本文图片来源 ：Honeywell Process Solutions
工业设施需要利用工业物联网（IIoT）和数字孪生工具来整合生产和维护策略，以最大限度地减少计划外停机并提升产品质量，同时经济高效地利用现有运营、维护和工程资源。
如何将关键绩效指标提升 10% 至 25% ？在竞争激烈的全球市场中，工业企业正在寻求通用“数字智能”（digital intelligence）来管理和运营数百甚至数千项资产，从单个站点到遍及整个企业，以满足关键的运营需求。他们还需要有效的工具，将过程性能、设备健康、能耗和排放监测相关的过程数据，转化为有用的实时信息。
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综合分析以及用于连续自动收集、组织和分析数据的可视化技术等。更智能的工厂会采用与当前系统和数据分析工具集成的传感器、自动化系统和云技术。
工厂运行人员、工艺和设备工程师和管理人员，需要持续监控和监督并与专家协作，以便主动采取行动。这项活动可以最大限度地减少设备退化、低性能和次生损坏，以降低成本，并提高产量和利润。
01 关键指标的提升
对 IIoT 部署的快速接受，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。在企业层面，这一变化推动了对性能管理、过程监控、预测性维护计划的实施，也推动了业务转型，其目标是消除计划外停机并降低运营成本，同时保持产品质量和法规遵从性。
IIoT 的有效部署能够集成当前系统，并添加新的数据源和分析，以支持以绩效监控和决策支持为重点的互补、持续的过程改进。这种方法的诸多优势包括：
■将过程可靠性和资产利用率提升多达 10%：在运行和完整性范围内定义并运行、预测故障和提供主动响应，最小化速度和效率损失，从而减少计划外停机时间。
■将运营效率提高 10%：工业企业可以通过绩效管 理，包括产量、能源和原材料利用以使成本降低。这主要源于持续监控、远程协作和随时访问所需要 的信息以及对改进决策的支持，进而提高工程和生 产效率。
■保 持 先 进 的 控 制 和 可 预 防 的 退 化， 效 益 高 达 25%：控制团队可以保持控制回路、控制器和模型 的有效性；根据新的运行条件和过程变化来进行调 整控制；解决关键仪表的问题。
■提高安全性：确保正常和稳定的运行，生产设施 可以将风险最小化，并消除为了安全系统验证而导 致的生产中断。
■将维护成本降低 10%：运营团队可以采取积极措 施，最大限度地减少设备损坏和紧急工况，同时根 据资产的实际状况进行优化维护，从而提高可靠性 并延长设备使用寿命。
02 超越传统控制的优势
为了确保正常运行时间，企业通常都倾向于向现场派驻技术人员，定期进行诊断检查和预防性维护。不幸的是，这是一个成本高昂、劳动密集型的过程，而且几乎不能保证在两次检查之间不会发生故障。
为了提高效率，很多企业实施了先进过程控制（APC），用报警系统来定义运行边界，创建了关键绩效指标（KPI），并依赖现场专家来帮助解决运营问题。由于依赖于专业且经验丰富的现场工作人员，因此这些措施的有效性很难保证。
此外，制造企业正在寻求充分利用那些可能对其绩效产生重大影响的大量数据。解释警报是安全操作的核心之一。对异常情况采取有效行动也很重要。为了支持制造设施内所需的各种监控和决策支持应用，需要将数据转化为信息并与其情境信息一起交付，以便不同的人能够以多种方式理解和使用数据。
03 运营和OEE 的5 个关键目标
对于制造业和其它运营公司而言，资产故障以及工艺和设备效率不可察觉的降低，是对运营计划和整体设备效率（OEE）的持续威胁。因此，他们将支出向设备维护倾斜，但这会损失潜在收入。熟练技术工人的可用性和日益复杂的生产过程等因素，正在影响对资产健康状况和过程绩效恶化进行预测和检测的能力。
为了最大限度地提高整体性能，现代工厂正在寻找将运营和维护理念从被动转变为主动，其目标是在减少计划外停机的同时，尽可能保持运营的高效稳定。关键的运营目标通常包括：
