從被動式維護轉向主動式預測性維護，您準備好了嗎？
如今，包括化工、電力公司等在內的許多工業企業，每天都面臨來自市場和工廠的眾多挑戰，從滿足合乎規範、降低成本，或是從不斷升級的市場競爭到安全問題，都給企業帶來了巨大的壓力。
企業必須尋找新的方法來獲得對當前營運的洞見，使其能夠從海量的數據和紛雜資訊中抽絲剝繭，更快地獲得有價值的資訊，進而推動相應營運決策的制定，並更加從容地去應對這些挑戰。
為此，許多企業開始使用 PI System 來管理其營運資料。借助 PI System 這個強大的數據管理平台，企業可以蒐集、管理和分析其生產過程中的大量歷史數據和即時營運數據，並透過視覺化、情境化的方式來獲得更有價值的營運洞見。
此外，以 PI System 為基礎，企業可以部署各種進階工具和策略，包括預測性維護和進階分析工具，以最大化 PI System 的投資回報、推動數位轉型計畫並利用營運數據來實現整體業務目標。
這也是眾多化工、電力公司等工業企業紛紛開始在 PI System 基礎架構之上部署 AVEVA Predictive Analytics 預測性資產分析解決方案的原因。
透過將基於 AI 和機器學習演算法的 AVEVA Predictive Analytics 解決方案與具有情境環境的 PI System 資訊整合後，可實現工廠設備運作狀態的即時分析及偏離工況預警，能夠動態診斷當前資產可靠性及效能偏差，最終實現整個工廠設備的即時監控和故障診斷。
讓工業企業從傳統的被動式維護轉變為主動式的預測性維護，最佳化流程和資產，並藉助最佳的團隊和資源將停機時間和業務中斷的情況減至最低。
例如液空集團（Air Liquide）就因此而受益。
案例研究
洞悉營運隱患，向卓越營運邁進
液空集團（Air Liquide）的大型工業部門面臨巨大壓力。該部門的公共事業客戶要求液空集團能持續為其供應氧氣、氫氣等，因此任何設備需要停機都必須精心規劃。
液化空氣集團必須在正確的時間和地點配備對應的專家和維修團隊，確保所有必要的零件和人員準確到位，並在需要停機時與客戶協商，甚至安排供應替代產品。
近 20 年來，液空集團一直在使用 PI System 管理其營運數據。雖然液化空氣擁有大量的數據點，但如果能預測設備資產老化和潛在故障，則可以盡可能有效地規劃維護工作。
因此，液空集團選擇部署了 AVEVA Predictive Analytics，使得團隊能夠運用人工智慧演算法分析液空集團的歷史 PI System 數據，在設備資產發生故障前發現隱憂並排除相關風險。
例如，熱交換器的水溫下降通知會為團隊提供足夠的緩衝時間，讓他們可以提前規劃，並在方便時拆卸檢查。經過檢查，他們發現一處焊接處發生洩漏，另外其他幾個焊接處有不良狀況，如果不及時處理，會導致災難性後果。
相輔相成、基於合作的預測性維護
透過下面的範例，可以更清楚地了解 AVEVA Predictive Analytics 與 PI System 是如何在日常運作中聯手實現協力合作的預測性維護。
| 1. AVEVA Predictive Analytics 會透過建立的機器學習模型監控來自 PI System 的設備日常運行數據，當設備實際運行值與模型預測值發生一定偏差時，會觸發警報，並進行相應的故障診斷，給出設備可能發生的故障情形，為監控中心或現場營運團隊給予指導性建議。 |
| 2. 監控中心透過 AVEVA Predictive Analytics 將偵測到的異常訊息和指導規範傳送給現場。現場營運團隊可直接在 PI System 的 PI Vision 中看到所發出的警告，並進一步檢視警報的問題是否真實存在。然後回饋給監控中心，需了解設備的運作剩餘使用壽命以進行下一步的維修安排。 |
| 3. 監控中心使用 AVEVA Predictive Analytics 評估該設備的運作剩餘 2 週使用壽命，並基於此與現場團隊、需求和調度團隊等共同協作，安排了設備的維護檢查。最終發現是燃氣渦輪機的軸承校對問題導致了警報，在及時修復後，將其突發故障的隱患成功消除。 |
現在，液空集團擁有 3500 多個預測模型，監控 140 個營運站點，使團隊能夠存取全球的預測分析網路。AVEVA Predictive Analytics 和PI System 幫助液空集團在其客戶、業務營運、分析師和 SME 之間建立了新的合作夥伴關係。這些團隊將共同利用預測性資訊來部署最佳維護和維修策略。
對於液空集團等工業企業而言，PI System 和 AVEVA Predictive Analytics 之間的強強聯合為其開闢了新的潛力領域，讓企業從基於事件的分析轉變為預測性和規範性的洞見，可以更快速地找到潛在問題，將更多的時間用於行動，進而最大化提高每項資產的投資回報，實現卓越營運。
參考來源：AVEVA
我想留言