應該用于更加緊迫的優(yōu)先級高的維護工作的注意力分散開來。

通過將注意力集中到那10個信號上，維護人員的工作負荷大幅下降。數(shù)字化報警管理突出了哪些信號引起了報警以及其原因?？梢暬夹g以一種更容易消化理解的方式展示了關鍵的管理信息。工程師們將分析結果付諸于行動，解決修正問題，并且消減了90%的事件提醒（請見圖3）。

圖3：在不同的電廠使用了數(shù)字化報警管理工具以后，事件提醒的數(shù)量都大幅下降。

數(shù)字化管理消除了這些不必要的提醒并且為系統(tǒng)優(yōu)化采取特定的行動而生成了可行的建議。這包括的范圍從使提醒延遲幾秒鐘到警示某些手動過程。這些變化為運行效率發(fā)揮了重要的影響力。反過來，這改進了合規(guī)性和利潤率，同時讓技術熟練的工程師操作效率更高。