应用人工智能改善运营

在过去的几年里，人工智能在一系列工业过程中的应用得到了广泛的关注。大部分注意力都集中在技术或主要在模拟中运行的测试应用程序可能带来的可能性上。

凭借其资产绩效管理套件，AVEVA今日将人工智能（AI）提供给工业最终用户。

AVEVA的信息解决方案副总裁Jim Chappell说，AVEVA的人工智能方法有四个p:预测、性能、规定和预后。他对四个p的解释如下:

• 预测是一种机器学习类型的异常检测，用于使用大数据分析提供问题的早期预警。
• 性能是另一个机器学习应用程序，它为工厂设备的实际性能设定基线，以便性能预测将与日常操作的现实相匹配，从而减少手动调整的需要。
• 规定的ai确定问题的根本原因，然后指导用户如何解决它们。“在今年早些时候Aveva的MaxGrip采集之后，我们现在拥有900多种资产类型和10,000个具有规定行动的错误，”Chappell说。
• 预后学使用神经网络和深度学习能力来根据之前发生的事情预测未来。“这可用于确定资产生活，也可以用于提前警告和安排优化，”布莱佩尔说。“例如，这可以用于'什么'分析，例如：如果我缩小压力，我可以在没有问题的情况下继续运行，或者我可以将其达到下一个计划的中断。”

这些功能有助于减少未安排的停机时间，提高运营和质量，防止设备故障，优化维护策略，降低成本和风险，提高线路和资产利用，延长设备寿命，确定表现不佳的资产，提高安全性。

查佩尔解释说，AVEVA“正在将人工智能注入公司所有四个业务部门的许多产品中——工程、资产绩效管理(APM)、监控和计划与运营。在APM中，我们已经嵌入了预测、性能、规定和预后。例如，在PRiSM中，我们提供了自动化的预测分析、具有规范操作的根本原因分析，并将很快通过预测交付剩余有用资产寿命估算的早期版本。我们还提供了ROMeo的可选集成，我们的模拟系统，进入PRiSM，我们使用人工智能自动调整ROMeo模拟，作为一个基于第一原理分析的异常检测系统。这可以完全集成到PRiSM的一站式报警系统中，这样人们就可以自动从两个系统中检测到早期问题。”

AVEVA的人工智能产品与Wonderware系统平台、InTouch HMI、Citect SCADA、历史学家和AVEVA Insight云平台合作。他们也可以连接到任何数据历史，数据库，或数据湖连接到任何控制系统。AVEVA AI解决方案是作为本地应用程序提供的，或者通过订阅在云中提供，或者作为混合本地/云应用程序，“对现有软件占用的影响最小，”Chappell说。

查佩尔说，要开始将人工智能应用到你的流程中，你只需要大多数工业公司已经拥有的历史和实时数据。“你从历史数据、数据库或数据湖开始，”他说。“然后，我们的人工智能根据这些数据创建流程的数字签名，并将其与传入的实时数据进行比较，看看是否存在任何异常。”

查佩尔补充说，没有人工智能的帮助，很难在你的系统中发现潜在的问题，因为“很难在原始数据中看到这些模式。这就是人工智能的优势——将当前数据与历史数据进行对比，并将预测数据与警报进行对比，以了解事态发展趋势，从而提供早期预警。系统检测异常行为，制定解决方案，并帮助您了解何时采取行动。”

查佩尔说，增强操作和维护是人工智能在工业中的早期应用的两个目标应用，可以提供快速回报。“预测技术提供的增强操作改变了传统的报警响应方式，这种方式在历史上一直是在事实发生后——当你已经遇到问题时。但有了预测技术，您就可以在问题发生之前得到警报来解决问题。同样地，对于检查，复杂的问题可能很难手动检测，但预测分析的根本原因分析准确地强调了需要评估的内容，最大限度地减少了用于检查的时间。这种能力是解决随机故障的关键，随机故障占设备故障的82%。只有18%的设备故障与年龄有关。分析可以洞察这些随机故障，避免影响生产的问题。”

为了帮助用户更好地了解AVEVA客户如何使用APM套件应用AI，Chappell提供了几个例子，例如：

• 泵和阀门维护——通过APM的预测分析，客户发现压力数据与正常数据有偏差，并能够确定有水进入油藏，对泵的密封造成过大压力。查佩尔说:“这有助于改变这种设备的维护做法，也教会了公司如何在全公司范围内发现这个问题。”
• 另一名APM用户收到软件通知，称输送带上的电流过高，说明输送带的张力发生了变化，导致输送带拉得过大。查佩尔指出，“如果不被发现，这可能会损坏传送带的轴承或马达，或者传送带本身可能会分离。”这些问题中的任何一个都可能导致计划外的停机，并可能对设备造成损坏;但很早就被APM的预测系统发现了。”

一个系统通知，电机的安培从14增加到18突出了一个潜在的问题，对一个用户。就其本身而言，这一增长不一定是一个问题，也不会引发警报。然而，在根据APM的预测警报调查原因后，用户发现设备上方的地板上有泄漏，已经饱和了绝缘，并导致电机护罩膨胀。Chappell说:“这个问题与发动机的问题没有关系，但它提供了一个很好的例子，说明了这些分析可以提供对运营的洞察。”