大数据可以带来巨大的能源节约

大多数制造业经理都明白密切关注生产过程中消耗的能源的价值。例如，他们知道，节约能源可以通过降低运营成本、遵守政府法规、在有环保意识的消费者中提升公司形象，从而提高公司的竞争地位。

然而，许多制造商仍然难以准确地指出他们工厂的哪些部分是能源大户。

制造商发现难以准确测量工厂地板能源使用的原因有很多，但其中最主要的是缺乏足够的工具来完成这项任务。对制造商来说幸运的是，其他行业中出现的创新技术可以应用于工业环境中的能源管理问题。更具体地说，控制能源消耗——从而控制工厂的能源成本——的答案在于大数据革命。

数据科学和创新的分析算法通过挖掘存储在不同系统中的大量数据，然后利用以前未实现的数据相关性，帮助公司改善业务运营。大数据能力使公司能够快速分析大量数据，从而改进运营决策。管理人员可以更容易地识别和诊断操作问题。然后，管理层可以规定适当的业务决策和行动。

那么，这一切如何应用于工业能源管理呢?根据LNS Research最近对100多名高管进行的一项调查，考虑制造商面临的四大能源管理挑战:

• 能量指标没有得到有效测量
• 不同的系统和数据源
• 缺乏支持能量管理的文化
• 缺乏对性能的可见性。

掌握每台机器或工业过程中正在进行的能源消耗模式的可见性和详细知识，是启动工业能源管理系统方法和提高公司竞争地位的第一个关键步骤。然而，还有其他因素阻碍了工业能源管理。

昂贵的时间滞后

工业环境极其复杂。他们的业务、组织和文化都非常技术化，非常独特。没有两个工厂，即使在同一家公司生产相同的产品，也是一样的。产品变化、不一致的设备和工艺效率、计划外停机、预防性维护程序和不断变化的生产计划都是生活中的事实。

确定工厂车间能耗的两种最常用方法是:

• 由能源工程师和审核员进行物理工厂审计，他们可能安装临时仪表和数据记录仪，调查设备及其功率额定值，评估操作计划并计算能源使用情况。
• 安装昂贵的计量系统:这包括设计、招标、采购、安装和配置自动计量系统(这可能会导致生产中断)。

这两种传统方法的缺点包括它们需要大量的时间和劳动力，需要大量的前期资本投资，以及缺乏跨单个工厂或企业的可扩展性。

工厂审核仅在有限的时间段内捕获能源指标，并且与生产产出和混合不直接相关，因为生产产出和混合经常随时间变化。执行和记录工厂审计或部署分计量解决方案项目所需的长时间可能会延迟工厂启动节能行动。

制造业务通常不会为能源效率留出单独的预算。能源管理项目与与生产效率、制造产量和质量相关的项目竞争资金。与能源相关项目的预期投资回报率通常比与生产相关的项目要求更高。由于这些原因和难以量化投资回报率和间接效益(由于缺乏有意义的数据)，工业能源管理项目很难获得融资。

这是一个令人沮丧且代价高昂的闭环循环。如果没有智能能源管理系统，工厂管理人员如何获得衡量能源绩效的数据，了解他们的主要能源使用量(seu)并建立改进的基线?在节能措施实施后，决策者如何在没有能源指标的情况下验证节约和投资回报?

需要一种新的方法来解决这个问题。这就是大数据的用武之地。要理解这种技术转移是如何运作的，重要的是要记住，工业能源成本不仅仅是电力成本。它们包括被称为工资的五个组成部分:

• 水
• 空气
• 气体
• 电
• 蒸汽。

对于商业建筑，大数据和能源分析软件即服务(SaaS)平台正在推动创新的能源管理发展。通过分析易于获取的数据集——天气、地理信息系统和15分钟或每小时间隔的电力消耗——“虚拟”或“无接触”能源审计目的是确定建筑物是如何消耗能源的。然后，这些软件系统提供终端用户的操作见解和改进建议，而无需与建筑物本身联系。

波士顿地区的两家公司First Fuel和retroefficient都是在商业建筑中率先采用这种技术的技术提供商之一。

这些能源评估工具被证明是有效的，可以帮助企业房地产经理根据其能源效率潜力准确识别和定位建筑物。然后，资本可以更有效地部署，以在整个房地产投资组合中产生最佳的投资回报率。

