數(shù)字化轉(zhuǎn)型在過程工業(yè)中的4個必要組件——過程工業(yè)中的數(shù)字化轉(zhuǎn)型是數(shù)字化進(jìn)程的一個子部分，也被視為第4次工業(yè)革命，即工業(yè)4.0。工業(yè)4.0的重點是：未來進(jìn)行數(shù)字化改造的公司會越來越多，那些堅持過時商業(yè)模式的公司將慢慢被淘汰。在資本密集型行業(yè)，制造業(yè)資產(chǎn)消失的可能性較小，它更可能被一家已經(jīng)完成數(shù)字化轉(zhuǎn)型的公司收購，被收購之后原來的名稱基本上將會消失。鑒于這一現(xiàn)實，本文將為大家介紹開啟數(shù)字轉(zhuǎn)型之旅需要了解的內(nèi)容。

數(shù)字化轉(zhuǎn)型在過程工業(yè)中的4個必要組件，按操作順序依次是數(shù)據(jù)收集、數(shù)據(jù)整合、數(shù)據(jù)分析和工作流轉(zhuǎn)換。

數(shù)據(jù)收集

設(shè)備測量成本很高，如果不收集相關(guān)數(shù)據(jù)，后果將不堪設(shè)想，我們需要做出數(shù)據(jù)驅(qū)動的決策。

一般來說，我們能夠獲得的數(shù)據(jù)比實際有效數(shù)據(jù)多，比如過程行業(yè)有過程變量記錄數(shù)據(jù)、儀表和閥門診斷數(shù)據(jù)、動設(shè)備健康數(shù)據(jù)、資產(chǎn)利用或OEE數(shù)據(jù)、環(huán)境報告數(shù)據(jù)、實驗室分析數(shù)據(jù)、工單/維護(hù)數(shù)據(jù)、原料數(shù)據(jù)、產(chǎn)品質(zhì)量數(shù)據(jù)以及安全數(shù)據(jù)和市場價格/現(xiàn)貨價格數(shù)據(jù)等。這些通常存儲在文件柜、工程師辦公室、工作站和不同地點多臺服務(wù)器中。

數(shù)據(jù)整合

過程數(shù)據(jù)存儲在歷史數(shù)據(jù)系統(tǒng)中；實驗室數(shù)據(jù)存儲在LIMS中；工單和維護(hù)數(shù)據(jù)在CMMS中……如上所述，數(shù)據(jù)是在一個企業(yè)內(nèi)的許多地方收集匯總的。如何能夠?qū)⑺械臄?shù)據(jù)都整合在一個存儲位置呢？這就是數(shù)據(jù)湖的概念。

一旦數(shù)據(jù)進(jìn)入數(shù)據(jù)湖中，所有經(jīng)過授權(quán)的人員都能獲到數(shù)據(jù)。在收集數(shù)據(jù)時，不需要事先了解數(shù)據(jù)之間的關(guān)系。最終用戶在使用數(shù)據(jù)時定義數(shù)據(jù)湖之間的關(guān)系。換言之，數(shù)據(jù)調(diào)控發(fā)生在退出數(shù)據(jù)湖之前，而不在進(jìn)入數(shù)據(jù)湖時，這使得數(shù)據(jù)湖在處理大量數(shù)據(jù)時非常有效。另一個好處是數(shù)據(jù)湖有助于數(shù)據(jù)的進(jìn)一步探索和挖掘。即使當(dāng)前還不確定某些數(shù)據(jù)是否有用，只需將其存儲在數(shù)據(jù)湖中，一旦系統(tǒng)需要調(diào)用這些數(shù)據(jù)時，它的價值就體現(xiàn)出來了。不是每個人都需要一個數(shù)據(jù)湖，一些用戶可以隨意瀏覽和收集多個地點的數(shù)據(jù)。沒有海量數(shù)據(jù)需要處理、不關(guān)心訪問海量數(shù)據(jù)的速度和效率的用戶就不會看到數(shù)據(jù)湖的價值。當(dāng)然，如果能在Excel中解決數(shù)據(jù)分析問題，也不需要數(shù)據(jù)湖。然而，當(dāng)Excel無法處理巨大的數(shù)據(jù)量時，那么這時企業(yè)確實需要更大的數(shù)據(jù)庫和更好的分析工具。

數(shù)據(jù)分析

將原始數(shù)據(jù)轉(zhuǎn)化為有用信息的所有工具、技術(shù)、方法和模型構(gòu)成了分析工具箱。反復(fù)打磨數(shù)據(jù)，直到揭示所有秘密，分析是一個繁雜而迷人的過程，其目標(biāo)包括發(fā)現(xiàn)問題、告知結(jié)論和支持決策。如果您曾使用過條形圖，這些都是運用了簡單而有效的可視化分析技術(shù)。將數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)化為多組數(shù)據(jù)，并將專業(yè)知識應(yīng)用于原始數(shù)據(jù)，以使其更易于使用和識別趨勢或差異。由于潛在的關(guān)系對于條形圖來說過于復(fù)雜，于是可以開始使用其他分析工具。

