流程工业企业，如何数字化转型？智能生产监控之道

• 2023-07-07 15:22:49 来源：通信产业网

数字化是当前的热门话题不同的行业领域和角色身份对此都有不同的定义：

——政府部门的代表

(资料图片仅供参考)

他们指出，数字化是必然趋势，对企业的未来生存发展至关重要。不过，他们没有告诉我们，数字化到底是什么?怎么做?能够产生什么价值?

——软件厂商

他们说，ERP(企业资源规划)、CRM(客户关系管理)软件是企业数字化的最佳选择。可是，这些软件已经面市二十余年了，怎么突然换个身份，从支持业务操作的软件变成了“让企业变得更聪明的软件”?

——大型企业IT主管

他们通常会展示一个非常复杂的架构图，里面既有门店收银、天猫、京东、移动App、官网商城等各种应用构成的前台，也有ERP、WMS(仓库管理系统)、TMS(运输管理系统)、数据仓储等诸多熟悉名词汇聚的后台，还有他们最喜欢谈论的能够整合后台数据、赋能前台运营的中台。

——企业职能主管

制造企业的会说，数字化可以提升产品生产效率和质量;零售行业的则说，数字化可以帮助获客，做好客户关系管理。显然，他们都是从各自职能的视角出发，好像安装了相关系统，就完成了企业的数字化。

不同的受众对于数字化有着不同的看法

那在经济发展主战场的流程工业领域呢?

如何理解流程工业数字化?

转型中需要注意哪些重要阶段?

来听听科远智慧数字化领域专家的观点!

流程工业数字化之智能生产监控

工业是中国经济发展的根基，是推动经济提质增效的主战场。随着新一代信息技术与各行各业的深度融合，流程工业数字化转型已成为企业的必修课。

流程工业数字化涉及设备层、控制层、操作层、管理层、决策层数字化与智能化等各个层次，包含计划排程、生产调度、设备管理、安全监控、供应链保障、管理运营等各个方面。

第一阶段 /集中监视

集中监视是为了解决目前流程工业企业普遍存在的信息孤岛或应用孤岛的问题，这也是数字化、智能化的基础工作。

比如，在发电、石化、炼钢等连续型生产企业，生产流程中的很多过程控制系统(DCS、PLC)会实时收集各个生产单元的相关数据，如生产过程的温度、压力、流量等参数，并进行数据的记录、存储管理，可以查看各种生产参数从历史变化趋势，并形成各种统计报表。

这些通过各种方式采集并统计的报表会实时汇集到企业总部或管理者的办公室，并展示在一个统一集中的数据可视化看板上。

在产品层面，集中监视产品包括实时数据库、MES和发电厂厂级监控系统(SIS)等，经过20年的持续迭代，这些产品的技术都已日渐成熟，并得到了广泛应用。

第二阶段 /智能监视

当数据汇集后，由于数据量巨大，例如600MW发电机组就有8000个左右的参数，控制系统DCS、PLC和数据连通系统在监视层面就会暴露出以下不足：

DCS的设计思路是通过报警避免值班员监视这么多测点，但是DCS是单点定值偏差报警，在设备启停过程和变负荷运行过程中，存在大量误报。

设备本体参数缓慢变化需要长期监视才能发现，但是由于需要监视的参数太多往往不能及时发现。

温度群监视困难，缺乏整体直观的监视手段。

设备出现故障时时，只有一批参数报警，没有主因报警，需要值班员进行判断，对值班员要求较高。

大量的数据需要值班员调用各种画面，查找各种数据，判断是否异常，值班员的压力和工作量较大，往往因监视、处理不及时导致故障扩大。

运行需要的定期定期工作，取决于值班员的责任心，没有提醒，容易疏忽。

而随着大数据分析和人工智能技术的发展，通过专家系统、机理模型、数学模型和各种智能算法，对这些数据进行梳理分析，用流程、工艺的标准作为比对基础，就能通过多做数据比对来发现差异，并提出警示，及时掌握业务运营过程发生的异常现象，就像是无人驾驶的辅助系统。

