通过数据分析减少警报负载

如果控制系统能够及早发现潜在的问题，发电厂运营商就可以采取行动避免停机并保持合规。然而，实现这一目标绝非易事。

操作人员很快就会被来自传感器和操作组件的警报和事件通知所淹没。随着技术的发展，添加到工业设备上的传感器数量迅速增长。在早期，燃气轮机内部只有几十个传感器，而现在有数千个，而且这个数字还在继续增长。物联网(IoT)的出现意味着更多的传感器被添加到每个组件、机器和辅助系统中。

这些传感器将强化出现在操作员和工厂经理屏幕上的已经铺天盖地的警报。在一个案例中，一个公用事业单位每小时必须处理近300个警报。这远非孤立事件，这样的警报率并不罕见。

这些警报大部分是由相对不重要的因素触发的。然而，运营商必须对所有信息做出回应，即使他们只是注意到了警报，没有采取进一步的行动。这占用了他们太多的时间，使得解决关键问题变得更加困难。

降低警报音量

因此，有必要腾出技术人员的时间。最好的方法是减少警报的数量。这将使他们能够专注于优先行动，从而避免跳闸和负载限制。

一些基本工具可以帮助工程人员从背景噪声中分离出关键告警。缺乏自动化和分析支持意味着工程时间将继续用于评估对事件通知的适当响应。然而，通过结合三个来源的数据，可以准确地分析数据，并为工程师提供所需的信息，从而更快地做出明智的决策。

这三个数据源是:

归档数据。基于警报存档的历史数据可以帮助将当前事件通知与潜在原因相匹配。虽然目前一些监控支持工具使用这些数据，但在单独使用时，其用处有限。

工程数据。工程数据在工厂的成功运行中起着至关重要的作用。在熟练的专家手中，它使他们能够操作复杂的系统。然而，这样的数据通常仍然局限于功能孤岛——只有少数受过训练的技术人员才能使用。这使得它难以分析，也难以作为决策的实际辅助手段加以应用。但是，可以将工程数据自动转换为其他格式并以图形方式显示，以增强对正在进行的警报和通知的理解。

知识库中。机械原始设备制造商(oem)通常可以访问从全球运行的数千个发电厂和涡轮机收集的大量知识库。一些信息数据可以追溯到几十年前。智能地使用分析可以将事件通知和警报与其他地方记录的类似事件进行匹配。

数据分析的价值

市场上的许多系统都很好地利用了这三个数据源中的一个。它们为运营商提供了有价值的见解，但范围有限。类似地，有一些可用的系统试图组合这两个数据流，有些比其他更成功。但是整合这三种资源是一个新想法。

即便如此，将档案、工程和知识库信息汇集在一起是不够的。这只会使问题更加复杂，因为增加了复杂性和数据量。这种方法可能有助于识别实际情况并确定根本原因，但这将是一个缓慢、手动且费力的过程。等到数据组合、过滤和评估完成后，再想减轻损害和避免停机就太晚了。

提高维修效率的关键必须超越找出根本原因，能够及时得出结论。它还必须包括大量减少警报量，同时提供一种有效应对被认为具有最高优先级的警报的手段。

基于云的数据分析可以为工程师提供解决方案。当复杂的分析引擎与现代微处理器的功能结合使用时，可以同步、比较和评估大量数据。这为减少警报音量以及更快、更准确的决策打开了大门。

数据分析现在可以提供事件通知发生原因的准确视图，以及所涉及的精确原因(见图1)。这使得确认工程师可能怀疑但无法证明的事情成为可能，同时提供以前无法实现的洞察。

一个简单的警报负载示例涉及计划维护。设备停机时间可能导致警报数量激增。由于发电系统在冷却时超出了既定的温度标准，大量的组件、系统和机器会突然向电站操作员发出警报和通知。从文化上讲，相关人员可能需要一段时间才能弄清楚可以忽略所有这些通知，并进行例行维护(图2)。

数据分析还可以揭示当指标和指标高于或低于正常性能水平时实际发生了什么。这些事件可能重要，也可能不重要。需要根据多个数据源进行详细分析，才能确定这种波动是否真正值得关注。如果能迅速完成，作业公司就有时间采取有效的补救措施。

减少警报、工作量的例子

德国一家大型发电公司发现，通知信息是由许多不同的信号触发的。在一个案例中，收到了1600多个通知，以每小时281个警报的速度发送，但只有10个信号负责43%的警报。

更糟糕的是，在常规关机期间，许多警报仍在发出。这迫使维护人员继续监控离线和计划停机的单元。这浪费了资源，并转移了对更紧急的维护优先事项的注意力。通过专注于这10个信号并处理数千个警报，维护人员的工作量显著下降。

数字警报管理强调了导致警报的信号和原因。可视化技术以易于理解的格式展示了重要的管理信息。工程师将分析转化为行动，解决了正确的问题，并将事件通知的数量减少了90%(图3)。

数字警报管理消除了这些不必要的通知。此外，它还为具体的优化操作生成了实用的建议。这些措施包括延迟通知几秒钟，改变某些手动程序。总的来说，这些变化对业务效率产生了转变性的影响。这反过来又提高了合规性和盈利能力，同时简化了熟练工程师的操作。

数字化与未来

数字警报管理是一个应用自动化的例子，使用基于不同来源相关数据的分析。当与实践专业知识相结合时，该软件将工厂操作员带入了一个全新的领域。

乌特梅斯默是西门子发电服务公司数字技术中心的负责人。由制作编辑克里斯·瓦夫拉编辑，控制工程， CFE传媒，cvavra@cfemedia.com．

更多的建议

关键概念

• 许多警报操作人员在工厂收到的是低优先级的，不需要立即关注。
• 基于云计算的数据分析可以帮助运营商对警报进行优先级排序，并专注于重要的紧急情况。
• 在一个例子中该公司使用基于云的数据分析将事件通知数量减少了90%，并提高了整体生产力。

考虑一下这个

还有其他方法吗工程师是否可以减少他们收到的警报数量并提高工作效率?

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。