DeviceData 数据中心_设备数据

设备数据

随着计算机技术、数据库技术的日益发展以及和数学知识的不断融合,数据分析技术正在被越来越多地应用于生产领域的各个方面,如何更加深入地挖掘数据分析技术的应用潜能为生产实践服务,即如何实现基于数据分析技术基础上,结合现代监测技术、通信技术、计算机技术以及数据库技术进一步增强生产过程控制、优化设备管理过程,提高设备管理水平。

设备全生命周期管理如图所示。通过全面、精准的在线监测系统,实现对整个工艺流程全方位的监测,结合通信技术、计算机技术、数据库技术实时将监测数据传输到工控电脑,实现远程监控及全套系统监测数据的存储、管理;通过描述统计法、相关性分析、回归分析法等数理统计方法挖掘监测数据潜在价值,形成符合系统运行规律的科学结论,应用于生产实践,

最终从优化设备运行策略、变革设备维保方式、驱动设备创新改进3个方面实现设备过程控制能力的提升。

设备数据-1.png

第一、全面、精准的监测系统是设备全生命周期管理的基础

全面的监测系统包括硬件监测系统和软件监测系统。硬件监测系统是整套监测系统的基础,全面是指监测系统应该覆盖生产工艺流程的各个环节各个节点,精准则是指监测系统应该作业稳定、可靠;软件监测系统则是硬件监测系统的进一步发展,是一个高度集成的系统,实现对每一台设备的远程控制以及每一套监测设备反馈数据的监控,并且结合数据库技术可以实现全系统监测数据的存储、管理。

举例:某烟厂污水处理站的硬件监测系统包括水质指标监测系统、状态量监测系统、气体状态监测系统、设备运行状态监测系统4类,如表1所示。硬件和软件监测系统的结合实现了污水处理站全方位的监控,体现在3个方面:实现由点到面的系统监测、实现远程监控、实现监测数据的处理。从污水处理站的入口集水池到经过初级处理系统处理后连通市政污水排放管道的中间水池,再到经过深度处理系统处理后连接厂区景观绿化用水管道的清水池,系统的各个环节都配备完善的监测设备,比如集水池有浊度等水质指标检测仪、超声波液位监测计、水池进口和每个水泵的出口及总管处有流量监测系统;

设备数据-2-1.png

监测设备在实地得到的每一个监测数据实时传输到远程监控电脑,一旦现场某个节点出现异常情况,技术人员可以第一时间从远程监控系统得到信息;监测技术结合通信技术、计算机技术、数据库技术则可以实现全套系统监测数据的存储、管理,为后续进行数据分析提供源数据。

第二、挖掘数据潜在价值是设备管理全生命周期管理的关键

数据是设备及系统运行状态的抽象表现形式,可以深刻地反映出设备及系统运行的变化趋势及好坏,因此通过描述统计法、相关性分析等数理统计方法对监测数据进行分析并且挖掘数据潜在价值是实现由监测数据转变为生产力的关键。

1.基于描述统计法的运行规律总结描述统计法是通过数学方法对数据进行整理、分析,并对数据的分布状态等信息进行描述的方法,采用描述统计法对记录全套系统的历史运行特性的完整数据进行分析可以得到系统运行的规律特性。

举例: 通过采集每日集水池入口处的流量计监测数据得到图2所示的每日污水处理量的统计曲线图,通过描述统计法总结得到如下运行规律:

设备数据-3.png

在总结历史运行规律的基础上,从当前运行数据和历史数据的对比中,可以发现异常情况,找到问题根源的可能。

图3所示的是中间水池水质COD 曲线图,阶段I的检测数据比较稳定,保持在22~25mg/L的微小波动范围,阶段II COD数据呈现逐步上升的趋势,阶段Ⅲ检测数据再次达到稳定,波动更小,基本保持在42mg/L不变,此时的检测数据已不能反映真实情况,在进水水质基本不变、加药量和加药浓度基本稳定、处理设备正常运行的前提下,引起这一问题的最大可能性是检测探头表面有杂质粘附,影响了正常工作。

设备数据-4.png

2.基于相关性分析的最佳方案确定

相关性分析是指对两个或多个变量进行分析,从而衡量变量间的相关密切程度。多次试验后得到的PAC投加量对COD影响的曲线图。PAC的投加量由0.5mg/L递增到2.Omg/L的过程中,COD由48.2mg/L减小到22.Omg/L;当PAC的投加量大于2.2mg/L时,COD值又有一定程度的上升,但上升有限。从实验结果看,PAC投加量控制在1.8~2.Omg/L对控制COD有较好的效果。

