朗坤智慧

設備是現(xiàn)代化工廠的核心資產(chǎn)，尤其在重資產(chǎn)流程行業(yè)中，設備的故障將造成效能降低、企業(yè)停產(chǎn)等事故，給企業(yè)帶來巨大損失。目前針對設備故障采用的定期檢修維護措施，雖然在預防設備故障和事故方面能起到一定的作用，但檢修周期計劃性太強，一方面會導致維修過剩，出現(xiàn)“小病大治”“無病亦治”的盲目維修現(xiàn)象;另一方面因為無法掌握設備運行的實時狀態(tài)，則無法保障設備在出現(xiàn)故障時第一時間被檢修。另外，定期維修的周期通常是根據(jù)人的經(jīng)驗和某些統(tǒng)計資料來制定的，其中存在的偏差也會降低定期維修的科學性。

當工業(yè)互聯(lián)網(wǎng)遇上設備管理

目前已有很多企業(yè)在設備診斷方面做了一些探索，包括設備監(jiān)測和故障報警等，例如提前設置限值，達到限值則會報警，但實際上這類措施對檢修維護來說意義并不大?；蛟S我們需要思考，設備運行產(chǎn)生的歷史數(shù)據(jù)能不能支持我們做一些分析，實現(xiàn)設備提前預警和預測？

當工業(yè)互聯(lián)網(wǎng)遇上設備管理，即會碰撞出一切可能。

工業(yè)互聯(lián)網(wǎng)關鍵技術——“數(shù)字孿生”（Digital Twin）是以數(shù)字化方式拷貝一個物理對象，模擬對象在現(xiàn)實環(huán)境中的行為，對產(chǎn)品、制造過程乃至整個工廠進行虛擬仿真，再結合物聯(lián)網(wǎng)、機理建模、AI建模等一系列技術，讓企業(yè)能夠感知設備實時狀態(tài)、掌握設備運行原理、了解設備運行個性，最終實現(xiàn)對設備過去發(fā)生問題的診斷、當前狀態(tài)的評估以及未來趨勢的預測。

把設備比作人，設備故障比作疾病，那么……

“急性病”怎么治

“急性病”? 比喻突發(fā)故障、瞬間停機（工件卡殼）、DCS保護跳閘、保護邏輯沖突導致的非計劃停機等緊急性故障現(xiàn)象。

現(xiàn)狀? 采用故障檢修、計劃性檢修、點檢定修模式;只能在設備故障發(fā)生后做維修處理。

思考? 識別關鍵特征參數(shù)，能否提前預測其變化趨勢？參數(shù)越限之前，能夠提前預警，避免非停？

“慢性病”怎么治

“慢性病”? 比喻設備表面上在正常運行，實際運行工況處于不良狀態(tài)，屬于“亞健康”。設備在“亞健康”狀態(tài)下長期運行則會引起設備老化、磨損、效率下降，最終導致設備壽命損耗，乃至設備故障損壞，釀成嚴重后果。

現(xiàn)狀? 無法感知設備運行工況;需通過運行臺賬分析設備運行情況;需定期試驗評估設備運行工況。

思考? 結合設備性能曲線，能否在線評估當前運行工況健康度？統(tǒng)計設備歷史工況健康分布，能否指出設備工況隱患？是否可以基于工況變化趨勢，實現(xiàn)工況劣化提前預警？

能否實現(xiàn)“治未病”

“治未病”? 比喻建立設備關鍵參數(shù)劣化預警模型，分析設備早期故障征兆，指導用戶對設備進行科學養(yǎng)護。

現(xiàn)狀? 依賴于固定上下限報警，無法獲知設備早期異常;固定限值報警沒有與工況關聯(lián)，存在大概率漏報和誤報現(xiàn)象

思考? 如何梳理設備多工況特征參數(shù)？如何訓練并驗證各類設備多工況大數(shù)據(jù)模型，實現(xiàn)設備故障精準預警？如何通過分析早期參數(shù)劣化征兆，優(yōu)化運行工況與維護策略，實現(xiàn)預測性維護？

蘇暢設備“扁鵲”平臺實現(xiàn)劣化分析和趨勢預測

針對設備“疾病”，如果一個平臺能夠圍繞設備診斷實現(xiàn)“懂過去、知現(xiàn)在、算未來”，可形象地稱之為“扁鵲”平臺，蘇暢設備診斷平臺即是這樣的，在劣化分析和趨勢預測方面具備豐富的實踐經(jīng)驗和卓越的應用效果。

設備參數(shù)看得“遠”，設備狀態(tài)看得“懂”，設備診斷看得“透”。在華能玉環(huán)電廠中，蘇暢“數(shù)字雙胞胎技術”就得到了有力驗證。華能玉環(huán)電廠，是國內首臺國產(chǎn)100萬千瓦超超臨界火電機組建成運營的示范電廠，機器的每一次震顫、每一點溫度變化都轉化為數(shù)據(jù)語言，每一臺設備都被克隆出了虛擬版的“雙胞胎兄弟”。以爐水循環(huán)泵、氧化風機、漿液循環(huán)泵這三類電廠的關鍵設備為應用對象，我們在設備劣化分析和趨勢預測方面獲得了真實的應用效果。