1. 为过程性能、设备和控制部署在线、持续的监控和基于异常的报警。
2. 在整个企业中，为增加数据可用性进行投资。
3. 利用基于情境的数据来分析资产，以确定相似的条件或行为。
4. 为工艺和可靠性工程师提供工具，以实现可视化数据探索，减少对复杂机器学习算法的依赖，从而解决问题。
5. 与内部和外部主题专家（SME）建立合作关系。
集成的运营和维护战略为企业带来了新的可能性。来自过程和机器状况监控传感器的数据被整合在一起，以识别可能存在的故障或过程限制的任何模式。这种监测有助于及早发现可能发生的停工，并以最有效的方式规划和引入纠正措施。
整合的过程和设备数据可以了解资产功能，并可将准确性、设备完整性和许多其它有用的见解用于先进过程控制战略。其结果是在控制和监视系统内，实现更高的过程稳定性，以便在各级运营中实现态势感知，并改进决策支持系统，以确保资产运行在最佳方式。利用这种方法可以避免计划外停机，更有效地利用员工和资源。
04 更好地利用老化的设备和劳动力
IIoT对制造业有重大影响，尤其是在基础设施老化、资深运行人员和工程师退休的时候。缺少有经验的工人来代替那些经验丰富的人员，会导致知识的流失。可以利用IIoT将知识获取制度化，同时减少对内部专家的需求。这项活动可以在外部专家的帮助下完成，例如工艺授权方，他们具有公司资产以外的专业知识和可见性。IIoT对制造商的竞争力也有重大影响。
IIoT使企业可以利用当前系统做更多事情，并扩展其业务过程，以加强监控并缩短执行时间。例如，可以配置基于云的控制回路和APC监控系统，由内部或外部行业专家监控整个企业的控制。跨站点的可视性和知识有助于场外专家与现场专家协作，在监测到控制效益下降时，推荐需要采取的措施。专注于实现更高水平控制性能的专业知识，可以更早检测到问题并更快得到解决，每个现场都可以从中受益。对于企业来说，无需为每个现场配置一名专家就可以实现这些功能。
▲发电站、天然气处理厂和炼油厂的运营商正受益于数字孪生技术的实施。由于这些行业具有较高的火灾和爆炸风险，数字孪生技术可以预测何时进行维护，以便在出现问题之前主动解决问题。
05 制造商从IIoT获得的收益
为了做出更好的业务决策，IIoT可以帮助制造企业提升以下能力：
1. 聚合现有数据源；
2. 以经济高效的方式创建其它数据源；
3. 了解新数据；
4. 识别模式；
5. 通过分析获得见解。
这种方法利用资产通信和实时数据，可以解决以前未解决的问题以及新出现的问题，使工厂能够进行预测性维护和过程优化。
在过程和事件数据收集、整合过程、以资产为中心的分析以及最终的可视化技术等领域，业界领先的公司正在使用经验证的解决方案，持续自动收集、组织和分析数据，从而转变其运营方式。在IIoT连接人员、过程和资产以优化业务结果的过程中，高级分析是其支柱之一。它可以将工作过程从手动和被动模式转变为自动和主动模式，从而可以帮助用户避免意外停机，提高性能和安全性。
06 传感器、自动化系统和云技术
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，从而变得更智能。
这种配置提供了查找数据的能力，可以使用分析工具访问并分析云端数据。例如，设备振动读数将以数值的形式，发送给工厂的分布式控制系统（DCS），而工程师可以通过云端存储的、具有丰富信息的动态数据，研究轴承或轴的谐波特征，以确定资产故障的根本原因。在大多数情况下，动态数据由专家在定制应用中使用，因此会限制工厂其它用户的访问。
在预测性维护和过程性能方面，基于IIoT的解决方案使工业企业能够通过边缘分析，来管理其资产并做出更明智的决策。可以将生产和维护策略结合起来，以获得最佳总体性能，并根据资产的预期运行方式执行，而不仅仅是根据特定周期或当前条件。
IIoT的另一个关键驱动因素，是需要更少的信息技术（IT）技能和专业知识水平来支持独立应用，这样企业就能专注于运行和管理运营的核心能力。
