工业物联网，工业4.0

关键行业指标需要10 - 25%的增长?在竞争激烈的全球市场中，工业组织寻求“数字智能”来管理和操作数百甚至数千个资产，从一个站点或整个企业，以解决关键的操作需求。他们还需要有效的工具将过程数据转换为有关过程性能、设备健康、能耗和排放监测的实时信息。数字智能工具包括过程和事件数据收集，以过程和资产为中心的组合分析，以及持续和自动收集、组织和分析数据的可视化技术。智能工厂将传感器、自动化系统和云技术与现有系统和数据分析相结合。

工厂操作员、工艺和设备工程师以及管理人员需要持续的监测和监督、通知和与专家的合作，以便采取适当的主动行动。该活动将最大限度地减少设备的退化、性能差和二次损坏，从而降低成本，提高产量和利润。

关键指标增长10%至25%:工业物联网工业效益

工业物联网的快速采用为智能传感器、连接、分析和强大的软件平台创造了规模经济。这种变化正在推动企业级性能管理、过程监控、预测性维护计划和业务转型的采用，其目标是消除计划外停机时间，降低运营成本，同时保持产品质量和合规性。

工业物联网的现实世界方法可以集成当前系统，并添加新的数据源和分析，以支持专注于性能监控和决策支持的互补、持续改进流程。这种方法的具体好处包括:

• 提高流程可靠性和资产利用率高达10%;工厂可以通过在运行和完整性范围内定义和操作，预测故障并提供主动响应，以及最大限度地减少速率和效率损失，来减少计划外停机时间。
• 提高作业效率高达10%;工业组织可以管理性能，包括产量、能源和原材料的使用，以实现高达10%的成本降低。通过持续监控、远程协作、随时获取所需信息以及改进的决策支持，提高了工程和生产效率。
• 保持先进的控制和可预防的退化，效益高达25%;控制团队可以维持控制回路、控制器和模型的有效性;调整控制以适应新的操作条件和工艺变化;解决关键的仪器问题。
• 增加安全:生产设施可以通过确保正常稳定运行来最大限度地降低风险，并消除安全系统验证的停产。
• 减少高达10%的维护成本:运营团队可以根据资产的实际情况，采取主动措施，最大限度地减少设备损坏和突发事件，同时优化维护，从而提高设备的可靠性，延长设备的使用寿命。

超越传统产业利益

为了确保正常运行时间，公司通常会派现场技术人员根据固定的时间表执行例行诊断检查和预防性维护。不幸的是，这种方法是一个昂贵的、劳动密集型的过程，几乎不能保证在检查之间不会发生故障。

为了提高效率，公司实施了先进的过程控制(APC)，用警报系统定义了操作边界，创建了关键绩效指标(kpl)，并呼吁当地专家帮助解决操作问题。这些措施的有效性很难维持，因为它们依赖于敬业和知识渊博的现场人员。

此外，工业公司正在寻找方法来理解可能对其业绩产生重大影响的大量数据。例如，报告和解释警报和警报是安全操作的核心。对异常情况采取有效行动也很重要。为了支持制造工厂内所需的各种监控和决策支持应用程序，需要将数据转换为信息并与上下文一起交付，以便不同的人能够以多种方式理解和使用数据。

5个关键的运营目标，OEE

对于制造业和其他运营公司来说，资产失效以及过程和设备效率的难以察觉的降低是运营计划和整体设备效率(OEE)的持续威胁。因此，他们将支出转移到增加设备维护上，从而失去了潜在的收入。技术工人的可用性和日益复杂的生产过程等因素正在影响预测和检测资产健康状况和过程性能恶化的能力。

为了最大限度地提高其整体性能，现代工厂正在寻找将操作和维护理念从被动转变为主动的方法，旨在保持运营尽可能高效稳定地运行，同时减少计划外停机时间。主要业务目标包括:

