indass

INDASS发展到现在,从原来的五大金刚,映像图,指数,稳定性,相关性系数,趋势预测,变成了下面表格的十二生肖。面对如此庞大的家族,总会让人引起思考,INDASS,有什么用处呢?

产品英文名 k中文名 简介
Runimage 运行映像图 对所选参数的标量化处理的方法
Index 指数分析 标准对象运行指数分析计算
Stability 稳定性分析 标准对象运行稳定性分析计算
Correlation 相关性分析 计算各个参数之间的相关关系
Tendency 趋势预测 预测参数未来一段时间的趋势变化
Risk 风险分析 分析风险对象出现某风险的概率有多大
Increment 增量分析 衡量增加量的增加大小
Deviation 偏态分析 计算系统当前情况与标准态情况差别
Balance 平衡计算 计算单元进出的平衡状态
Match 匹配计算 计算两个单元之间的进出平衡状态
Compose 综合计算 分析结果再组织
Complex 协同控制 系统最优化协同控制

在我们回答这个问题之前,我们先来设想一个简单的场景:

image-20210325172530515
Image - image-20210325172530515

这个模型,可以说是最简单的工业模型了,我们让这个模型上工业物联网,使用一个Aprus采集器,采集电流表和电压表上的数据,同时,我们还可以看到电源的额定电压和可变电阻的最大值。

我们要研究这个工业模型,我们可以引出两个比较”常见“的问题,首先是故障判断的问题,我想对这个模型做预测性维护,比如说,模型漏电的预测性维护。其次就是优化问题,比如当滑动变阻器为多少时,灯泡可以在不损伤的情况下调到最亮。

首先研究预测性维护模型,我们要知道如何判断漏电,这点可能比较容易,当电流大于某个值,我们假设是90mA时算是漏电。进一步的,我想知道什么时候线路将会漏电,这样我可以提早做准备,阻止漏电等一系列预防措施。

那么在这个案例里面,INDASS发挥了什么作用呢?首先,我们使用了指数,计算评估此时的运行状态;使用了稳定性,评估此时的稳定性的变化;使用了趋势预测,预测30分钟之内数据的变化;使用了风险估计,估计此刻的风险,评估这个时候的风险值,需不需要我们做反应;我们还运用了偏态,评估此刻的运行状态离标准状态的差别有多大。

我们再推演一下第二个模型,优化模型。首先,虽然是优化模型,但是优化的基石就是设备稳定、健康的运行。所以我们还是要考虑模型的稳定性,起码不能波动的特别厉害;或者使用偏态,因为对电流、电压的标准值我们是比较明确的;对于我们特别注重的电流参数,也先做一个预测,关注一下电流的波动情况。其次,我们要调节变阻器使得灯泡的亮度变化,就要采集变阻器的此刻的电阻。我们既然上了物联网平台,就不能只用简单的PID调节模型了。采集到了电阻值之后,我们就可以使用协同控制,把计算得到的最优的变阻器阻值,下发给变阻器的控制器。

在优化的时候,本来预计的是调节电阻值一次就可以了,但是在实际运行的时候发现,灯泡越来越亮,稳定性参考值越来越小,预测的电流越来越大。原来是因为灯泡在发光的同时也会发热,导致灯泡的阻值越来越小,如果放任不管,灯泡可能最后会爆掉。因此还要继续运行协同控制,及早调节变阻器阻值。

看到这里,小明觉得INDASS真有用,也想在他现场的一个经常坏的冷却水泵上小试牛刀,如法炮制一个水泵的预测性维护模型,再加上水泵频率的优化模型。在部署好了INDASS以后,想针对水泵的震动频率,判断水泵的稳定情况和风险。这时遇到了第一个问题,水泵的震动频率,由于没有安装传感器,无法采集,无法从采集的数据上判断水泵坏没坏,方案一行不通。再尝试方案二,根据锅炉的温度,调节水泵的频率,如果温度过高,频率增大,多泵一点水过来,如果温度较低,则不用高频率,省一些电。这时又遇到了第二个问题,这个水泵是比较老的机械泵,无法数控...