07 利用实时分析来充分挖掘工厂数据
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，提供实时过程和以资产为中心的分析、性能计算、事件检测和协作。这些解决方案旨在对设备和过程运行状况进行在线连续监控，使工业设施能够预测和预防资产故障和糟糕的运行性能。
当其与仪器、过程和设备近乎实时的监控相结合时，实时过程性能监控工具可以提供统计计算和嵌入式性能模型，这样用户就可以评估资产性能。它们为工厂过程提供了一个清晰的窗口。持续监控运营工况，做出决策并采取行动，以防止生产损失，最大限度地减少停机时间并降低维护费用。
工厂设备和过程健康监测领域的最新发展，是利用安全的、管理型和强化的边缘到云的平台，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其数据中提取有意义的见解。这会改进决策，并解决诸如安全改进、资产管理和运营优化等问题。因此，过程工厂变得更灵活，收入持续增加，并可以将重心放在对生产最重要的方面。
与关注单个设备物理状况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，将性能退化作为潜在问题的主要指标。例如，由于工艺和设备数据不仅用于特定压缩机，而且也用于所有相似压缩机的设计和服务，因此借助IIoT可以更好地识别性能下降并采取相应的措施。一些工具配置了预定义最佳实践模板，可适用于各类设备，包括泵、压缩机、交换器、阀门和涡轮机。此类解决方案与工艺设计模拟软件接口结合，可帮助用户在任何工厂资产上部署设备或过程监控，从而不必开发复杂的模型。
发电站、天然气处理厂和炼油厂的运营商，受益于数字孪生技术的实施。由于该行业具有较高的火灾和爆炸风险，数字孪生技术有助于企业预测何时进行维护，以便在出现问题之前主动解决问题。
08 创建数字孪生模型的好处
重要的是要记住：IIoT不仅仅是捕获传感器数据，还需要将信息置于资产的情境信息中；仅仅在基于标签的数据上进行操作，并不能确保解决方案的可重复性和可扩展性。过程是为了控制而不是为了可靠性或优化而安装的，因此，许多对预测和决策至关重要的“衍生数据”，被锁定在电子表格和其它独立工具中。必须持续计算此数据，并将其引入IIoT环境，在该环境中持续分析可以检查历史性能，以用于机器学习算法。
此外，IIoT解决方案不应依赖统计模型来检测偏离正常值的工况。拥有一个基本的、基于物理的模型，可以创建一个数字孪生模型，它是位于云端的过程或资产的虚拟表示。此装置允许用户建模，并将预期的过程性能与实际结果进行比较，然后将这些偏差作为健康状况恶化的早期指标。
数字孪生是物理工程和数据科学的交叉，其价值可转化为可测量的业务成果，例如：
1. 减少资产停机时间；
2. 降低维护成本；
3. 提高工厂效率；
4. 减少循环时间；
5. 提高生产力。
过程工业企业正在寻求提高其大型资产的投资回报率。然而，有效管理资产需要丰富的信息和分析。工业设施需要结合生产和维护策略，以尽量减少计划外停机，优化产品质量，同时经济高效地利用现有运营、维护和工程资源。
只有从资产管理的整体出发，才能充分实现IIoT的真正价值。强大的虚拟云网络，可以持续收集、汇总数据并建模，以准确预测退化和故障，并安排应急措施，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过程可靠性、降低成本的基础。虽然对于一些企业来讲，要成为IIoT数据驱动型的组织可能需要些时间，但变革已经到来，他们应该开始为之做好准备。（作者 | Jason Urso）
关键概念：
■ 了解数字化和 IIoT 如何实现关键指标的增长。
■ 资产故障以及工艺和设备效率不可察觉的降低，是对运营计划和 OEE 的持续威胁，对这一情况需要及时了解。
■ 将传感器、自动化系统和云技术应用于更智能、支持 IIoT 的工厂。
思考一下：
贵厂是否正在优化数字智能以实现运营收益？