周忠亮

(石化盈科信息技术有限责任公司,北京100020)

随着云计算、大数据、物联网、人工智能等新一代信息技术的迅猛发展,全球已经进入数字化时代,各国政府高度重视数字化技术的突破性变革,并将之提升为驱动传统产业升级的国家战略【1】。传统行业纷纷利用新兴技术与业务有机融合,引领业务发展,推动管理变革和生产智能化转变。石化行业是我国的战略资源行业,同时也是资产密集型行业,设备数量庞大、种类繁多,管理难度大。保障设备的安全可靠和经济运行,在石化行业的组织中具有不可替代的地位。通过信息技术创新设备管理模式,提升设备智能管理水平,已是顺应时代发展、切实助力石化实现产业转型升级的迫切需求。

国内大型石化公司十分重视信息技术在设备管理上的应用,应用和开发了很多与设备管理相关的信息化系统,例如设备综合管理EM系统、旋转机械状态监测系统、腐蚀在线监测系统、设备点巡检系统等。这些系统在提升设备管理水平、保障设备安全运行方面起到了重要作用。但是,从实际应用情况以及设备管理的要求来看,仍存在着如下难题:

1)企业现有的多个系统孤立、分散,数据信息流转不畅,缺乏统一的设备管理平台,无法对全厂的设备信息进行整合,造成了大量的“信息孤岛”。

2)众多的监测系统仅仅采集振动、温度等参数,基于这些参数进行诊断分析,并没有将工艺数据、物料数据、检修记录等进行综合分析,容易导致故障诊断出现偏差。

3)企业的关键设备结构复杂,组件精密,自控系统关联度高。这些设备的故障机理需要较强的专业知识,但是目前企业中这样的人才相对分散,且面临流失风险,如何通过有效的途径储存专家的实践经验并加以有效利用也是企业面临的一大难题。

1 设备健康管理系统的定义

设备健康管理系统是基于故障预测与健康管理(Prognosticsand Health Management,简称PHM)理论方法,整合现代传感器技术、无线/有线通讯技术、物联网技术、云计算等前沿技术,实现石化机械设备的智能监测系统,其通过实时采集设备的运行数据,并对机械设备故障进行大数据分析,实现设备健康状态的监测,发现设备的早期故障,预测性地诊断部件或系统的剩余寿命或正常工作的时间长度等【2】。

在国外,很多技术服务公司(如ASPEN、GE Digital、AVEVA等)基于PHM理论和技术,发布了相关产品套件,通过收集和管理设备状态数据和信息,同时,结合实时大数据和机器学习,对设备性能进行预测分析,提高设备可靠性,提升资产和运营绩效。美国辛辛那提大学的李杰(Jay Lee)教授及其科研团队利用工业大数据分析研发智能预测技术,发布了WatchdogAgent®工具包,用于工业设备的健康管理及故障诊断【3】。在国内,PHM还是一项新的维修保障理论和技术,大家对其体系和理论方法研究较多,成熟的产品和系统尚不多见。

PHM理论和技术代表了设备维修理念的转变。基于PHM的设备健康管理系统能够提供更为可靠的诊断及预测信息,结合可用维修资源和使用要求,可以对维修活动提前决策,促进管理模式向预测性维护转变。

2 设备健康管理系统的设计

2.1 总体架构设计

视情维修的开放体系结构(OpenSystem ArchitectureforConditionBased Maintenance,简称OSA-CBM)是一个指导实现CBM系统的标准框架,同时也是设备健康管理系统业务体系搭建的参考框架【4】。OSA-CBM框架如图1所示。

图1 OSA-CBM框架

同时,随着工业互联网平台的发展日趋成熟,石化企业系统实施和部署的模式已发生重大转变,已从单体应用向云应用、从传统IT架构向云架构、从分散部署向“集中＋分散”两级部署转变,推动企业生产和服务资源优化配置,促进制造体系和服务体系再造,在现阶段的石化工业转型升级过程中发挥着核心支撑作用【5】。工业互联网平台体系架构如图2所示。

