周忠亮

（石化盈科信息技術(shù)有限責(zé)任公司，北京 100020）

當(dāng)前，以云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、人工智能等為代表的新一輪科技革命席卷全球，推動(dòng)制造業(yè)邁向轉(zhuǎn)型升級(jí)的新階段?？v觀國內(nèi)外石油石化行業(yè)，各大企業(yè)紛紛加大數(shù)字技術(shù)創(chuàng)新，加快數(shù)字化業(yè)務(wù)布局，開展數(shù)字化、智能化項(xiàng)目建設(shè)，在傳統(tǒng)行業(yè)中應(yīng)用新興技術(shù)以謀求新的增長(zhǎng)點(diǎn)和突破點(diǎn)，力圖在新一輪產(chǎn)業(yè)變革中塑造新優(yōu)勢(shì)、搶抓新機(jī)遇。如果說企業(yè)信息化是把正確的數(shù)據(jù)在正確的時(shí)間以正確的方式傳遞給正確的人和機(jī)器，那么智能化就是要把海量的工業(yè)數(shù)據(jù)轉(zhuǎn)化為信息，信息轉(zhuǎn)化為知識(shí)，知識(shí)轉(zhuǎn)化為科學(xué)決策，以應(yīng)對(duì)和解決制造過程的復(fù)雜性和不確定性等問題，其目標(biāo)在于不斷提高制造資源的配置效率。

近年來，我國自主設(shè)計(jì)建造和從國外引進(jìn)了一大批成套生產(chǎn)裝置，化工廠、大中型石化基地、大中小型化肥企業(yè)幾乎遍布全國。大型石化裝置普遍采用轉(zhuǎn)動(dòng)設(shè)備來輸送流體和傳遞動(dòng)力，以適應(yīng)大流量、長(zhǎng)期連續(xù)運(yùn)轉(zhuǎn)等生產(chǎn)要求，而轉(zhuǎn)動(dòng)設(shè)備常由于其自身缺陷或外界影響出現(xiàn)各種不同形式的故障，使其不能正常運(yùn)行而影響實(shí)際生產(chǎn)運(yùn)作，甚至?xí)l(fā)生嚴(yán)重毀機(jī)事故，造成重大經(jīng)濟(jì)損失或人員傷亡。設(shè)備在使用過程中，其性能或狀態(tài)將隨著使用時(shí)間的推移逐步下降，最終演化為功能性故障。不同時(shí)間段對(duì)應(yīng)不同維修體制，若根據(jù)故障發(fā)生前的一些預(yù)兆提前制定相應(yīng)措施，則能夠爭(zhēng)取更多時(shí)間，做出更具針對(duì)性的決策，有計(jì)劃性地安排停機(jī)，達(dá)到減少損失、降低成本的目的。為了確保生產(chǎn)裝置的“安、穩(wěn)、長(zhǎng)、滿、優(yōu)”運(yùn)行，必須保證轉(zhuǎn)動(dòng)設(shè)備長(zhǎng)周期可靠運(yùn)轉(zhuǎn)。因此，開展轉(zhuǎn)動(dòng)設(shè)備的運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè)技術(shù)研究，在設(shè)備故障未曾顯現(xiàn)之前對(duì)其進(jìn)行預(yù)測(cè)預(yù)警，實(shí)現(xiàn)預(yù)測(cè)性維護(hù)十分必要。

石化企業(yè)普遍實(shí)施了設(shè)備狀態(tài)監(jiān)測(cè)、實(shí)時(shí)數(shù)據(jù)庫等系統(tǒng)，對(duì)設(shè)備本體狀態(tài)及運(yùn)行狀態(tài)密切相關(guān)的參數(shù)進(jìn)行集中監(jiān)測(cè)。對(duì)于變化趨勢(shì)的預(yù)測(cè)預(yù)警，傳統(tǒng)的做法大都是通過設(shè)置閾值報(bào)警或者利用技術(shù)人員的經(jīng)驗(yàn)進(jìn)行人工判斷。利用大數(shù)據(jù)挖掘等技術(shù)，使用聚類、關(guān)聯(lián)等算法，可以對(duì)設(shè)備大量的歷史數(shù)據(jù)進(jìn)行挖掘、抽取、轉(zhuǎn)換、分析和其他模型化的處理，從中提取輔助決策的關(guān)鍵性數(shù)據(jù)，發(fā)現(xiàn)規(guī)律，定量化分析研究設(shè)備狀態(tài)變化問題，并采取針對(duì)性的措施降低設(shè)備運(yùn)行風(fēng)險(xiǎn)，跟蹤或控制設(shè)備劣化趨勢(shì)。

