数字化分析帮助化工企业预测生产故障

中国许多化工企业已经为IT系统（DCS\ERP\MES等）和基础设施花费了大量投资，并且产生了大量数据，但到目前为止，许多制造商都未能利用这堆积如山的潜在情报，信息仍在“冰山之下”。

随着技术的革新，提高计算能力的成本随之下降和同时出现了更好的高级分析工具，化工企业可以将这些数据投入使用，从多个来源收集信息，并使用机器学习和可视化平台来发现优化工厂运营的方法。其中最易入手的就是通过分析减少停机时间。

化工制造企业可以通过使用大数据分析来寻找预测其故障的方法，从而增加关键资产的运行时间。这种预测性维护系统收集历史数据并产生传统技术无法观察到的见解。通过应用高级分析，公司可以确定可能导致机器损坏的情况。然后，他们可以监控所有相关参数，以便在破损发生之前进行干预，或者在发生故障时准备更换组件， 从而最大限度地减少停机时间。预测性维护通常可将机器停机时间减少 30% 至 50%，并将机器寿命延长 20% 至 40%。

化工企业已经开始在这一领域看到实质性的收益。一家主要的表面活性剂生产商在其最大的工厂中经常遇到再循环和排放泵的问题。当其中一个泵坏了，工厂不得不停止生产十个小时，同时安装了更换装置;这些泵除了生产损失的成本影响外，并且本身价格昂贵。工程师测试了几个假设，以确定故障的可能原因;他们还尝试了泵和密封件中的替代材料，以及不同的工艺条件，但没有一个能解决问题。

高级数据分析方法改变了这一切。它将来自数百个传感器的数据的详细分析与工厂工程师的专业知识相结合，并重新检查了过程变量和其他数据源;然后，它使公司能够开发一种方法来预测何时即将发生故障。问题仅发生在部分表面活性剂配方中，而不是所有批次，这表明关键在于设备中的特定工艺条件。该团队开发了一个基于“随机森林”算法的模型，该模型考虑了生产中的特定参数设置，例如极端温度和温度进展，以及有关表面活性剂产品类型和配方的信息。

在新方法下，当出现问题的表面活性剂开始生产时，根据算法评估每个生产批次。当它标志着故障即将发生时，工厂操作员对机器的特定部件进行15分钟的清洁，以防止故障发生。使用高级分析方法对性能的改进是巨大的。该公司现在只需处理15分钟的生产中断，而不是十个小时的生产损失和昂贵的备件更换，并且将生产损失减少了58%，维护成本降低了79%。

数字化为化学公司带来了巨大的希望，在制造业中采用高级分析提供了一些最早和最大的机会。我们相信，数字化将对化工行业的许多领域产生重大影响，其中制造业绩效的增幅可能最大。