图2 工业互联网平台体系架构

本文所进行的研究将OSA-CBM框架、工业互联网平台体系架构与石化行业特点及现状相结合,形成了基于工业互联网平台的石化企业设备健康管理系统的总体架构。石化企业设备健康管理系统的总体架构如图3所示。

图3 石化企业设备健康管理系统总体架构

设备健康管理系统分为边缘层、IaaS层、PaaS层和SaaS层4层设计,具体如下:

1)边缘层使用物联网技术,将与设备管理相关的静态数据(包括台账、档案、巡检记录、维修记录等)和动态数据(状态数据、工艺参数、物流数据等)采集上来,同时依托协议转换技术实现多源异构数据的归一化和边缘集成,实现设备管理的全面感知。

2)IaaS层通常采取购买成熟套装软件的方式实现,使用企业基础设施云资源。

3)PaaS层细分为通用PaaS层和工业PaaS层。通用PaaS层为技术服务层,采用企业现有云技术成果,提供统一的资源管理、服务管理、开发过程管理和运营管理,同时提供接入服务、实时计算、集中集成、智能分析、可视化等技术服务组件,来支撑上次业务服务组件的运行;工业PaaS层为专业业务服务层,面向设备健康管理提供主数据、规则/方法库、知识库、模型库4类组件服务,是整个设备健康管理系统应用及服务的核心。

4)SaaS层基于平台数据及服务组件功能,以工业套件和专家服务的形式为最终用户提供服务。其中,工业套件包括设备状态监测、运行管理与预警、在线运行分析、故障诊断与预测等。专家服务包括关键机组专家服务、关键机泵专家服务和其他设备专家服务等。

2.2 技术架构设计

在系统开发框架设计基础上,基于工业互联网平台提供的多种成熟技术组件和基础服务,以面向对象的思想为原则,采用组件开发和分层设计的技术路线【6】进行技术架构设计,分层框架分为:UI展示层、服务接口层、服务层和数据访问层。开发框架采用微服务架构体系,前端和java后台微服务分离。石化企业设备健康管理系统技术架构如图4所示。

图4 石化企业设备健康管理系统技术架构

2.3 应用架构设计

在SaaS层应用上,设备健康管理系统提供工业套件和专家服务两种形式服务用户,功能模块包括设备状态监测、运行管理与预警、在线运行分析、故障诊断与预测、远程诊断服务5个功能模块,具体功能架构如图5所示。

图5 设备健康管理系统的应用架构

2.3.1设备状态监测

在尚未安装状态监测的关键机泵设备上安装传感器,通过有线/无线通讯将现场设备数据进行实时采集和信号转换,实现设备运行状态的监控,提升全面感知和实时感知能力。

2.3.2运行管理与预警

集成整合企业已有或新建的设备状态监测系统,以设备功能单元为对象,实现相关信息在统一的工作平台上展示、查询和分析的功能,异常时能够自动向相关单位或个人推送报警信息,并为设备的运行分析、故障诊断提供数据支撑。

2.3.3在线运行分析

建立设备性能模型,对设备进行参数分析、性能分析和振动分析,核算设备实际效率和能耗,并综合评估设备整体健康状况,给出健康指数。

2.3.4故障诊断与预测

建立诊断模型与专家系统,对异常状态开展基于规则的诊断,分析设备故障部位及原因,形成诊断报告。诊断报告推送到企业资产管理(EAM)系统中,协助科学制定检修计划。建立故障案例库,收集各企业历史案例并进行标准化处理,形成知识库;运用大数据对设备进行健康评估和趋势预测,与设备正常运行参数、故障征兆等信息进行对比分析,提前发现设备的故障隐患。

2.3.5远程诊断服务

搭建设备专家诊断平台,连接和监控各类关键设备,并通过平台充分整合业内专家资源,实现远程诊断服务,指导预知维修决策和维修任务优化。

2.4 业务服务组件设计

在平台应用过程中,通过工业模型沉淀、面向工业特点的数据管理和分析以及场景化二次开发,能够持续提升平台工业服务能力。按照高内聚、低耦合、粒度适中的原则,针对各业务场景,沉淀共性需求,设计了梳理出4类29余项业务共享服务组件,覆盖设备健康管理全过程各个环节,既满足了快速搭建系统应用的需求,又具有最大程度的通用性。工业PaaS层业务服务组件如图6所示。