1 設(shè)備運(yùn)行狀態(tài)預(yù)測(cè)的方法構(gòu)建

圍繞大數(shù)據(jù)分析，需要對(duì)設(shè)備的相關(guān)數(shù)據(jù)進(jìn)行收集、處理和建模。

1.1 數(shù)據(jù)收集

數(shù)據(jù)收集是大數(shù)據(jù)分析的基礎(chǔ)。設(shè)備運(yùn)行的信息和數(shù)據(jù)分散在不同的系統(tǒng)中，需要借助有效的平臺(tái)工具采集并存儲(chǔ)數(shù)據(jù)。借助工業(yè)互聯(lián)網(wǎng)平臺(tái)的集中集成、工業(yè)物聯(lián)等核心引擎，可以將包括設(shè)備工藝參數(shù)數(shù)據(jù)、設(shè)備狀態(tài)數(shù)據(jù)、分析化驗(yàn)數(shù)據(jù)、技術(shù)資料信息、點(diǎn)巡檢信息、檢維修記錄信息等在內(nèi)的所有實(shí)時(shí)或歷史數(shù)據(jù)集成、存儲(chǔ)到統(tǒng)一平臺(tái)中。而后，利用工業(yè)互聯(lián)網(wǎng)平臺(tái)的大數(shù)據(jù)算法工業(yè)技術(shù)引擎，實(shí)現(xiàn)一系列數(shù)據(jù)處理和建模工作，如圖1所示。

圖1 基于工業(yè)互聯(lián)網(wǎng)平臺(tái)開展設(shè)備大數(shù)據(jù)分析

1.2 數(shù)據(jù)處理

數(shù)據(jù)處理是大數(shù)據(jù)分析的前提。在這一過程中，要保留設(shè)備狀態(tài)核心信息，縮減數(shù)據(jù)維度，降低模型運(yùn)算量。常見的數(shù)據(jù)降維方法包括：主成分分析方法（PCA）、Pearson相關(guān)系數(shù)、最小二乘回歸誤差、最大互信息系數(shù)（MIC）等，這些方法在科學(xué)研究中都得到了不同程度的應(yīng)用。石化行業(yè)轉(zhuǎn)動(dòng)設(shè)備的指標(biāo)參數(shù)之間存在多種線性、非線性、甚至非函數(shù)關(guān)系，MIC方法適用于發(fā)現(xiàn)兩個(gè)隨機(jī)變量之間依賴關(guān)系強(qiáng)度，具有普適性，既能夠發(fā)現(xiàn)變量間的線性函數(shù)關(guān)系，也能發(fā)現(xiàn)非線性函數(shù)關(guān)系。因此，與其他數(shù)據(jù)降維方法相比，使用MIC方法處理石化行業(yè)設(shè)備產(chǎn)生的數(shù)據(jù)更為合適。MIC方法的主要思想是：如果兩個(gè)指標(biāo)參數(shù)間存在某種關(guān)聯(lián)關(guān)系，通過在其平面散點(diǎn)圖中繪制網(wǎng)格把散點(diǎn)圖中的點(diǎn)進(jìn)行分割，進(jìn)一步增大網(wǎng)格的分辨率并計(jì)算出每種分辨率下所能達(dá)到的最大互信息值，對(duì)所有的最大互信息值進(jìn)行歸一化處理后給出的計(jì)算結(jié)果。

1.3 數(shù)據(jù)建模

數(shù)據(jù)建模是大數(shù)據(jù)分析的關(guān)鍵。設(shè)備狀態(tài)趨勢(shì)預(yù)測(cè)的方法眾多，目前常見的預(yù)測(cè)方法主要有灰色預(yù)測(cè)模型、支持向量機(jī)（SVM）、人工神經(jīng)網(wǎng)絡(luò)（ANN）、馬爾科夫鏈模型預(yù)測(cè)等。其中，在超短期預(yù)測(cè)方面，馬爾科夫鏈模型具有簡(jiǎn)便快捷、較高精確度、不需要對(duì)預(yù)測(cè)誤差做出任何假設(shè)等特點(diǎn)。馬爾科夫鏈模型的狀態(tài)轉(zhuǎn)移矩陣，能夠從當(dāng)前時(shí)刻的狀態(tài)預(yù)測(cè)下一時(shí)刻的狀態(tài)，在數(shù)據(jù)趨勢(shì)預(yù)測(cè)中已得到成功應(yīng)用。同時(shí)，動(dòng)態(tài)劣化度由參數(shù)當(dāng)前值和參數(shù)趨勢(shì)變化量疊加而得，綜合考慮了設(shè)備的當(dāng)前狀態(tài)及其變化趨勢(shì)，能夠動(dòng)態(tài)描述設(shè)備的運(yùn)行狀態(tài)。具體而言，動(dòng)態(tài)劣化度是用指標(biāo)參數(shù)的預(yù)測(cè)值作為此刻劣化度分析的數(shù)值，來反映設(shè)備運(yùn)行狀態(tài)的好壞，其計(jì)算公式分為越小越優(yōu)型、中間型、越大越優(yōu)型。以越小越優(yōu)型動(dòng)態(tài)劣化度計(jì)算公式為例：