當(dāng)數(shù)據(jù)之間的關(guān)系已知時，把它建立在一個模型中，然后進(jìn)行預(yù)測。例如理想氣體定律pV=nRT與理想氣體的性質(zhì)和一些實際氣體的模型有關(guān)。如果目前已知壓力、體積、物質(zhì)和量(nR)，想計算溫度，我們可應(yīng)用理想氣體定律模型，得到一些很好的溫度預(yù)測。同樣如果有動設(shè)備的振動和溫度數(shù)據(jù)，可以應(yīng)用分析模型來確定設(shè)備的健康狀況，從而了解振動頻率、溫度偏差和潛在故障模式或磨損模式之間的關(guān)系。

如果當(dāng)已建立了有效的設(shè)備模型，可以將其組合起來并相對實時地在線運行，這意味著數(shù)字雙胞胎技術(shù)已經(jīng)逐步展開。數(shù)字雙胞胎可以包括過程動力學(xué)模型或可靠性模型、能源和材料經(jīng)濟(jì)模型或所有這些模型的任意組合。

工作流轉(zhuǎn)換

數(shù)字化轉(zhuǎn)型為流程行業(yè)帶來的最大收益可能是通過數(shù)據(jù)分析改變了工作流程。正是分析能力允許自動化流程重復(fù)執(zhí)行原來由人工執(zhí)行的任務(wù)，使工作人員能夠?qū)Ｗ⒂谔嵘R和技能空間，而不是僅僅重復(fù)執(zhí)行已知的解決方案。在過程工業(yè)中運營或生產(chǎn)工程師周期性的工作流程，如圖1所述。另一個月度生產(chǎn)監(jiān)控和報告職責(zé)如圖2所述。

圖1 過程工業(yè)中運營或生產(chǎn)工程師周期性的工作流程

圖2 運營或生產(chǎn)工程師月度生產(chǎn)監(jiān)控和報告職責(zé)

自動化工作流程的技術(shù)和產(chǎn)品已經(jīng)存在了很長一段時間，然而除了規(guī)模大、利潤高的行業(yè)外，這些技術(shù)的成本對所有行業(yè)來說都是有些昂貴的。因此這些工作流程依然采用人工，即使十分適合采用自動化流程。借助艾默生Plantweb Optics Analysis等當(dāng)今流行的分析工具，原來人工執(zhí)行的操作可以輕松且經(jīng)濟(jì)高效地部署為自動化工作流程。此外，可靠性工程工作流可以在相同的環(huán)境中實現(xiàn)自動化、擴(kuò)充或簡化?？煽啃怨ぷ髁魅鐖D3所述。

圖3 可靠性工程工作流

將這些在線模型歸入自動化操作的價值在于，設(shè)備健康信息可以從靜態(tài)報告中解放出來，并成為實時在線狀態(tài)感知信息，可供所有需要它的人相對實時使用。

現(xiàn)在是討論數(shù)字化轉(zhuǎn)型戰(zhàn)略的好時機(jī)。借用《高效能人士的七個習(xí)慣》的作者Stephen CoveyAn的說法，沒有制定轉(zhuǎn)換戰(zhàn)略或數(shù)字化轉(zhuǎn)型路線圖的企業(yè)評估上面的示例時，幾乎看不到有可衡量的價值。我們可能會聽到這樣的話：“我無法通過逐漸減少員工人數(shù)來支持這項新的開支”。這種思維只考慮了容易衡量的直接成本，而對機(jī)會成本視而不見。當(dāng)你的同事忙于重復(fù)性工作時，有哪些工程工作沒有完成？或者換一種說法，如果你的員工中多了一個工程師，你還能完成什么？

具有戰(zhàn)略轉(zhuǎn)型愿景的企業(yè)能夠理解在獲取和嵌入工程知識時所創(chuàng)造的高價值。他們明白，自動化在線分析的速度意味著獲得更多利潤，因為在決策和溝通循環(huán)中損失的時間更少。戰(zhàn)略領(lǐng)導(dǎo)者認(rèn)識到，提高態(tài)勢感知可以更快地做出更好的決策，這是一種競爭優(yōu)勢。他們明白，在相同的員工人數(shù)下完成更多的工作是一種成本和能力優(yōu)勢。決策發(fā)生在一個循環(huán)的觀察和決定行為（OODA循環(huán)）中。任何實體（組織或個人）如果能夠比競爭對手更快地處理這個循環(huán)周期，就可以在每個階段獲得累積優(yōu)勢，這使得競爭對手越來越落后。

通過數(shù)字轉(zhuǎn)型努力獲得的收益不應(yīng)被僅僅視為增量。一般情況下，通過減少浪費、返工或停機(jī)時間，以更高的生產(chǎn)率來衡量轉(zhuǎn)化工作流程的直接回報。

回到題目本身來說，數(shù)據(jù)將帶來新的能量源泉。數(shù)據(jù)分析將比石油加工更有利可圖，因為它的風(fēng)險更低，資本成本也更低。 ●