图6 工业PaaS层业务服务组件

2.4.1主数据类组件

主数据类组件指系统功能模块间共享数据(例如,客户、供应商、账户和组织部门相关数据)。与记录业务活动、波动较大的交易数据相比,主数据(也称基准数据)变化缓慢。设备健康管理系统中涉及的主数据包括功能位置、设备、零部件、组织分解结构、供应商信息、装置工况等组件。

2.4.2规则/方法类组件

规则/方法类组件通常是为求解模型或支撑决策的一些通用的计算方法、标准函数、判定规则,如测点参数设置规则、单参数状态判定规则、多参数状态判定方法、预警规则、报警分级规则、失效模式与影响分析(FMEA)等。

2.4.3模型类组件

模型类组件属于客观事件的一个表征和体现,同时又是客观事物的抽象和概括,可以反映实际问题本质特征和量的规律,如统计分析模型、经验推理模型、机理模型、仿真模型等。按照设备健康管理业务类型,可分为设备结构模型、设备参数报警模型、效率计算模型、健康指数模型等。

2.4.4知识类组件

知识类组件指既不能用数据表示,也不能用模型方法描述的专家知识和经验,亦即决策专家的决策知识和经验知识,此外,还包括一些特定问题领域的专门知识,如设备/材质知识库、故障机理库、故障案例库、检修规程库等。

3 系统关键技术

3.1 工业物联接入技术

石化企业工业仪表与传感器种类多、数量多,工业协议多种多样且相对封闭。为解决不同的业务场景(如室内、室外、防爆、非防爆、方便巡检、不方便巡检、大区域、小区域)、适用于不同感知技术,将繁杂感知类型网络融合在一起是技术关键【7】。针对工业现场的终端设备、传感器以及IP21、PI、PHD等主流工业系统,通过工业协议适配解析、现场数据接入、边缘计算、边云协同以及自组态物联应用等一系列功能,实现设备状态数据的汇聚和预处理。工业互联网平台边缘层的工业物联接入技术如图7所示。

图7 工业互联网平台边缘层工业物联接入

其中,协议解析支持HTTP、MQTT、WIAPA、OPC-UA、Modbus/TCP等多种常见工业协议。规则引擎用于执行基于事件的流式处理框架。设备模型对生产设备设施进行语义模型的描述,并对描述进行web化封装。结合从终端到云端的整体安全体系,实现高效、安全、可靠的数据接入与输出。

3.2 智能故障诊断技术

石化企业设备结构复杂,开展故障诊断对操作员能力要求较高,在进行深层次故障诊断时,操作员往往感到力不从心。传统的故障诊断专家系统采用基于规则的推理(RBR)和基于案例的推理(CBR)两种方法。RBR是在专家经验及学术研究的基础上建立故障因果规则链,根据当前问题特征匹配相应规则对设备故障进行自动诊断。CBR是利用案例库的索引机制,根据案例相似性度量的方法,从案例库中找到当前求解问题最相似的案例。两种方法各有优缺点【8】,因规则库和案例库数据不全,常常导致诊断结果不理想。借助工业互联网平台的互联互通,采用案例匹配→规则推理→专家诊断串行的方式进行推理,可实现设备故障的智能诊断。首先通过征兆提取,采用案例匹配方式寻求诊断结果,在匹配度不满足要求时转入通用性规则推理,规则推理不适用的情况下再引入专家远程诊断,并将诊断结果和评估结果反馈给案例库进行优化,这样既符合实际,诊断速度又快。智能故障诊断流程如图8所示。

