曹慎亮

摘 要：通过设备的各种传感器积累的大量数据来进行分析模拟，实现设备的预防性维修。结合数据分析结果实现与EAM和ERP应用的融合是实现IT与OT的融合方向，也是设备数据分析对于维修管理提升的必然选择，并探讨了数据分析的电力设备预防性维修应用。

关键词：数据分析；电力设备；预防性维修

信息管理是现代企业管理的主要手段，也是当代企业在日益残酷的竞争环境下生存的保障。企业管理的实质就是对企业信息的获取、分析、掌控和有效利用，而信息系统建设也成为提高企业管理水平、提升决策效率的有效手段。根据统计到2020年，中国的数据量将飞速增长，突破8ZB，有价值数据将会增长25倍。从电力企业应用的需求层面来看，大数据应用的需求主要集中在运营数据分析、设备数据分析，而设备数据分析包括了：设备构成分析、设备动态信息分析、设备检修分析、设备缺陷分析以及设备试验分析。因此，如何通过设备的各种传感器积累的大量数据来进行分析模拟，实现设备的预防性维修，从而在一定程度上取代原有的业务模式，降低对设备定期的巡检、点检工作，即提高了生产安全，也降低了生产成本。

1 电力设备故障及数据分析

1.1 电力设备故障

电力行业发电机设备的种类很多，但设备的工作原理大体相同，其构造的一般原则是：用适当的导电导磁材料构成互相进行电磁感应的磁路和电路，以产生电磁功率，达到能量转换的目的。很多原因可以引起电力设备异常振动：这些原因可能是设备在设计阶段、设备制造阶段的原因，也有可能是设备在运行管理时异常振动导致，还可能是在安装、调试、运行等方面的原因。

基于构造特性，电力设备故障特点总结如下：（1）可以直接触发主要设备的振动，也可以间接触发主要设备的振动，造成电厂电力设备故障；（2）设备组件之间相互影响，并且变量之间还会进一步相互影响，相关性强，例如温度与电容的正相关关系；（3）电力设备振动的组成设备与组件不同，可能异常振动并发产生。

1.2 数据分析的任务

IT和OT的融合，就是将IT的企业管理能力与OT的工业仪器能力进行整合。目前这些系统一致都是独立存在，如果将这两种技术进行融合必然会具有明显的优势。根据整体数据场景应用角度设计数据架构设计，分为3个部分：

（1）数据获取：根据电力设备故障特点设置传感器采集频率和范围，设备本身的技术参数也很关键，一并收集。

（2）数据存储、数据处理与分析：就是从数据利用、数据分析的角度，对于已经获取到的参数数据、运行数据进行加工、处理和分析。

（3）分析结果展现与应用：R语言自带分析工具、语法，结合SAP集成和可视化工具，对于数据分析结果进行展示。

基于以上设计的数据架构，结合实际设备管理和检修管理的要求，对于收集到的设备参数和运行数据进行数据分析工作，得到的结果可以通过分析、应用和可视化等工具进行展现，也可以和企业的EAM、ERP、CRM、呼叫中心、营销自动化等应用数据进行结合，让数据挖掘与数据分析帮助业务提升价值。

2 數据分析的电力设备检修维护管理

EAM，即企业设备检修维护管理系统，常被用在电力、能源、钢铁等资产密集行业。设备维护管理系统的主要目的是大量减少非计划停机时间、对于资产实际绩效实现可视化管理、改变设备修理时间过长现象、实现设备可靠性管理，同步降低在设备方面不必要的成本投入。电力行业特别是发电企业，要求生产与业务一体化管理，而EAM就是以资产模型、设备台帐为基础，加强低成本预算，从传统的计划检修提升为预防性维修。结合数据分析结果实现与EAM和ERP应用的融合是实现IT与OT的融合方向，也是设备数据分析对于维修管理提升的必然选择。

基于数据分析方法的设备维护管理的流程，流程描述如下：设备状态数据在实际维修业务过程中，是通过设备集成组件、传感器或自动化控制系统DCS、电厂SIS系统传输来的设备状态数据，可以实时反应主要设备机组的运行状况，经过维修工程师确认后，数据进入EAM/ERP系统中，自动触发设备缺陷，产生响应的维修计划和物流需求，EAM系统可以自动创建工单并传递至维护班组，维护班组通过系统安排维修工程师或维修技工执行维修作用。同时，如果需要外委服务采购或在维修工作中需要更换备品备件，自动触发采购申请，进入采购管理环节。从采购管理的源头分析，客户、工厂维护、项目管理、服务等部门均可以触发，进入至标准的采购管理环节，涉及采购服务标准、供应源、供应商选择等环节。

