高级分析改进流程优化

分析流程数据以进行优化，过去需要使用有限的电子表格工具和外挂程序手动筛选和分期来自内部流程历史记录和其他来源的数据。这个过程很难设置，并且占用了熟练的工程师和分析师大量的时间来查询每个源系统，提取必要的数据，并在经常不匹配的时间戳中汇总和对齐数据。
内部部署数据源的刚性架构使工业4.0项目具有挑战性，因为很难在工厂之外使用通过数据分析产生的见解。由于数据源之间缺乏互连性，并且无法从一个接口集中管理所有数据，这将阻碍跨站点基准测试和在整个组织中实现统一的分析策略。

近年来，工业4.0技术在数据分析民主化方面取得了巨大的进步，节省了工程师和分析师在争论数据上花费的时间，并使他们能够专注于流程优化。这是由于越来越多地使用先进的基于云的分析解决方案，简化了管理大量流程数据，并分析数据以生成见解。

利用云进行流程数据分析

过程工业正在意识到他们必须转变他们的数据管理和相关的分析能力，以保持盈利能力，同时也要解决可持续性问题。在这个过程中，组织可以采取的第一步是利用云作为资源。
尽管存在这样的误解，在使用高级分析生成有价值的见解之前，数据必须集中或迁移到云端，但现实是组织可以同时使用本地数据和基于云的数据。通过选择云原生数据分析应用程序，企业可以轻松地进行迁移，无论其位于何处，都可以连接到其数据，从而能够在其长期数据管理战略的每个步骤中提取运营见解。
基于云的分析应用程序使流程制造商能够减少新软件实施时间，从而更快地将产品交付给最终用户，同时提高质量，降低基础设施和维护成本。这些应用程序使用指向点击界面进行描述、诊断、预测和说明性分析，满足了许多用户角色的需求，包括工程师、操作员和数据科学家。
此外，在实施工业4.0项目时，工业物联网实现可以直接访问云的巨大计算能力和可伸缩性，例如预测性维护计划和数字双胞胎。当与高级分析应用程序配合使用时，这些努力使过程制造组织能够优化生产程序，提高吞吐量和灵活性。

这些和其他类型的自助服务应用程序为主题专家(sme)提供了直接的数据交互，同时需要更少的时间和手动数据处理工作来解决工程师以前无法解决的问题。

用例1:大规模的预测性维护

通过利用先进的分析技术，流程制造商已经从监测和应对问题转变为使用数据和上下文主动为决策提供信息。
在一个案例中，一家化学公司的工程师正在寻求改进他们的控制阀维护策略。他们决定评估一个预测性维护计划是否可以减少频繁和计划外进料阀门维修所产生的成本。希望基于模型的预测性维护策略可以部署在公司的所有控制阀资产中，这对产品质量至关重要。
通过高级分析，工程师与数据科学家合作创建了一个模型，比较了一个控制阀的理论和操作阀流量系数。除了过去的故障事件外，该算法中的条件还用于识别阀门退化的周期。通过回顾历史数据，中小企业确定该模型将提供足够的通知时间来部署维护资源，以便在故障发生之前进行维修。

接下来，该公司的数据科学家扩大了模型，建立了所有在用阀门的资产层次结构。他们与可靠性工程师和流程sme合作，根据变量和模型假设对每个资产进行分类，这两者都是必需的，因此用户可以根据类型进行排序，并利用资产间的滚动视图(如树图)(图1)。

由于它是基于云的，这个先进的分析应用程序拥有足够的计算能力，可以将模型从一个控制阀扩展到整个组织中的数千个阀门。

用例2:催化剂运行结束预测

随着时间的推移，加氢脱硫装置中使用的固定床催化剂会退化，影响产品质量，直到更换它。虽然加权平均床层温度(WABT)通常是指示催化剂床层健康状况的关键指标，但为优化生产创建准确的WABT模型是困难的，因为它会因工艺变量(包括成分和流速)而波动。出于这个原因，数据科学家必须在绘图之前对计算出来的WABT模型应用清理技术，以便为回归算法创建合适的数据集(图2)。

一家石油和天然气公司的工程师需要确定加氢脱硫装置上的催化剂床的降解是否在最近几个月加速。该团队计算并推断出多个回归模型来预测所需的维护日期。

经过分析，很明显，最近几个月降解速度加快了，如果他们继续以目前的速度运行，最初的基于时间的催化剂更换将不会足够快。分析结果表明，早期更换催化剂是合理的，减轻了几个月的受限费率操作，节省了超过500万美元。

用例3:运行长度优化

在整个生产过程中，包括催化剂降解和污染在内的工艺影响会限制生产率。这通常是聚合物生产过程的情况。

当部分生产的物质开始覆盖管道和容器内部时，需要进行除垢，以使堆积物不影响流量或增加上游设备的压力增量。大多数积聚可以通过在线或离线程序逆转，即对涂覆设备加热，熔化污垢层。
一家大型聚乙烯生产商由于污垢问题导致生产速度下降，该公司正在研究一种优化除垢策略的方法，以提高产量并更快地完成客户订单。

一个中小企业团队建立了一个回归模型，利用退化率来预测如果不采取任何行动，何时才能达到生产目标。接下来，他们将此模型与包含除污程序的替代模型进行了比较，然后计算出将生成给定订单大小的总时间最小化所需的除污周期数。一旦确定了这一点，工程师就为未来除垢程序之间的最佳循环次数创建了一个黄金配置文件(图3)。

通过在高级分析应用程序环境中部署该在线模型，工厂人员可以在实际生产过程中跟踪预测，以指示何时执行下一个除垢程序。这一策略使得连续预订的生产单元在接下来的一年中平均提前11%完成订单，使其获得显著的市场份额。

用分析减轻数据痛苦

越来越多的流程制造商厌倦了从不同来源整理不同的数据，并使用传统工具创建见解，他们开始转向高级分析软件。先进的分析软件节省时间，专注于流程优化，故障排除和预测性维护。现在，工厂人员可以进行有故事的分析，这可以让他们有信心做出明智的运营决策。

高级分析软件使组织能够连接到多种类型的数据源，并将信息转换为预测维护和提高流程效率的见解。这些改进能够提高产量，提高质量、安全性和可持续性，从而实现长期盈利。

Allison Buenemann行业负责人在哪里Seeq集团，以及2021年40岁以下的工程领导．由网页内容经理克里斯·瓦夫拉编辑，控制工程， CFE媒体与技术，cvavra@cfemedia.com．

更多的答案

关键词:分析，流程优化

在线

考虑一下这个

怎么能先进的分析改善您的设施?

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。