基于数据可视化的设备管理模式升级

摘要：

本文主要讲述传统设备管理模式及不足，并描述了数据可视化在发电生产场景中的应用，以及如何通过数据可视化升级设备管理模式。

阅读时间10分钟

背景知识要求：

无

传统的设备管理

1

分专业

“锅炉”“汽机”“电气”“热控”等，这些专业对电力企业来说是耳熟能详，按照专业进行设备管理划分使每个人都自己的侧重点，在有限的时间和精力内能更多的关注自己专业设备。随着经验的积累时间的持续，设备管理水平日益提高。

2

设备资料多处归档

设备发生故障需要查询图纸（安装蓝图），可能要去资料档案室；需要查询检修记录要去专工处查询设备检修台账；需要查询焊接工艺和记录要去金属室；每个职能部门只存放和自己相关的文档信息。

3

经验至上

在电力企业设备管理来说，经验的重要性是无可厚非的。举个例子同样是风机的巡查，普通员工可能仅限于关注就地仪表信息或者感官直接信息，比如轴承温度是不是正常，声音有无异常，振动有无异常；但是几十年的老员工可以仅仅通过声音或者简单的感官信息就能直接定位到故障隐患部位。

4

专业系统相互隔离

因为业务需要，可能会上各种各样的管理系统，但是系统和系统之间的信息是不互通的，因为开发方不同。最终会导致一个设备管理信息既在这个系统填写也在另一个系统填写，无形之中增加了工作量，信息也比较分散，查询起来更加繁琐。

传统设备管理的不足

分专业管理，会造成设备台账信息的分散，一个设备可能存在机械部分、电气部分、热控部分，从专业角度来说，只能看到设备的一个维度，很难全面有效的去评估一个设备；设备资料的多处归档，也会造成资料查询程序冗繁，效率低下；经验至上中的设备管理经验，需要长时间的积淀，而且很难通过数据、感官来传承，而且一旦专家、老员工岗位调动或者离职，对企业造成的影响是巨大的；专业系统的隔离造成信息孤岛，造成数据类型多样、重复，很难有效的进行分析。那么，该如何进行设备管理模式的升级呢？

设备管理的升级——数据可视化

数据可视化，是关于数据视觉表现形式的科学技术研究。数据可视化技术第一代应该是报表软件，通过报表系统能够把复杂的数据整理成规则的表格，并配以漂亮的图形，比如柱图、饼图、折线图等等。第二代当属BI（Business Intelligence）了，BI比起简单的报表又更进了异步，它已经不单单是一个工具软件，而是一套完整的解决方案，可以将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。

设备管理模式的BI升级

1

核心思想

把客观的数据变成带有观点的信息，传递给管理者。

2

实施路线

以设备为核心，打通各个专业系统数据通道，汇聚设备主流监控信息：频谱、音频、图形、温度、振动等数据，形成设备全寿命周期数据中心，在此基础上进行有效挖掘，将挖掘结果通过三维模型、动画、视频、动态交互式页面、手机APP的方式，结合展示、推送、提醒、互动的模式提供给用户，最终实现：设备状态监测、故障预警、趋势预测、优化控制、智能决策等高级应用。

3

改造步骤

打通现有系统数据壁垒，以统一的BI平台为依托，与各个不同系统API接口对接，调取对应关键数据，集中挖掘分析。

数据机构化处理，将大量图表、图纸信息进行结构化处理，使其中的数据可用、能用、有用。

完善设备采集端数据类型：加装高清摄像--故障、缺陷的图像识别；加装振动传感器--进行频谱的解调分析；加装温度红外监测--进行温度红外图谱分析；加装拾音器--进行音频的解调分析；加装油气分析装置--进行设备的油质分析。

历史数据的集中管理，将设备大量历史数据进行统一规范化管理，方便后期分析挖掘。

引入全新BI算法，涵盖当前主流的神经网络、深度学习、聚类、最小二乘法等，使之与业务高度融合和匹配。

4

改造效果

满足各种查询：围绕设备展示多专业（锅炉、汽机、电气等）、多维度（厂家信息、安装调试信息、维修信息、改造更换信息等）信息。

提高工作效率：实现数据的单次录入多次使用，并能定制化设备数据内容。

支撑决策管理：设备哪个部位存在隐患？数据表现形式如何？预计多久会发生事故？这些问题都会实时推送，真正实现用数据说话。

辅助集控运行：实时监控设备参数健康状态，发现异动后实时提醒运行人员进行调整，并给出调整建议及方向。

实现状态驱动运维模式：实时推送设备整体健康状态，可以使电厂运维管理人员集中精力对问题设备进行管控。

降低运维成本：通过数据发现设备隐患后，及时进行预防性维护，延长设备部件的使用寿命。

优化控制运行：通过机器学习，挖掘企业系统最佳运维调整方式，真正意义上实现节能降耗。

设备管理BI之路的展望

基于数据可视化BI的设备管理模式升级不是朝夕可完成的，从数据聚合，到数据可视化设计，再到算法实现，最终解决业务问题，都需要经历不断的测试和迭代的过程，当然最重要的就是理解工业生产数据的物理意义，让算法能够真正解决问题，并通过数据可视化让生产管理者理解目前的生产状况才是最终的目的。为了达到这个目标，欢迎大家参与到EIOT实验室的工业数据价值成长之路来，我们专注于设备管理数据分析与挖掘，拥有状态监测、故障预警、趋势预测、健康评估、优化控制、图形识别等一些列核心成熟算法及产品，期待您的合作！

EIOT数据俱乐部

聚焦工业互联，分享数据价值

助力人才转型