設備參數(shù)看得遠 平臺可基于AI模型實現(xiàn)設備特征參數(shù)趨勢預測。傳統(tǒng)的超限報警是基于DCS系統(tǒng)的跳閘保護邏輯，越限才觸發(fā)，為時已晚，而基于數(shù)據(jù)智能可提前預測未來變化趨勢，避免非計劃停運！

設備狀態(tài)看得懂 建立設備狀態(tài)評價模型，從通訊（數(shù)據(jù)質量）、能效水平、運行工況、健康狀態(tài)、運維質量五個維度對設備狀態(tài)進行全面評價。設備評價規(guī)則及設備故障規(guī)則皆可定義。一方面，設備每個維度的狀態(tài)評價都由諸多故障模式組成，每個故障模式的權重都可定義;另一方面，每個故障模式的判定規(guī)則也都是可定義，內置AI模型、相關系數(shù)分析、振動函數(shù)等，并支持規(guī)則嵌套、時長判別等復雜邏輯。

設備診斷看得透 將大數(shù)據(jù)AI模型、機理模型、故障知識庫深度融合，平臺能夠精準識別設備故障部件、故障模式、故障原因、故障等級及改善措施，并自動生成詳盡的設備診斷報告。

模型驗證案例真實反饋，設備預測精準有效。

案例一? 按照安全標準，爐水循環(huán)泵入口水溫和泵殼金屬溫度溫差如果超過一定攝氏度，即泵內外溫差過大時會產(chǎn)生熱應力，泵殼金屬材料長期受此影響會產(chǎn)生蠕變，使得泵有泄漏風險，存在極大的安全隱患。某電廠爐水循環(huán)泵熱應力預警模型，提前兩小時便發(fā)出預警，并提醒現(xiàn)場人員通過調節(jié)出口閥來降低循環(huán)泵流量下降速度，并增大噴射水流量等方式來控制溫差， 從而提升設備運行安全性，避免了隱患。

案例二? 2017年11月8日，某電廠#2爐B側一次風機本地異響，振動偏大，停機檢查發(fā)現(xiàn)葉輪損壞。他們導出了故障前兩個月數(shù)據(jù)（9.06-11.10），使用了9.06-10.18號數(shù)據(jù)，將一次風機振動作為輸出，建立振動模型。隨后利用訓練模型計算了10.08-11.10一次風機振動值。以天和小時兩個維度，聚合統(tǒng)計一次風機振動計算值與實際值的均方根誤差?？梢园l(fā)現(xiàn)在故障前一個月，均方根誤差異常情況發(fā)生頻率開始增大，誤差值也逐漸變大，11.7日與11.8日均方根誤差達到兩個高峰，觸發(fā)了模型報警。

以上成功實踐，都基于朗坤蘇暢的設備建模平臺，利用機理建模、AI建模等技術手段，構建設備“數(shù)字孿生體”，預測設備參數(shù)變化趨勢。結合性能劣化、電氣、動力、泄露、潤滑等幾十種設備機理模式，從通訊狀態(tài)、能效狀態(tài)、運行狀態(tài)、健康狀態(tài)、運維狀態(tài)五個維度對設備狀態(tài)進行全面評價。讓設備參數(shù)看得“遠”，設備狀態(tài)看得“懂”，設備診斷看得“透”;實現(xiàn)了為設備“治急性病”“治慢性病”“治未病”的應用效果。

基于蘇暢工業(yè)互聯(lián)網(wǎng)的設備故障診斷，獨具創(chuàng)新實力硬核

融入專家知識庫，融合機理+AI，讓設備診斷更精準、智能。AI模型能夠賦予設備診斷預警和預測的能力，同時設備診斷為AI建模提供了數(shù)據(jù)養(yǎng)殖的手段。

蘇暢工業(yè)互聯(lián)網(wǎng)平臺為設備診斷提供堅實的平臺后盾。朗坤蘇暢以設備智慧運維為重要價值出口，直擊工業(yè)企業(yè)設備管理痛點，通過設備故障診斷、預測、精準運維，對設備賦“能”、賦“智”。繼華能玉環(huán)電廠項目成功試點之后，近期，朗坤蘇暢也成功應用于山東臨礦集團，為其打造設備健康監(jiān)測與智能故障診斷平臺，用物聯(lián)網(wǎng)和大數(shù)據(jù)技術賦能企業(yè)升級提效增值，實現(xiàn)設備智慧維護、生產(chǎn)優(yōu)化調度，支撐臨礦集團的產(chǎn)能調控和戰(zhàn)略轉型，建立從生產(chǎn)技術到?jīng)Q策管理的智能化的煤炭工業(yè)新生態(tài)。