在制造业数据中有大量未开发的机会，这些机会没有被用来推动降低能耗。数据科学和分析为制造商提供了精确定位运营改进并实现工厂节省的能力。

工业互联网、物联网和大数据是制造商再也不能忽视的趋势。世界正朝着这个方向加速发展，大数据可以为制造商提供商业智能、分析和相关的能源指标。由于无法获得有意义的数据，这种智能可以帮助制造商克服与实施节能计划相关的挑战。

点击下一页查看智能能源图表，并阅读有关制造试点项目和其他潜在应用的信息。

(续自第1页)

制造业试点项目

在一个试点项目中，一家跨国制造商发现，通过使用LinkCycle的制造虚拟审计平台，它可以在单个工厂中节省20%的能源成本。进行试点的工厂拥有80多台注塑机，生产客户用于食品储存的各种塑料产品。在试点之前，该工厂每年消耗约300万美元的电力。

工厂人员向LinkCycle提供了两套现成的数据集:

• 电能表15分钟间隔数据
• 机器级班次生产数据。

LinkCycle的云/软件即服务(SaaS)商业智能平台无需进入工厂，就可以按产品SKU计算每台机器的固定和可变用电量。因此，制造商避免了与物理工厂审计或安装分计量系统相关的高成本。结果的统计精度大于90%，与几台注塑机的亚米数据相匹配。

通过获得车间操作的详细能源可见性和了解每台机器的电力概况，工厂管理可以通过更系统的工业能源管理方法节省电力。通过为管理人员提供与工厂职能经理和操作员相同的数据，可以实施包括节能措施和改进资产管理计划在内的运营战略。这些战略包括:

• 在效率更高的机器上安排生产
• 诊断、排除故障和修理效率较低的机器
• 通过优化生产调度，减少机器空转时间
• 对于高能耗的机器，在电价下降时将生产转移到非高峰班次
• 对于具有能量剖面波动，故障排除和调度维护和/或过程控制调整的机器
• 避免峰值需求定价处罚
• 将单位能源成本分摊到物料清单中。

在试点中，工厂减少了20%的能源浪费，这意味着制造成本的降低。其他潜在的好处包括提高进度或生产目标和整体设备效率。在其全球工厂部署LinkCycle的SaaS解决方案将使企业能够以更大的规模、更快的速度和更低的成本发现节能机会。

其他潜在应用

多个行业(CPG、食品加工和化学品)的制造商已经验证了虚拟审计技术在过程、批量、离散和混合操作中的应用。在研究制造设置的虚拟审计技术时，需要考虑的一些因素总结如下:

对于具有以下特征的植物，该技术几乎是理想的:

• 大批量生产
• 连续、批量、离散和混合制造
• 拥有多条至数百条生产线的复杂设施
• 生产设备有自己的效用间隔计。

虚拟审计可能不适用于具有以下特征的工厂:

• 产量低
• 高度定制化，不重复输出(即作业车间)
• 单一生产线(即玻璃生产线)
• 大量工作正在进行中(例如飞机制造商)
• 生产区域没有仪表(即仪表包括大型实验室，中试工厂或研发空间)。

制造能源智能可以揭示能源浪费的模式，确定节约机会，并指出设备性能下降。过去，大量未开发的制造数据过于分散和脱节，无法提供有意义的信息，从而导致运营改进。大数据科学和预测分析的创新正在以新的方式将数据集关联起来，以揭示来自生产的能源消耗模式的“何处以及成本”。

基于这些创新方法的工业能源管理系统将为制造商提供更及时、更便宜的能源相关指标。有了这些信息，制造经理就可以以降低能源成本的方式调整他们的运营，同时提高生产率，提高整个公司的底线。

克里斯·戴维斯是LinkCycle公司的销售和营销副总裁。www.linkcycle.com该公司是一家技术供应商，帮助制造商利用工厂中以前未知的数据相关性来改善运营决策和工厂效率。可以联系到他chris@linkcycle.com．编辑为CFE媒体工业能源管理部分2月作为数字版独家。将意见发送至controleng@cfemedia.com．

有关大数据如何改善工业能源管理的更多信息，请访问www.firstfuel.com或www.retroficiency.com。

关键概念

• 制造商发现很难准确地测量工厂地板的能源使用，主要是因为他们缺乏足够的工具来完成这项任务。
• 要控制能源消耗，进而控制工厂的能源成本，答案就在于大数据革命。
• 先进的分析技术使工厂管理人员更容易识别和诊断操作问题。

考虑一下:

难道现在不应该至少研究一种新的技术形式，这种技术有可能在降低能源成本的同时提高生产率，提高企业的整体利润吗?

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