義大利國家電力公司 | 看 AI 協助下的『自主工廠』如何實現

  ENEL的數位轉型期許

ENEL 希望擁抱數位轉型以提高生產和管理的效率，利用整合的數位平台，在雲端對工廠進行全面的掌控，進而實現工廠的完全自主化。但是 ENEL 在推動數位轉型的過程中也遇到了一些挑戰：公司員工需要積極迎接改變，秉持進取的心態，改變原有的管理和組織思維。此外，還需要建立工具和工作流程，推動預測性維護的落實。

 如何實現『自主工廠』？

實現『自主工廠』意味著實現「異常監測、故障監測、瞬態監測、全局規範」，進而實現工廠「自主」監測的能力。

AVEVA 軟體所提供的數位分身技術，可以幫助 ENEL 的數位平台將監測到的所有設備與預測性分析引擎相連接。因此，ENEL 的工程團隊不再需要統計不同系統的數據，也無需手動上傳數據至分析軟體，同時還可以讓軟件工程師等專業人士之外的任何運維人員，都能根據營運數據了解設備狀況。

 以 AI 為基礎的預測性維護

針對 ENEL 的需求，AVEVA 提供注入了人工智慧技術的預測性維護方案：

1. 異常監測
   當電廠設備當前運行數據偏離其已知的設備特徵時，便會發出預警指示，這就是異常監測（Anomaly detection）技術。報警會明確地指示哪些設備需要進一步排查，並可以讓監測人員快速連接到診斷和預測資訊系統中。使用者可以透過配置自動接收通知。

2. 故障監測
   故障監測（Fault detection）技術可以精準比對電廠資產設備的當前狀態與常見的故障狀態，並對報警情況進行及時分析，以便迅速診斷問題並加以維護。故障監測有效降低了工程師將異常狀態錯誤歸因的可能性。

3. 瞬態監測
   瞬態監測（Transient analytics）技術可以線上即時監測設備啟動和關閉等瞬態事件期間的異常情況。AVEVA Predictive Analytics 軟體可以實現自動識別歷史數據中的先前瞬態事件，以便進行比較。
4. 全局規範
   全局規範（Full prescriptive）可以提供規範性措施，減緩潛在故障。在處理資產維護和績效問題時，規範性措施可以實現授權員工執行預定義的指示，並在如何調查、應對和解決問題方面改進決策和一致性。
   

ENEL 部署的數位平台將完全整合的數據與豐富的 AI 分析相結合，用以優化流程並提高效率，基於先進的診斷工具改善即時資產管理策略，在發生故障之前進行預測並降低維護成本。

 居家辦公期間取得的成就

ENEL 透過 AVEVA 軟體提供的預測性維護解決方案，在疫情期間確保了業務的彈性和敏捷性，提前檢測到 220 多個風險性事件。在有效避免故障的同時，ENEL 還優化了 23 GW 和 1275 項發電資產的績效。

資料來源：AVEVA