激活數字孿生 煥發設備管理新動力

朗坤智慧

設備是現代化工廠的核心資產，尤其在重資產流程行業中，設備的故障將造成效能降低、企業停產等事故，給企業帶來巨大損失。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“小病大治”“無病亦治”的盲目維修現象;另一方面因為無法掌握設備運行的實時狀態，則無法保障設備在出現故障時第一時間被檢修。另外，定期維修的周期通常是根據人的經驗和某些統計資料來制定的，其中存在的偏差也會降低定期維修的科學性。

當工業互聯網遇上設備管理

目前已有很多企業在設備診斷方面做了一些探索，包括設備監測和故障報警等，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。或許我們需要思考，設備運行產生的歷史數據能不能支持我們做一些分析，實現設備提前預警和預測？

當工業互聯網遇上設備管理，即會碰撞出一切可能。

工業互聯網關鍵技術——“數字孿生”（Digital Twin）是以數字化方式拷貝一個物理對象，模擬對象在現實環境中的行為，對產品、制造過程乃至整個工廠進行虛擬仿真，再結合物聯網、機理建模、AI建模等一系列技術，讓企業能夠感知設備實時狀態、掌握設備運行原理、了解設備運行個性，最終實現對設備過去發生問題的診斷、當前狀態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象。

現狀? 采用故障檢修、計劃性檢修、點檢定修模式;只能在設備故障發生后做維修處理。

思考? 識別關鍵特征參數，能否提前預測其變化趨勢？參數越限之前，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，屬于“亞健康”。設備在“亞健康”狀態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，實現工況劣化提前預警？

能否實現“治未病”

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

現狀? 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，存在大概率漏報和誤報現象

思考? 如何梳理設備多工況特征參數？如何訓練并驗證各類設備多工況大數據模型，實現設備故障精準預警？如何通過分析早期參數劣化征兆，優化運行工況與維護策略，實現預測性維護？

蘇暢設備“扁鵲”平臺實現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“懂過去、知現在、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驗和卓越的應用效果。

設備參數看得“遠”，設備狀態看得“懂”，設備診斷看得“透”。在華能玉環電廠中，蘇暢“數字雙胞胎技術”就得到了有力驗證。華能玉環電廠，是國內首臺國產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據語言，每一臺設備都被克隆出了虛擬版的“雙胞胎兄弟”。以爐水循環泵、氧化風機、漿液循環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。

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

設備狀態看得懂 建立設備狀態評價模型，從通訊（數據質量）、能效水平、運行工況、健康狀態、運維質量五個維度對設備狀態進行全面評價。設備評價規則及設備故障規則皆可定義。一方面，設備每個維度的狀態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則也都是可定義，內置AI模型、相關系數分析、振動函數等，并支持規則嵌套、時長判別等復雜邏輯。

設備診斷看得透 將大數據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生熱應力，泵殼金屬材料長期受此影響會產生蠕變，使得泵有泄漏風險，存在極大的安全隱患。某電廠爐水循環泵熱應力預警模型，提前兩小時便發出預警，并提醒現場人員通過調節出口閥來降低循環泵流量下降速度，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，停機檢查發現葉輪損壞。他們導出了故障前兩個月數據（9.06-11.10），使用了9.06-10.18號數據，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，聚合統計一次風機振動計算值與實際值的均方根誤差。可以發現在故障前一個月，均方根誤差異常情況發生頻率開始增大，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“數字孿生體”，預測設備參數變化趨勢。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、能效狀態、運行狀態、健康狀態、運維狀態五個維度對設備狀態進行全面評價。讓設備參數看得“遠”，設備狀態看得“懂”，設備診斷看得“透”;實現了為設備“治急性病”“治慢性病”“治未病”的應用效果。

基于蘇暢工業互聯網的設備故障診斷，獨具創新實力硬核

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建模提供了數據養殖的手段。

蘇暢工業互聯網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，直擊工業企業設備管理痛點，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測與智能故障診斷平臺，用物聯網和大數據技術賦能企業升級提效增值，實現設備智慧維護、生產優化調度，支撐臨礦集團的產能調控和戰略轉型，建立從生產技術到決策管理的智能化的煤炭工業新生態。