【ZiDongHua 之方案应用场收录关键词：剑维软件  数字化转型  智慧保养  工人智慧  人工智慧 】
　　
　　从“工人智慧”到“人工智慧”：台化兴业（宁波）有限公司的智慧保养转型
　　
　　台化兴业（宁波）有限公司成立于2002年，为台塑集团旗下的子公司，位于宁波的台塑工业园区。公司聚焦于苯酚及丙酮生产及研发，目前总年产能已达到70万吨。2019年，台化兴业（宁波）有限公司入选中国进口企业200强。
　　
　　台化兴业（宁波）有限公司背后的台塑集团在数字化转型的过程中主要聚焦于产销优化、品质确保、智慧保养及节能操作四个场景。近年来伴随着人工智能等技术的突飞猛进，台塑集团凭借敏锐的市场嗅觉，将AI战略纳入了其数字化转型的蓝图之中。
　　
　　从自动化，到大数据，再到AI预测及应用，台塑集团与AVEVA从初识至今已合作超过三十年。早期的PDMS、PI System，以及近些年在「资产策略优化与预测分析」、「经济调度与预测资产优化」、「智慧保养」等诸多环节的合作与技术应用让台塑集团与AVEVA形成了极其默契的合作模式。
　　
 
　　
　　01
　　
 
　　
　　智慧保养：
　　
　　从被动检修到主动维护
　　
　　台化兴业（宁波）有限公司在集团总部提出的AI技术4大应用场景中，在智慧保养的领域有着丰富的实践经验。简言之，智慧保养即通过数据的分析和管理，提前得知设备可能出问题的时间，根据适合的时间停机维修，以降低维护成本、提升工厂工作安全。
　　
　　对于一个大型化工厂而言，设备、产线的健康与否需要时刻重视。
　　
　　通常而言，工厂内部会安置设备管理系统进行数据监测，而这些数据会成为保养、监测、预警的主要信息来源。传统保养主要依赖于员工的经验判断，技术团队会在相应的系统中设置一个报警值，当收到报警后，让现场人员根据设备的技术手册或经验判断问题，并排出一个检维修计划。
　　
　　但问题在于，这类计划往往是“计划外”的，维修的时间可能需要挤出来，无论是生产团队还是检修团队都会被这样的猝不及防打乱节奏。
　　
　　凭借RTPMS（PI System）及预测分析（AVEVA Predictive Analytics）两大法宝，台化兴业（宁波）有限公司从传统保养模式跳脱出来，开辟了设备保养和维护的全新智慧可能。
　　
　　RTPMS设备状态管理系统是一个实时监测系统，可将现场仪表的相关数据拉到一个DCS界面或直观的图控界面。且每个点位和设备厂商提供的参数资料一一对应，在数据与参考参数不匹配或出现异常时予以提示。其中，台化兴业（宁波）有限公司采用了PI System的一个强大功能：当重要设备出现报警时，会通过微信将相关信息发送给主管或设备主要负责人。这样无论相关人员是否在现场，都能对问题做出迅速反应，提前准备。
　　
　　图
　　
　　△设备实时状态监控与异常推送 
　　
　　在预测性分析方面，公司会将PI System收集的制程运转数据（流量、压力、温度等）和设备监控数据（振动值、电流、转速等）进行记录，在历史数据的基础上建立模块预测值及基线，并通过模型进行在线预测，比较实时数据与模块预测值的差异，根据偏差量换算成实时健康指标。如果出现健康偏离指标，系统将进行基于健康偏移度的预警，提示造成偏移度最大的测点，并提示故障诊断分析，以微信/邮件的形式上报相关方。
　　
　　一座工厂的正常运行不是单点的，成千上万的实际点位都被AVEVA的系统“盯紧”，并为团队所用。伴随着智慧保养的转变，台化兴业（宁波）有限公司的团队工作流程也进行了变动，公司成立了专门的预测性保养和维护的团队，制定了全套的智慧保养工作流程。
　　
　　
　　
　　△智慧保养工作流程 
　　
　　智慧做催化，台化兴业（宁波）有限公司实现了：
　　
　　分析优化：
　　
　　智慧保养可以将历史数据进行归纳分析，提前将设备“前期可能存在问题，但又没有严重到影响现有运行状况”的问题提前提示出来，“早发现，早治疗”，避免小问题演变成大问题。
　　
　　计划可控：
　　
　　设备问题和很多病患类似，预防的价值要大于治疗。结合历史故障记录，团队可以通过AVEVA提供数据提前进行保养分析，实现可控的周期性计划，而不是像传统保养中，遇到“紧急问题”被打个措手不及。
　　
　　提高效率：
　　
　　在设备完成维护后，团队成员会根据最终的维修情况出具维修报告。传统模式中，这份报告仅有“留档”作用，大概率是在角落里吃灰。在智慧保养中，团队将维修报告的数据导入到预测分析系统中，为下一次类似情况的发生提供参考经验，大大提高了团队整体的工作效率。
　　
　
　　
　　02
　　
　　智慧保养捕捉案例
　　
　　1、利用制程控制参数偏离进行早期预警
　　
　　台化兴业（宁波）有限公司在实际生产中曾遇到泵浦滤网堵塞的情况。影响这一问题的主要因素是压力和流量。团队发现再沸器与塔间的压力、塔底内部压力以及泵浦到再沸器的流量呈现逐渐递减的态势，当堵塞发生时，塔底内部压力会随着堵塞流量变低而真空度瞬间提高，从而引发报警。
　　
　　而在报警之前的相当长一段时间，流量和压力参数在传统保养中都是在“健康范围内”，所以很难在问题真正爆发之前解决掉。当流量降到影响运行时再去拆清泵浦滤网，污垢已经结块了，甚至会影响周边环保设备的监测报警，牵一发而动全身。
　　
　　△等到流量降到影响运行时再去拆清的泵浦滤网结块状况 
　　
　　而通过预测性分析，团队在制程控制参数偏离预警时就采取了行动，赶在“堵塞”之前先疏通，让小问题在恶化之前得以解决。
　
　　△制程参数偏离预警时拆清的泵浦滤网结块状况 
　　
　　2、苯酚冷却水塔风扇应力波异常
　　
　　在采用智慧保养后的某一日，团队成员收到了一则冷却水塔的微信报警，提示风扇应力波异常。经过趋势分析对比发现，系统是在小范围的偏离时就果断进行了预警。一个“看上去没啥问题”的问题，团队选择了相信数据的判断。
　　
　　工作人员前往现场确认，发现异常来源于一台马达震动数据，于是采取了进一步的频谱分析，最终得出结论：马达的轴承润滑不太好。团队立刻加注了润滑油，一小时后再次观察预测模组时，数据已经恢复正常运行。
　　
　　这是一个看上去并不怎么重要的小事，问题的处理方式也是“加些润滑油”这么简单。但事实上，如此简单的解决方案是基于在问题恶化之前就处理了。
　　
　　假如公司采用传统的保养方式，这台有问题的马达没有人注意到，长时间的轴承失效，将会导致马达轴承卡塞，进而停机。整个冷却塔或许就无法运行了，这或将导致10%-15%的产能下降。换言之，此次预测性分析和维护，让公司避免了如此巨大的风险。
　　
　　从传统保养，到智慧维护；从被动维修，到主动分析，台化兴业（宁波）有限公司正在与AVEVA携手，努力将人为经验通过大数据的处理优化，最终将这些【工人智慧】转化成【人工智慧】。