式中，g（xP）為指標(biāo)參數(shù)的動(dòng)態(tài)劣化度，g（xP）是區(qū)間[0，1]的具體數(shù)值，其中，0代表最優(yōu)、1代表最差；xmin及xmax分別為該指標(biāo)參數(shù)的正常運(yùn)行最小值和最大值；xP為指標(biāo)參數(shù)的預(yù)測(cè)值。

采用馬爾科夫鏈模型并結(jié)合動(dòng)態(tài)劣化度的計(jì)算方法，對(duì)轉(zhuǎn)動(dòng)設(shè)備的運(yùn)行狀態(tài)趨勢(shì)進(jìn)行預(yù)測(cè)，較為符合轉(zhuǎn)動(dòng)設(shè)備狀態(tài)監(jiān)測(cè)間隔時(shí)間短、數(shù)據(jù)量大、趨勢(shì)預(yù)測(cè)既要算法精度又要兼顧實(shí)時(shí)性的要求。

1.4 方法總結(jié)

本文一方面通過MIC方法進(jìn)行關(guān)聯(lián)關(guān)系分析，識(shí)別出冗余指標(biāo)參數(shù)，進(jìn)而保留其中獨(dú)立的指標(biāo)參數(shù)進(jìn)行后續(xù)分析計(jì)算，同時(shí)降低模型的規(guī)模和計(jì)算復(fù)雜度，提高對(duì)設(shè)備運(yùn)行狀態(tài)預(yù)測(cè)的準(zhǔn)確性；另一方面，根據(jù)指標(biāo)參數(shù)相關(guān)性分析結(jié)果，采用馬爾科夫鏈模型來預(yù)測(cè)變化趨勢(shì)，對(duì)獨(dú)立指標(biāo)參數(shù)采用動(dòng)態(tài)劣化度分析方法進(jìn)行歸一化處理，從而預(yù)測(cè)設(shè)備運(yùn)行狀態(tài)的發(fā)展趨勢(shì)。

2 實(shí)例應(yīng)用

以某石化企業(yè)離心式壓縮機(jī)組為例，進(jìn)行設(shè)備運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè)。首先確定與壓縮機(jī)組相關(guān)的指標(biāo)參數(shù)，為降低計(jì)算工作量、提高實(shí)時(shí)計(jì)算速度，先將離心機(jī)組按照功能組件劃分為5個(gè)子系統(tǒng)，分別為壓縮機(jī)、汽輪機(jī)、工藝系統(tǒng)、油路系統(tǒng)及干氣密封系統(tǒng)，每個(gè)子系統(tǒng)獨(dú)立預(yù)測(cè)與評(píng)價(jià)。從企業(yè)實(shí)時(shí)數(shù)據(jù)庫、在線狀態(tài)監(jiān)測(cè)等系統(tǒng)提供的運(yùn)行參數(shù)中選取可表征該壓縮機(jī)組運(yùn)行狀態(tài)的主要評(píng)估指標(biāo)參數(shù)。數(shù)據(jù)采集范圍從1月1日至4月30日，每條數(shù)據(jù)記錄間隔為1 min。

運(yùn)用工業(yè)技術(shù)引擎的技術(shù)工具，對(duì)各子系統(tǒng)選取的指標(biāo)參數(shù)中的兩兩參數(shù)間進(jìn)行MIC計(jì)算，結(jié)合設(shè)備技術(shù)人員的經(jīng)驗(yàn)，按照在充分表征運(yùn)行狀態(tài)的情況下盡可能選取少的指標(biāo)參數(shù)的原則，選擇出最佳組合作為獨(dú)立指標(biāo)參數(shù)。

以工藝系統(tǒng)為例，工藝P&ID圖及測(cè)點(diǎn)位置如圖2所示。

圖2 機(jī)組工藝P&ID圖

對(duì)工藝系統(tǒng)中的指標(biāo)參數(shù)分別做兩兩參數(shù)間的MIC計(jì)算，結(jié)果如表1所示。

表1 指標(biāo)參數(shù)MIC計(jì)算結(jié)果

選取XI24666，TI24140，F(xiàn)IC24033，PIC24226的組合為工藝系統(tǒng)中的獨(dú)立指標(biāo)參數(shù)。然后，對(duì)獨(dú)立指標(biāo)參數(shù)運(yùn)用馬爾科夫鏈計(jì)算其預(yù)測(cè)值及動(dòng)態(tài)劣化度，可以得到獨(dú)立指標(biāo)在t*時(shí)刻的動(dòng)態(tài)劣化度，如表2所示。

