通過使用在運行維護期間收集的大數據來規劃和集成分析，有助于企業提高可靠性。

自從開始記錄機器上的讀數以來，工業企業已經使用了數據分析、趨勢分析、圖表和其它可視化技術。盡管數據分析技術變化不大，但沒有多少維護經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4.0。

運維中的數據分析是什么？

數據分析是對原始數據的分析，以做出明智的決策。幾十年來，技術就是這樣。現在，變化的是數據采集量，以及“誰”或“什么”在進行分析。

傳統上，技術人員收集數據，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換代，這兩項活動比以前更加數字化。

現在，數據分析不僅對維護很重要，它還是未來發展的關鍵。未來的維護策略，將使用規范性分析（prescriptive analytics），利用軟件收集和分析數據，并為無法正常運營的系統提供維護建議。在“規范性維護”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這一目標。然而，在大多數工業車間，這依舊是一個夢想。運營通常以手動讀取數據為基礎，只有少數高級用戶使用無線傳感器，并期待自動化程度更高的未來。

▎維護策略正朝著規范性分析方向發展，軟件不僅能收集和分析數據，還能提供建議。

手動與自動數據分析

手動數據分析需要大量的處理數據和查看曲線工作。許多工業運營部門提供數據分析服務，減輕了管理者的麻煩——數據篩選、來源驗證并確定哪些數據需要專家分析。

無論您是擁有手動數據分析的內部專業知識，還是更愿意使用復雜的自動分析，都必須有狀態監測傳感器和控制裝置生成的大量數據。

面向制造業的大數據

大數據一般是指大型或復雜的數據集。在維護領域，它包括工業測量、運營數據和無線傳感器讀數。然而，收集和存儲所有這些數據并不是重點。這些信息必須被提取和利用才能發揮作用。

數據分析是從大數據中釋放信息的關鍵。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4.0 繼續革新維護和維修操作，這種分析將轉變為智能軟件功能。

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

工業技術和數據分析

工業數據源包括運營控制數據，如監控和數據采集（SCADA）、可編程邏輯控制器（PLC）系統、樓宇管理系統、集成或第三方傳感器、具有連接工具的技術人員等。隨著IIoT 傳感器在資產上的應用日益廣泛，大數據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的讀數。振動傳感器進行連續的狀態監測，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據，可以立即發送到云。軟件可以將數據源融合到一個全面的圖像中進行推斷。

分析工業數據

一家商業奶酪制造商最近慶祝其投資數百萬美元的擴建工程的完工，產能增加了25%。大量新設備即將投入使用，管理層明白為了正常運營，必須對資產進行監控。

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上傳到云端，并使用分析軟件對最常見的故障進行振動監測。這些數據為維護團隊提供穩定的見解，如資產狀況狀態、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，狀態監測數據將輸入到AI 驅動的軟件。

實施數據分析的5個步驟

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

步驟1

完成資產關鍵性分析

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

資產關鍵性分析還可以告知團隊，哪些資產是狀態監測和篩選的主要候選資產，并提供分析來源。

步驟2

規劃試點項目

與大多數技術部署或工藝變更一樣，最好用小部分資產進行試點。在資產關鍵性分析中，確定對日常運營至關重要的設備。對這些更關鍵的資產進行狀態監控，生成數據分析所需的組件（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，請優化并收集更多數據。很多企業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，要像海軍陸戰隊一樣思考——快速應變、適應和克服挑戰。

步驟4

與領導層一起審查結果

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

步驟5

擴展數據分析計劃

一旦領導批準了項目，請回到資產關鍵性分析上，以確定在何處擴大狀態監控。可以在設施內、設施之間，甚至不同國家之間擴展監控。優化現有裝置以獲得更好的數據也很有幫助。

擴展數據分析計劃，還意味著測試工業數據的新來源。它有助于將傳感器、手持工具、集成SCADA 和PLC 系統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的維修資源也很有幫助。

上述原則有助于實現高質量的數據分析，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4.0 投入運營。現在是為即將到來的AI / ML 時代奠定數據分析基礎的時候了。那些已經實現數據分析目標的企業，將為擁有整合新興技術所需的一切做好準備。

關鍵概念：

■ 數據分析是對原始數據進行分析，以做出明智的決策。

■ 利用大數據進行高級數據分析，可以幫助生產制造商做出更好的決策并改善運營。

■ 資產關鍵性分析可以幫助公司確定從哪里改進分析，并據此構建計劃。

思考一下：

數據分析和大數據如何改進您的設施？

審核編輯：劉清