3.基于时间序列分析的发展趋势预测时间序列分析是研究观测到的时间序列数据所遵从的统计规律的数理统计方法。通过时间序列分析来预测发展趋势,可以让技术人员提前做出更加合理、科学的决定。

举例:污水处理站PAC药品的采购需要预测发展趋势:实际应用中,PAC的加药量和污水处理量存在一定的比例关系,因此最科学有效的做法是预测一段时间内的污水处理量来确定药品消耗量,进而确定最低储药量、最高储药量、采购量等。

上述通过描述统计法、相关性分析、时间序列分析等数理统计方法对数据分析都只是应用了最基本、比较简单的数据处理工具,如果进行深层次的挖掘,需要用到曲线拟合、参数估计等工具。

第三、提升设备过程控制能力是设备全生命周期管理的目的

采用数据分析技术挖掘反映系统真实运行情况的监测数据的潜在价值,形成符合系统运行规律的科学结论,并将科学结论应用于生产实践以提升设备过程控制能力是设备管理创新模式的目的。提升设备过程

控制能力主要体现在以下3个方面。

1.优化设备运行策略

建立在监测数据基础之上提炼的科学结论提供给技术人员合理应用设备的科学依据,实现设备或者系统效率最大化、能源利用率最大化。通过历史数据的分析发现规律:夏季月份的中水消耗量较大,相应地自来水的补水量也较大,白天正常的污水处理速度已很难满足消耗速度的需求。因此,科学的应对措施是:夜班在中水停用的情况下,将整套污水处理系统由末端至前端的水池的水泵启动液位提高,比如将启动液位由2m提高到3.5m,起到蓄存水量的作用;  白天在中水使用的情况下,降低水泵的启动液位,由3.5m降低到2m,及时补充末端中水消耗。

合理设定水泵的启停控制液位就是在准确的监测数据基础之上,通过数据分析得到的降低自来水补水量的科学运行策略。

2.变革设备维保方式

目前,普遍采用的是具有计划性质的周期性预防维修保养,其的缺陷是:每次的维修保养任务重、时间紧;为了充分保障设备的正常运行,往往零部件的运行时间远远低于其使用寿命。

现代监测技术的发展及数据分析技术的深入应用为维修保养方式的变革提供了科技力量,技术人员可以通过监测技术直接或者间接地跟踪设备的运行状况,通过数据分析技术分析数据的变化趋势,预测可能的发展方向。比如可通过入口、出口处压力差的变化趋势来判断盘式过滤器是否有堵塞现象,表3是解决盘式过滤器滤芯定期堵塞的3种维修方法的对比情况。

从表3中可知,预测维修相比预防维修和事后维修在经济成本、时间成本上均具有一定的优势。

设备数据-5.png

由此案例可以得出:对于盘式过滤器滤芯的清洗或者更换是一个基于精准的监测技术基础上准确的数据分析而做出的具有预测性质的维修保养工作。这种维修保养工作避免了计划性周期保养工作的弊端:由于进水水质及前端水处理设备的不同情况会导致进入盘式过滤器的水质不同,因此不同时间段盘式过滤器的正常运行时间及使用寿命本身就不同,具有计划性的维护保养工作必定会造成过剩维修或事后维修。

3.驱动设备全生命周期管理的创新改进

在上文提到的COD上升的例子中,技术人员对比历史运行规律,发现异常情况,并推测引起COD检测数据上升的最大可能性是检测探头表面有杂质粘附,经过手动清洗探头后,检测数据恢复到22mg/L左右波动。通过前、后数据曲线图的对比可以确定:COD检测数据的上升是因为探头表面粘附杂质引起的这一推断的正确性。

为了解决这一问题,技术人员采用自动压缩空气每隔两天清洗一次检测探头,整个实验过程中,中间水池COD检测数据始终处于20~25mg/L的范围,并没有出现由于外界因素的影响导致检测数据不断上升的现象,表明压缩空气探头清洗法是成功的。从这一案例中可以得到如下结论:由于监测数据的异常变化引起了技术人员的注意,推测发生这一问题的可能性,在实验数据的对比中确认了这个可能性,并找到了解决问题的措施,为创新改进提供了科学依据,在管理实施前后的数据对比中验证了全生命周期管理的成功。

应用数据分析技术挖掘基于完善、精准监测系统基础上的监测数据,形成科学结论应用于生产实践,实现优化设备运行策略、变革设备维保方式、驱动设备创新改进的目的,结合水泵启停控制液位的科学设定、盘式过滤器滤芯定期堵塞问题的解决、水质检测车探头清洗装置的研发等实例验证了设备全生命周期管理模式的可行性、有效性、正确性。