表2 工藝系統(tǒng)指標(biāo)參數(shù)動(dòng)態(tài)劣化度（t*時(shí)刻）

按照此方法依此計(jì)算各子系統(tǒng)的獨(dú)立指標(biāo)參數(shù)動(dòng)態(tài)劣化度，作為該壓縮機(jī)組的狀態(tài)監(jiān)測(cè)指標(biāo)。4月7日00:44時(shí)該機(jī)組指標(biāo)參數(shù)XI24666發(fā)出閾值報(bào)警，如圖3上半部分所示。圖3下半部分表示該指標(biāo)參數(shù)的動(dòng)態(tài)劣化度，可以看出，在00:28時(shí)指標(biāo)參數(shù)XI24666的動(dòng)態(tài)劣化度已發(fā)出閾值報(bào)警，之后一直處于高危區(qū)，在0:42時(shí)再次報(bào)警，并一直持續(xù)到最后。本方法監(jiān)測(cè)的最早報(bào)警時(shí)間比閾值報(bào)警提前了16 min。

圖3 動(dòng)態(tài)劣化度監(jiān)測(cè)與閾值報(bào)警時(shí)間對(duì)比

該方法充分考慮了機(jī)組當(dāng)前運(yùn)行狀態(tài)及狀態(tài)趨勢(shì)，有利于提前發(fā)現(xiàn)和排查設(shè)備早期故障隱患，讓機(jī)組故障可預(yù)測(cè)可預(yù)警。同時(shí)，大數(shù)據(jù)分析技術(shù)可以將原來對(duì)設(shè)備運(yùn)行監(jiān)測(cè)的多類分散數(shù)據(jù)可集中在一起，經(jīng)過降維分析和可視化，能清晰、直觀了解到本體、密封、潤滑等各子系統(tǒng)狀態(tài)，能更好更全面了解設(shè)備運(yùn)行數(shù)據(jù)，受到機(jī)組設(shè)備人員的一致好評(píng)。

通過應(yīng)用大數(shù)據(jù)技術(shù)，對(duì)關(guān)鍵的轉(zhuǎn)動(dòng)設(shè)備運(yùn)行健康狀態(tài)進(jìn)行研究，分析結(jié)果和防范措施在企業(yè)提高生產(chǎn)運(yùn)行效率、減少非計(jì)劃停工次數(shù)、延長(zhǎng)裝置運(yùn)行周期、延長(zhǎng)設(shè)備使用壽命、降低設(shè)備維修費(fèi)用等方面帶來可觀的經(jīng)濟(jì)效益。該石化公司近兩年的年平均轉(zhuǎn)動(dòng)設(shè)備維修費(fèi)約為15 150萬元，應(yīng)用設(shè)備運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè)技術(shù)后，預(yù)計(jì)可降低轉(zhuǎn)動(dòng)設(shè)備維修費(fèi)用5%，僅此項(xiàng)每年帶來的經(jīng)濟(jì)效益約為757.5萬元。

3 結(jié)語

石化行業(yè)因其典型的流程型制造模式，具有原料物性復(fù)雜、生產(chǎn)工藝復(fù)雜、生產(chǎn)裝備復(fù)雜和安全環(huán)保要求高等特點(diǎn)。傳統(tǒng)流程工業(yè)的產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，不僅需要新裝備、新工藝和新型催化劑，更需要新一代信息技術(shù)與運(yùn)營技術(shù)、制造技術(shù)的深度融合，為生產(chǎn)方式帶來革命性變化。

本文在設(shè)備運(yùn)維方面提出了一種基于大數(shù)據(jù)分析的設(shè)備運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè)的方法，并將其應(yīng)用于國內(nèi)某石化企業(yè)壓縮機(jī)組的狀態(tài)監(jiān)測(cè)。結(jié)果表明，該方法有利于提前發(fā)現(xiàn)早期故障隱患，實(shí)現(xiàn)對(duì)設(shè)備健康狀態(tài)的定量分析、實(shí)時(shí)運(yùn)算與智能預(yù)測(cè)，及時(shí)有效防范設(shè)備運(yùn)行風(fēng)險(xiǎn)，保證設(shè)備連續(xù)安全運(yùn)行，從而避免不必要的停機(jī)，并對(duì)縮短檢修時(shí)間、合理安排檢維修計(jì)劃等起到重要作用，具有可觀的工程應(yīng)用價(jià)值，對(duì)提升企業(yè)的經(jīng)濟(jì)效益具有積極意義。