比如，根据环境温度和本体参数，自动判断设备是否存在异常，将运行专家的经验软件化，用以自动判断设备诊断高加泄漏、制粉系统堵煤等故障，通过运行历史数据建立数学模型，自动诊断出系统异常，并进行报警，大幅度降低值班员的监盘压力。

在产品层面，智能监视产品包括工业互联网、智能监盘、高级报警、优化控制APC、APS等，目前尚未得到了广泛应用，正处于技术探索阶段。

智能监视是集控的基础。如果在集中监视阶段采用集控运行模式，由于没有技术手段使得操作量和值班员减少，集控可能会导致值班员之间的相互干扰。所以只有到了智能监视阶段才具备集控的条件。

第三阶段 /智能监控

智能监控开始涉及更多的智能化处理。在第二阶段的数据比对中，一旦系统发现并预警当前业务运营存在异常，就需要立即做出两个应对动作：一是进行诊断，找出原因;二是制定调整方案或处理行动。

这就对我们的系统提出了进一步的要求，即如何能够自我诊断并提出调整方案?关键就在于知识的积累。

比如，发电厂正常运行时制粉系统温度为A，但因为燃煤成分跟以往不同，系统能够给出调整制粉系统温度的方案;在锅炉出现制粉系统堵粉异常时，系统能够进行相应的调整和处理。

再比如，发电厂通常以煤耗最低、运行参数达设计值为经营目标，但是在煤价较高的情况下就无法让整个生产流程实现全面最优化;而是要根据我们需要实现整个工厂的最优化。

在很多情况下，我们不但要考虑企业内部状况，还要考虑外部环境，这种就产生了一个时髦的词——生态圈。严格来说，几乎所有企业都存在于某个生态圈之中，只是过去缺乏信息对接，使得原本彼此紧密的关系链被切断了。

流程工业生产中的异常判定和调整方案通常都有固定的操作标准(运行规程)作为依据，因此相对来说也更容易实现智能监控。

当然，无论是数据采集、异常判断、提出方案或效果反馈，理想化的状态是这些操作都可以由数据系统自动处理完成。如果我们的业务流程能够做到这样的智能化处理与经验学习，就说明在业务环节上已经达到了自主寻优的程度。

应用三阶段模型注意点

发展连续性

数据采集是所有企业数字化、智能化的基础。有了数据采集和集中监视，企业价值链环节才可能实现局部的智能监视，进而发现问题，并做出调整。等到所有环节都能做到智能监控，整个企业就实现了智能化。

可见，数字化是一个连续发展的历程。各个阶段不能断开，也不能跳跃式推进，必须实实在在地一个阶段一个阶段向前走，才能积累出强大的数字能力。

就国内来看，目前大部分企业都已实现数据的实时采集，但仍然有许多旧型号的生产设备无法支持，这就需要我们持续更新这些生产设备，或者为其加装可采集数据的物联网设备。

价值递增性

随着人工智能、物联网、云计算、移动互联网等技术的迭代创新，技术对流程工业数字化赋能的能力愈发显著。以流程工业数字化三阶段模型为例：

第一阶段

对于作为基础的数据采集，还无法计算其价值，因为数据还没有加以利用。

第二阶段

通过数据比对分析，能够对企业运营中出现的问题提出警示。

第三阶段

能够帮助企业制定方案，排除问题，同时因为整合了价值链所有环节的信息，就能够全面提升企业的运营效益，甚至实现商业模式创新，快速提升企业竞争力和获利能力，产生的价值更大，因为企业能够更有效地利用外部资源加强对客户的覆盖，提升客户价值。

面对未来的发展与竞争，流程工业势必要在数字技术应用上做更多的投入，才能更有效地连接内外部资源，为客户提供更有价值的服务，塑造自身更强大的竞争力。

标签：

推荐阅读

猜您喜欢