博客2 1

资产层次-驱动可靠性工程的关键

在facebook上分享
在twitter上分享
分享在linkedin
在whatsapp分享

糟糕的维护策略是困扰油气行业的最大问题之一。计划外停机每年给制造商造成数十亿美元的损失。可靠性工程师努力通过最小化故障、提高维护效率和缩短资产维修时间来阻止计划外的容量损失。维护经理需要确定机器应该脱机进行服务的频率。可靠性工程师和维护经理知道利用资产层次结构是强大的预测性维护策略的关键紧急故障减少75%

资产层次是什么?

资产层次结构是制造商在一个或多个位置拥有的所有传感器标签、机器、设备和单个组件的分类。在这个自顶向下的结构中,实体之间的关系类似于父子关系

来源:ISO 14224

资产层次结构用于跟踪机器,有效地安排设备,并识别故障的真正根源,防止昂贵的故障。

重要的是要利用所有可用的数据源来构建当前且准确的强大资产层次结构。请记住,资产层次验证是一个需要主题专家(sme)、过程工程师、可靠性工程师和应用工程师参与的过程。一般来说,一家化工厂可能拥有数千个资产和数十万个传感器标签。手工构建和验证资产层次结构可能很容易花费人的时间。这些专家和维护工程师没有时间和资源来验证数千行资产映射。那么,我们如何聪明而有效地构建这种资产层次结构呢?

构建强大资产层次结构的步骤

有三个步骤来建立一个强大的资产层次结构-

  • 基于文本的混合和匹配算法

文本匹配算法利用标记命名约定、模式匹配和正则表达式来提取有用的上下文信息,这些信息构成资产层次结构的不同层。维护数据、分布式控制系统、方差监测和过程控制数据可以用于提取传感器标签到设备映射。这一步的主要挑战是不同的植物遵循不同的惯例和模式。没有一个适用于所有植物的黄金标准。处理不一致性的方法是使用复杂而健壮的规则引擎来处理不同的情况和异常。此步骤中的映射覆盖率仅与数据和规则引擎一样好。糟糕的数据和不充分的规则将导致更低和不准确的资产映射。

  • 主动学习

文本匹配算法只会产生有限数量的高置信度映射。可以利用主动学习来提高低置信度和中置信度映射的准确性。生成和判别模型使用高置信度映射作为训练数据。标记函数为模型生成特征来对所有数据打分。不确定性抽样将选取模型预测最不确定的样本数据点。中小企业将验证样本并提供反馈,这些反馈将用于优化模型。这种主动学习循环将一直持续下去,直到达到渐进改进的最大阈值

  • 图像分析

资产映射可以使用自适应神经网络从过程和仪表图(p&id)中提取。该模型用于检测目标,通过边界坐标和中心识别目标位置,识别目标之间的连接,识别亲子关系、兄弟关系和邻居关系,并提取其他上下文信息。神经网络经过训练来识别图表中使用的模式、形状和符号。对象之间的位置和连接被标识为资产之间的框架关联。

帮助你的企业实现高级分析的承诺
总而言之,投资于创建准确资产层次的能源公司将处于最佳位置,以优化设备生命周期和最大限度地提高整体吞吐量。机器学习和人工智能等技术使企业能够实现自动化,准确而迅速地提取资产层次结构,否则可能需要数年时间来构建和维护。188bet金宝搏彩票LatentView Analytics正在与各行各业的公司合作,利用先进的分析、人工智能和ML的力量来改变他们的业务流程,推动创新,并增强客户体验。要了解LatentVie188bet金宝搏彩票w Analytics如何帮助您规划人工智能并在您的业务中发挥其潜力,请通过以下方式与我们联系marketing@latentview.com