图8 智能故障诊断流程

3.3 大数据分析技术

石化企业设备运行监控的运行参数多、数据处理量大、数据结构多样。传统监控是在运行参数超出阈值时系统报警。实际上,当运行参数变化趋势明显异常、但还未超过阈值时,也应该报警提醒。这时,可利用进行处理图9所示的设备健康评估的大数据分析流程进行处理。实时数据和归档数据上传到工业互联网平台后,通过HDFS(Hadoop分布式文件系统)、Spark(一种专为大规模数据处理而设计的快速通用的计算引擎)、Kafka(一种高吞吐量的分布式发布订阅消息服务)等技术服务组件进行数据储存和预处理后,调用预警模型进行运算和处理,向应用输出计算结果。根据设备及采集的数据特点,可以选择合适的大数据分析算法建立预警模型。例如,利用马尔科夫链计算压缩机组运行参数的变化趋势,再利用模糊综合评估算法,综合计算评估指标权重,实现对压缩机组运行状态的实时监测与预警,为日常点巡检、设备运行管理及维修决策提供有效的支撑【9】。

图9 设备健康评估大数据分析

4 应用成效

设备健康管理系统已在多个大型石化企业上线,促进了企业设备管理集成化、自动化、模型化和智能化的提升,增强了设备可用性和可维护性,得到了各级用户的高度认可。其系统界面如图10所示。

图10 设备健康管理系统界面

4.1 设备运行状态的集中监控

企业现场监测系统多,设备监控数据分散,设备管理人员需登录不同系统进行查看、分析,这会造成工作效率低且不方便等问题。针对上述问题,该系统借助工业互联网平台,以设备为对象,以设备专业管理需求为导向对状态进行集中监控。以某石化企业关键机组管理为例,系统覆盖了企业79台关键机组,收集配置工艺数据5652点、S8000/SG8000点431点、LIMS化 验分析点1050项,同时还集成了S8000/SG8000频谱分析、操作管理交接班日志及EM系统特性值、维修记录等信息,辅助判断设备运行状态。

4.2 设备异常信息的分级推送

人员现场工作繁忙,没有大量时间实时查看系统。该系统可通过移动终端进行消息推送,及时反映设备异常状态,提高了设备管理人员响应速率和工作效率。监控设备发生报警后,将报警信息按照报警级别(连锁、报警、预警)和专业管理职责权限进行划分,并推送给相应的设备管理人员。

4.3 状态分析工具的灵活调用

不同岗位设备管理人员需定期/不定期对设备状态信息进行汇总,制作相应的分析报告。该系统通过各种分析工具自动汇总数据,提供设备运行参数趋势分析、概率统计分析、异常工况统计分析(含阈值超限、超时长、频繁波动、参数突变等情况)、图谱分析等手段辅助设备管理人员进行设备状态分析,形成分析报告;另外,集成大数据分析技术,分析影响参数变化的相关因素,辅助设备管理人员找出状态异常的关键影响参数。

4.4 故障智能诊断与知识积累

故障诊断需要经验丰富的专家和技术管理人员,而目前专家资源分散,是企业面临的难题。通过该系统建设,可不断完善知识库和规则库,探索故障智能诊断,提高诊断准确率。目前,根据现场设备类型搭建标准化诊断模型12个,汇总故障类型69个、故障征兆算法167个、征兆提取规则291个、措施建议111条;故障案例库积累案例70余项。同时,利用集团公司某装备研究所,整合业内专家资源,搭建设备专家诊断平台,实现了网上巡检和远程诊断专家服务,有效降低了维修成本,提高了设备可用性。

5 结语

设备管理作为企业经营管理的重要组成部分,其应用系统建设应当紧跟时代的步伐。针对传统石化企业设备管理系统孤立、分析诊断困难、专业人才分散的现状,基于OSA-CBM业务框架和工业互联网平台体系架构,设计了石化企业设备健康管理系统。通过工业互联网先进的技术和平台,从工业物联、工业引擎、工业服务3个层面进行“工业赋能”,逐步提升企业的设备管理水平。同时,结合石化企业特点及现状,利用工业物联接入、智能故障诊断、大数据分析等技术强化数据分析和自适应的、动态的“数据-信息”转换,从海量信息中进行多层挖掘和层次化聚类调用,实现评估和预测,最终实现决策方式的转变,并推进设备预测性维护模式的实现。随着信息化和工业化在石化行业的深度融合,设备健康管理系统也将获得更多的发展和深化应用。