使用上下文数据洞察预测流程事件
维护团队看到预测的机器故障
当人们谈论制造业和流程工业中的数据分析时,他们通常指的是从原始数据中获得见解,以做出数据驱动的决策。
作为一个帮助公司从原始流程数据中获得实际利益的团队的成员,我了解到要达到顶级水平——一个增强工厂,组织使用数据规定流程行为——会面临独特的挑战。不过,当企业了解到达到增强级别是一个可以实现的目标时,往往会松一口气。
早期生产知识通常包括设施、生产线和机器的状态、性能和健康状况。随着公司实现数据驱动的洞察,他们可以了解生产时间、停机时间和缺陷。由此,他们还可以预测不必要的停机事件何时会影响生产。
工厂通常表示这些“上下文过程事件”,如图1所示,以单位表示,如批次、阶段、周期和战役。停机事件还包括计划内或计划外维护、紧急停机、更换、缺陷和质量检查。
流程数据洞察可改善周期时间、整体设备效率(OEE)、产品质量和资产健康状况。工程师可以使用它们快速纠正异常,并随着时间的推移,了解问题何时可能再次发生。
正确的道路
我们的团队认为量化期权是最好的方法。我们鼓励我们的客户通过四种类型的数据分析不断测试他们的假设:
•描述性分析(确定发生了什么),
•诊断分析(确定发生的原因);
•预测分析(预测某事何时发生)和
•规定性分析(知道如何改变预测结果)。
这四种类型的分析用于生成决策和行动,我们称之为“增强分析周期”。处于数据分析之旅最高级阶段的公司不断测试这四种类型的数据分析,以便在整个组织中做出数据驱动的决策。
增强分析周期表明,我们无法看到仅使用描述性、诊断性、预测性或说明性分析的端到端用例。例如,为了实现预测性维护,公司必须收集描述性和诊断性数据,并从中得出见解,以确定发生了什么以及原因。一旦我们获得了预测的见解,我们就可以使用这些信息来生成一个模型,用于构建端到端预测解决方案。
在下面的例子中,我们与一家公司合作,该公司的热交换器无法达到正确的温度。通过对模型的研究,工程师们应用了前三种分析类型,得出了一个规定性的维护计划。结果呢?热交换器的温度保持一致。
下面演示了该公司如何使用每种类型的分析来实现其目标:
描述性分析:换热器不能达到设定的输出温度。
诊断分析:污垢会导致性能下降,但过程专家通过使用数据分析解决方案了解到,清洗可以解决问题。
预测分析:根据发现的运行参数,解决方案知道何时会再次发生结垢。
规范的分析:当热交换器没有达到设定值温度时,解决方案会告诉工艺专家是时候清洗了。
我们如何知道我们有正确的预测性维护计划?有时候,我们没有。这就是为什么我们必须在增强层面上应用所有四种类型的分析。如果污垢不再引起热交换器的问题,我们必须收集新的见解,从描述性层面开始,并通过步骤重新关闭循环。
预测变成处方
“规范性”一词可以指优化决策、预测产量,或者只是提醒某人他们需要去检查设备。所有定义都依赖于相同的需求:能够充分了解流程异常,以确定何时可能再次发生异常。
通常,我们对所有生产过程使用相同的公式。为了达到规范的水平,公司必须通过数据探索和假设检验获得见解,建立一个机器学习(ML)模型或算法,可以通过早期指标预测结果,并使用该指标做出明智的决策。
例如,我们与一家石油和天然气行业的公司合作,构建了一个解决方案,该解决方案通知维护团队哪些任务是优先考虑的,并避免预测机器故障。图2显示了泵压力异常情况。该公司可以通过暗橙色的指示器看到压力与理想PSI不匹配的地方。在图2中,需要立即注意泵。我们还能够将该解决方案与公司的ERP(企业资源计划)系统集成,以自动创建维护工作订单。
对于食品饮料行业的一家公司,我们帮助工艺专家决定如何优化原材料。该解决方案向操作人员发送有关其提取器的使用和剂量的规定性建议通知。该公司的原材料来自不同的外部供应商,这些供应商的质量特征各不相同。它选择的供应商可能会影响生产运行的结果。知道选择哪种作物的好处是提高产量、提高质量和更好地利用原材料。
不仅仅是处理数据
在前面的例子中,我们研究了如何使用规范分析来影响和优化生产过程。但我们在2021年参观一家德国工厂时询问了工艺专家:你们最大的挑战是什么?事实证明,他们最大的挑战与分析无关。
他们最大的挑战是知识留存。工厂经理解释说,他一半以上的员工计划在未来10年内退休。
他说:“这对我们来说意味着,每一个加入公司的人现在都必须在两年内成为有经验的人,100%了解生产流程,并完全独立于有经验的同行。”“这过去要花10年时间。”
此外,千禧一代和z世代换工作的频率比前几代人更高。从数据中获取见解并创建可视化仪表板、警报或预测模型是关键。
尽管该公司最大的挑战不是解读数据本身,但这个机会是我们如何应用规范分析的一个完美例子。我们从经验丰富的同事那里提炼见解和知识,并将其存储在知识库中。这些见解和专业知识促成了通知和警报模型的开发,现在公司的新员工都可以使用这些模型。
对我们来说,帮助一家公司提高新员工入职的能力与保持其流程正常运行一样重要。通过应用规定性分析,我们实现了这两个目标。
原始内容可以在设备工程.
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。