Интеллектуальная диагностика и предиктивный анализ – основа цифровой энергетики

Картинки по запросу энергетика системы управленияЭнергетические предприятия обладают наиболее благоприятной почвой для цифровизации из-за развитой инфраструктуры и автоматизации. Большое количество стационарных датчиков и микропроцессорных систем управления позволяют собирать данные и переводить предприятие в «цифру». С помощью систем класса AI — интеллектуальной аналитики — энергетические компании могут анализировать все собранные данные и прогнозировать техническое состояние оборудования. Одним из решений для интеллектуальной диагностики и предиктивного анализа является Clover PMM (Predictive Maintenance & Monitoring) — разработка российской компании Clover Group.

Картинки по запросу энергетика системы управления

Решаемые задачи с помощью Clover PMM в энергетике

В основе Clover PMM – два модуля: поиска аномалий (ненормальных состояний) в работе оборудования и модуль прогнозирования, который строит прогноз отказа конструктивного элемента или оборудования.

Первый модуль интеллектуально диагностирует оборудование – позволяет выявить аномальные состояния в режиме реального времени. Например, для одной генерирующей компании Clover выявил превышение температур в пазах статора турбогенератора. Само превышение было некритичным, но такие случаи система находит и выводит автоматически. Во-вторых, система понимает, что такого рода ситуации приведут к отказу оборудования, особенно, если продолжать эксплуатировать в высоконагруженных режимах. Поэтому система обязательно показывает это пользователю – это и есть интеллектуальная диагностика.

Модуль предиктивного анализа прогнозирует состояние агрегатов и обучается по мере поступления обратной связи от инженеров и технологов. Данный модуль позволяет понять состояние конструктивного элемента в течение определенного времени перед тем, как принять решение о ремонте или утилизации оборудования.

Например, по плану необходимо вывести агрегат в ремонт через полгода. До этого Clover уже нашел превышение температур и сейчас строит прогноз – к чему приведет аномалия, проявится ли в виде дефекта или отказа, когда это случится – в течение полугода или позже. То есть, прогнозирование помогает принять решение о судьбе оборудования и сформировать план ремонта на основе фактического и прогнозного состояния. Также Clover PMM дообучается инженерами, технологами с помощью машинного обучения.

Основная задача, которую решает Clover PMM в энергетике — правильное формирование программы ремонтов относительно текущего и прогнозного технического состояния оборудования.

Пользователи Clover PMM

Так как Clover PMM умеет прогнозировать остановку, поломку, находить предотказные состояния и выводит эту информацию на экран компьютера, то оперативный персонал, который управляет изменениями и режимами – основные пользователи. Например, служба главного инженера, которая отвечает за эксплуатацию оборудования. Для них важно обеспечить надежность оборудования и бесперебойность его работы.

Для ремонтных и сервисных компаний Clover PMM удобен при планировании материально-технических ресурсов и состава ремонтных бригад электростанции. Clover позволяет увидеть настоящее и прогнозное техническое состояние по каждому агрегату, как по основному, так и вспомогательному, за счет этого формируется программа ремонтов «по состоянию».

Этапы и сроки внедрения интеллектуальной аналитики

В основе аналитики лежат данные, основные источники которых АСУ ТП, ERP, MES, ТОиР, любые другие системы, хранящие информацию с датчиков, о ремонтах; внешние факторы (влажность, температуры и т.д.). Данные передаются специалистам Clover Group для подготовки к анализу: структурированию и обогащению.

Важно понимать, что от количества данных зависит точность прогноза: если заказчик накопил достаточное количество данных, то модуль предиктивного анализа заработает сразу и можно получать эффекты прямо сейчас. Если данных недостаточно, то после внедрения Clover PMM сборы только начинаются, и настройка предиктивной модели займет несколько месяцев.

Похожее изображение

Для каждого оборудования нужно разное количество данных. Например, для вспомогательного оборудования, компрессора компании Atlas Copco достаточно было данных одного года. После сбора данные загружают в экспертно-аналитическую систему Clover, где математики совместно с отраслевыми экспертами выделяют аномальные состояния и дефекты работы оборудования, идентифицируют нарушения режимов эксплуатации и строят прогнозную модель отказов агрегатов.

Система дообучается отраслевыми экспертами и инженерами, то есть оцифровывает опыт экспертов и применяет его в анализе. Например, при поломке конструктивного элемента или появлении аномалии, можно классифицировать причину почему так произошло, например, из-за нарушения режима эксплуатации. Для этого нужны знания экспертов, они поясняют, что стало причиной аномалии, а математики записывают это правило в систему, дообучая ее на основе экспертного мнения.

Для вывода результатов Clover PMM интегрируется с ИТ-инфраструктурой заказчика, например, класса ERP, EAM. В данную систему передаются предотказные состояния оборудования, данные о фактическом и прогнозном техническом состоянии конструктивного элемента и оборудования. Если нет системы управления ремонтами, Clover встраивается в другую — зависит от особенностей инфраструктуры заказчика.

Демонстрация интерфейса Clover PMM для воздуходувки

Срок внедрения модулей Clover PMM — 4 месяца.

Важно понимать, что PMM — это система аналитики больших данных, которая позволяет выдернуть ценное зерно в вид физических зависимостей и на основе этой информации принимать решения об оборудовании, а не классическое АСУ ТП, основная функция которого – управлять оборудованием по уставкам параметров. Данные системы хорошо дополняют друг друга: АСУ ТП отдает данные, а Clover PMM анализирует.

Эффекты и выгоды для энергетических компаний

Наибольший эффект и выгоды получат генерирующие компании — те, кто напрямую сталкивается с ремонтами и у кого от работоспособности оборудования зависит экономика предприятия. Например, Clover PMM поможет избежать штрафов из-за аварийного отключение агрегата.

Краткосрочные выгоды будет видно с первых дней работы — оптимизация планирования в части заказа необходимых запасных частей и материалов для ремонта оборудования, уменьшение количества внеплановых ремонтов, снижение затрат на ремонт оборудования, контроль нарушений режимов эксплуатации. Ключевой долгосрочный эффект — изменение ремонтных норм, ремонт по состоянию, а это повышение надежности оборудования и его «понимание».

Источник: http://isicad.ru/

Картинки по запросу энергетика системы управления

Понравилась статья? Тогда поддержите нас, поделитесь с друзьями и заглядывайте по рекламным ссылкам!