退而求其次,小明想着,反正水泵不是我的主设备,省电省人工也省不了多少钱,我锅炉的数据全都采集上来了, 我如果对锅炉做数据分析,肯定能省更多钱。于是他也使用了INDASS的指数分析,选择了10个重要的参数,按照INDASS的使用说明成功配置了一个指数分析项目,第一次计算,得出897。又配置了一个稳定性分析项目,锅炉运行的时候,稳定性参考值为100(我们先把参考值为100当做非常稳定);锅炉停止的时候,稳定性又为100;锅炉的冷却水泵坏掉了,居然在高温停炉的时候,还有几个周期的稳定性参考值为100;用增量分析计算锅炉的水垢,得出的结果是23...

这到底是怎么回事?小明懵逼了,897,是什么意思?为什么锅炉不管在什么运行状态,稳定性参考值都是100?水垢的量是23,是啥意思?INDASS一点用都没有。

小明错了吗?小明没错。那INDASS错了吗?INDASS也没错。根本原因就是,小明指望INDASS可以直接给出要给结果,但是,INDASS作为一个L4层面的工具,其实无法直接得出结果。INDASS,其实既是“没用“的,也是有”大用处”的,这正是INDASS的“妙”处。INDASS的用处,其实就是一个计算的工具,提供的计算的功能,定时运算并且得出结果。如何运用INDASS的项目,那肯定就要根据实际的工业场景,多个工具联动,才能到达最后的目的。

举个简单的例子,我们知道了指数是反应现在的设备运行状态的数据,那么879,是什么意思呢?我们依然不知道,但是,如果我们让指数分析运行一天,得到了一天的指数值,画一个下面的图,然后对照了当天的工作日志,就知道了当指数是多少的时候,对应什么样的情况。比如897,对应的就是高负荷。那么以后得到了879的指数值,大概率就可以得到现在设备处于高负荷的结果。

image-20210325155809797
Image - image-20210325155809797

话又说回来,指数的879只能得到高负载吗?对于另一个设备,600的指数会是高负荷和低负荷的分界线吗?图里面标的“异常点”真的是异常点吗?这些答案都是未知的。

这就是INDASS的“妙”处,工具本身的限制并不多,所谓的限制,更多的其实是推荐,比如说Balance,是推荐使用在流程工艺中,其实也可以用在其他场景,没有硬限制。而且,结果的解释方法和使用手段多种多样。最终都是为了某个具体的目标服务。如果实际问题不确定,那么INDASS就是输出一大堆无意义的数据的产生器;如果实际问题确定,各个INDASS的工具就是一座大厦的钢筋水泥螺钉螺母,各司其职不可或缺,共同拼接成了一个可以解决实际问题的L5层面的服务。

那么,L5层面的服务,是什么样的呢?这个也取决于我们的目的,最终到底要解决什么问题。如果是上面讲的例子中的协同控制优化,需要及时控制,那么就要一个实时在线的分析,及时反馈结果;类似于预测性维护,如果是动设备的预测性维护,可能也需要高时效性,需要一个在线分析的产品,但是如果是静设备的预测性维护,可能不需要特别实时的计算,那么可以使用定时任务分析;例如分析锅炉的水垢,可能每月分析一次,得出一个月报;如果是想要分析长期的数据,比如说使用3年的历史数据,分析地理位置的差异会不会对发动机设备的运行寿命产生影响,也可以使用INDASS的分析结果,只不过使用方式就不是在线创建项目,而是离线数据分析...对于一些简单的使用,用不同的曲线展示,也能说明问题,比如在图像中标注参考线。

image-20210325171924312
Image - image-20210325171924312

或者使用Compose,画出指数的K线图等等,简而言之,用不一样的图像展示,也能得出我们需要的结论,也算是一种广义上的“应用”了。

总而言之,INDASS其实是提供了各种数据分析的工具,如何使用这些工具,就是按照我们的目标,以各种方式集成组合使用各个工具,共同完成L5层面目标——“安全生产 节能减排 增产增效 精细管理”。

© Mixlinker all right reserved,powered by Gitbook文件修订时间: 2021-12-09 15:04:21

results matching ""

    No results matching ""

    results matching ""

      No results matching ""