1. 为过程性能、设备和控制部署在线、持续监控和基于异常的警报。
2. 利用整个企业中增加的数据可用性。
3. 将数据放到上下文中比较资产，以确定相似的条件或行为。
4. 为过程和可靠性工程师实施工具，使可视化数据探索能够减少对复杂机器学习算法解决问题的依赖。
5. 与内部和外部主题事务专家(sme)建立合作关系。

集成的操作和维护策略为公司开辟了新的可能性。从传感器监测过程和机器条件的数据结合起来，以确定任何模式，表明可能的故障或过程限制。这种监测可以及早发现停工的开始，并以最有效的方式计划和引入纠正措施。

将过程和设备数据结合起来，可以了解资产能力，并允许在整个APC战略中使用准确性，设备完整性和许多其他有用的见解。其结果是在控制和监测系统中提高了过程稳定性，用于所有操作级别的态势感知，以及改进的决策支持系统，以确保资产以最佳方式运行。通过这种方法，可以避免计划外停机，并且可以更有效地利用员工和资源。

利用工业互联网，老化的设备，退休的劳动力

工业物联网对制造业具有重大影响，特别是在基础设施老化，资深操作员和工程师退休的时候。缺乏有经验的工人来代替经验丰富的人员，造成了知识的流失。可以利用工业物联网将知识获取制度化，同时减少对内部专家的需求。该操作可以在外部专家的帮助下完成，例如流程许可人，他们具有公司资产之外的专业知识和可见性。工业物联网还可以对制造商的竞争力产生重大影响。

工业物联网允许公司对当前系统做更多的事情，并扩展业务流程，以加强监控并缩短行动时间。例如，可以通过内部或外部领域专家设置基于云的控制回路和APC监控系统来监控整个企业的控制。跨站点的可见性和知识有助于专家发出警报并与现场专家协作，并在检测到控制效益下降时建议采取措施。每个站点都可以从更早的检测和更快的解决问题中受益，这些问题是由专注于控制性能的更高水平的专业知识提供的。对于企业来说，可以使用比每个站点都有专家更少的资源来部署这些功能。

5 .工业物联网对制造商的好处

为了做出更好的业务决策，工业物联网为公司提供了以下能力:

1. 聚合来自现有数据源的数据
2. 以经济有效的方式创建其他数据源
3. 获得对新数据的可见性
4. 识别模式
5. 通过分析获得洞察力。

通过这种方法，以前未解决的问题以及新的问题都可以通过资产通信和提供实时使用数据来解决，从而使工厂能够进行预测性维护和流程优化。

行业领先的公司正在通过使用流程和事件数据收集领域的成熟解决方案，结合流程和以资产为中心的分析，以及可视化技术来持续和自动地收集、组织和分析数据，从而改变他们的运营。高级分析是工业物联网的支柱之一，它将人、流程和资产连接起来，以优化业务结果。它可以将工作流程从手动和被动转变为自动和主动，帮助用户避免计划外停机，提高性能和安全性。

传感器、自动化系统、云技术

支持iiot的工厂将先进的传感器、自动化系统和云技术与当前系统和数据分析相结合，从而变得更加智能。这种设置提供了在云环境中定位数据的能力，在云环境中可以使用分析工具访问和分析数据。例如，设备振动读数将作为一个值发送到工厂的分布式控制系统(DCS)，而存储在云中的丰富动态数据将允许工程师研究轴承或轴的谐波特征，以确定未决资产故障的根本原因。在大多数情况下，动态数据由定制应用程序中的专家使用，从而限制了工厂中其他用户对其的访问。

在预测性维护和流程性能方面，基于批次的解决方案使工业企业能够管理其资产，并通过边缘分析做出更明智的决策。生产和维护策略可以结合起来，以实现整体的最佳性能，并根据资产明天的预期功能来执行，而不仅仅是根据特定的时期或当前的条件。