3 数据分析的电力设备预防性维修应用

3.1 集合数据分析与设备维护管理的应用分析

集合数据分析与设备检修维护管理的场景设计，就是基于预防维护服务及技术基础提供了一个IT/OT数据应用场景，通过来自诸如ERP、EAM的 IT数据映射到对应的机器数据模型和业务数据模型与来自设备OT数据，实现了IT/OT数据的融合。传感机数据除了测量值以外，还可以包含地理空间数据、诊断数据或者重点设备事件数据。业务数据包含维修信息、维修和采购历史、设备台账、设备制造商信息、生产和风险数据。结合数据分析的设备维护管理可以实现对于设备机器主要状态数据的检测，预防异常产生，结合设备管理，可以设置设备维护或服务的优先级，结合采购与库存管理，甚至可以优化保修和零配件的管理，例如进一步优化安全库存，另外，对于设备设计制造也有重要意义。

这些意义包含：（1）故障诊断，快速响应维护条件，并积极采取行动。（2）基于数据分析，对系统故障进行识别、隔离并恢复。（3）根据最新的详细信息，按绩效派遣技术人员提供服务。（4）优化资产管理，追踪和监控资产位置，并实现远程维护。（5）自动订购零部件与耗材，实现收入最大化。

3.2 基于数据分析的设备状态维修管理

结合数据分析成果、检修实际业务，在研究了检测诊断系统框架的基础上设计了如下应用架构模型涉及如下5个层次：

（1）数据集成：获取来自业务集成数据（IT）与设备集成数据（OT），实现集成与融合。

（2）可预测维修与服务：实现业务集成数据（IT）与对象设备集成数据（OT）的关联，有些数据来自第三档数据集成平台。核心技术与算法在此层次进行落地。

（3）可视化展示，包含：标签云、聚类图、空间信息流、热图、信息推送。

（4）状态监测和预测服务，包含：设备状态检测与故障诊断。

（5）为客户提供的增值服务，把预防性维修业务最高一层是为客户提供了增值服务，驱动进行商业模式的创新，经过创新，构建了预防性维修的生态圈。

此架构对于设备拥有方和设备设计制造厂商均有实际意义。对于设备制造厂商，在工业 4.0背景下，中国政府提出中国制造2025计划以提升中国制造业的能力，开展预防性的维修管理可以提升设备管理能力，是实现“智能制造”的必然选择，本质上讲，是“互联网+”背景下的工业信息化的深度应用。“智能制造”，本质上讲，是实现设计、制造、管理、服务等4个方面的智能化。基于数据分析进行设备状态维修管理可以提升设备管理能力，是实现“制造智能化”和“服务智能化”的核心。

综上所述，利用数据分析可实时监测和预测设备信息，及时进行干预维护，帮助用户预测未来可能出现的机器和部件故障，进而提高设备可靠性、提升设备管理效率并降低维护成本。具体体现在：（1）降低运营和维护成本。通过自动化监测和通知流程，提高资产生产率。（2）提高可靠性和可见性。通过状态检修程序和工具，提高资产可用性。（3）改善现金流：降低备件库存水平最大限度地减少计划外设备正常运行时间。

4 结语

通过基于数据分析进行电力设备状态检修的应用可以为企业高层决策者提供决策依据。设备数据与主营业务生产、财务、物资、人力资源、工程管理等管理领域的经营数据融合应用是未来大数据应用的方向和价值方向。通过IT数据与OT数据的融合实现。例如通过设备运行数据与库存管理备品备件数据的融合，指导采购的同时，启动实现减少库存的目标，可以帮助进行管理提升。現在的企业竞争日趋激烈，需要实时的进行决策或者指导决策，实时数据的管理和应用成为未来发展的方向。

参考文献

[1]陈中柘，任佩瑜.电力设备预防维修周期研究[J].机械设计，2011，28（2）：37-40.

[2]刘春源，杨飞.关于电力设备定期维修与状态维修的分析[J].河北企业，2012，（11）：22.

[3]陈明.探讨电力设备检修现状与改进建议[J].中国新技术新产品，2012，（8）：142-143.

（作者单位：神华国能和丰煤电有限公司）