工业物联网的另一个关键驱动因素是支持独立应用程序所需的信息技术(IT)技能和专业知识水平的降低，因此公司可以专注于运行和管理运营的核心竞争力。

利用实时分析充分利用工厂数据

主要的自动化供应商已经开发了创新技术，为工厂管理、工程、维护、卓越中心(COE)专家和运营提供实时流程和以资产为中心的分析、性能计算、事件检测和协作。这些解决方案专为设备和过程健康状况的在线连续监测而设计，使工业设施能够预测和防止资产故障和不良操作性能。

实时过程性能监控工具提供统计计算和嵌入式性能模型，当与仪器、过程和设备的近实时监控相结合时，允许用户评估资产性能。它们为了解植物的生长过程提供了一个清晰的窗口。持续监控运行状况，并做出决策和行动，以防止生产损失，最大限度地减少停机时间，减少维护费用。

工厂设备和过程健康监测领域的最新发展利用安全、托管和强化的边缘到云平台，同时专注于数据科学和分析，并应用“数字孪生”模式来驱动其分析模型。在外部专家的帮助下，这些解决方案使工业企业能够从数据中提取有意义的见解。这可以改进决策，并解决诸如安全改进、资产管理和操作优化等问题。因此，加工工厂变得更加灵活，推动了收入的增长，并将重点放在对生产最重要的事情上。

与专注于设备物理状态的状态监测解决方案不同，最新的数据分析和资产监测解决方案将性能下降作为潜在问题的主要指标。例如，在工业物联网中，由于工艺和设备数据不仅用于特定压缩机，还用于类似设计和服务的所有压缩机，因此可以改进性能下降的识别和采取的措施。一些工具采用预定义的最佳实践模板，适用于各种设备类型，包括泵、压缩机、交换器、阀门和涡轮机。结合过程设计仿真软件的接口，该解决方案可帮助用户在任何工厂资产上部署设备或过程监控，从而消除了复杂模型开发的需要。

工业物联网，数字孪生:5个可衡量的收益

重要的是要记住，lloT不仅仅是捕获传感器数据。需要将信息放入资产上下文结构中;仅仅操作基于标签的数据并不能确保可重复和可扩展的解决方案。过程是为了控制而不是可靠性或优化，因此，许多对预测和决策很重要的“衍生数据”被锁定在电子表格和其他独立工具中。持续计算这些数据并将其带入IloT环境至关重要，在该环境中，持续运行时分析可以检查机器学习算法中使用的历史性能。

此外，工业物联网解决方案不应依赖于统计模型来检测正常偏差。拥有一个基本的、基于物理的模型可以创建一个数字双胞胎，其中包含位于云中的流程或资产的虚拟表示。这种设置允许用户对预期过程性能和实际结果进行建模和比较，然后将这些偏差应用于健康退化的早期指标。

数字孪生存在于物理工程和数据科学的交叉点，它们的价值转化为可衡量的业务成果，例如:

1. 减少资产停机时间
2. 更低的维护成本
3. 提高工厂和工厂效率
4. 缩短周期时间
5. 增加生产力。

总结:资产管理、运营分析

整个过程工业的组织都在寻求提高大型资产投资的回报。然而，有效地管理资产需要大量的信息和分析。工业设施需要结合生产和维护策略，以最大限度地减少计划外停机，优化产品质量，同时经济有效地利用现有的运营、维护和工程资源。

只有从整体的角度看待资产管理，才能充分实现lloT的真正价值。强大的虚拟云网络将不断收集、汇总和建模数据，以准确预测退化和故障，并将突发事件置于适当位置，以限制其对系统可用性的影响。通过向连接的系统和最终用户提供实时、智能和可操作的数据，这种方法正在成为提高流程可靠性和降低成本的基础。虽然一些公司可能需要一段时间才能成为一个工业物联网数据驱动的组织，但变革已经到来，他们应该开始为此做好准备。

杰森Urso副总裁兼首席技术官是霍尼韦尔过程解决方案。编辑:Mark T. Hoske，内容经理，控制工程、《媒体,mhoske@cfemedia.com。

关键词:工业数字化、资产管理、分析

考虑一下这个

你的植物吗?优化数字智能以实现运营收益?