设备健康管理在石化行业的探索与实践

设备管理现状

“设备的运维管理面临复杂多变的设备故障与安全管控挑战，缺乏专业数字化平台工具应对。”

石化企业具有生产连续性强，设备自动化水平高，设备设施资产规模巨大且易燃易爆的特点，其中旋转类设备在石化厂用量高达 80%以上。机泵设备一旦发生问题，容易导致装置停产，重则造成环境污染、火灾爆炸、人身伤亡等重大事故。如何做好石化行业设备的健康管理？本文将借 PreMaint 智能平台进一步进行探索与实践。

文章来源

本文整理自格创东智 PreMaint 资深解决方案专家王鹏受邀在 2022 年（第三届）设备检维修技术大会的发言，本文由<设备工程>原创首发，转载请注明出处。

>工业互联网平台全栈式解决方案

东智 PreMaint 是基于设备健康指数驱动的设备智能管理一体化平台。可满足企业构建融合的设备数据应用系统，实时感知设备机台的运行工况和工艺健康状态。针对石化行业设备的特殊性，PreMaint 提出联动物联网、人工智能、大数据等数据平台，基于工业互联网的全栈式解决方案。

图. PreMaint 构建基于工业互联网的全栈式解决方案

全面感知

•        采集核心业务流程各个环节关键数据

•        实现生产过程任意信息的全面实时监控

智能预警

•        智能分析诊断实时提供预警信息

•        实现预警处理标准化控制与管理

全景生态

•        构建石油石化工业互联网的完整应用平台

•        实现业务应用协同与资源共享

智能优化

•        基于大数据、人工智能的智能评估及预测

•        实现设备、生产、工艺过程的预测与优化

>设备健康管理核心目标

1. 事后维修变为事前预防，提高运行效率

PreMaint 对设备的机理和环境参数进行多源数据实时监测和计算分析，准确预测故障信息，保障生产稳定运行，延长设备使用寿命。

 2.智能预警智能诊断，降低安全风险

PreMaint 通过人工智能算法实现设备状态预警和诊断，降低对于专家的依赖，可有效降低高温、高压、高腐蚀等高危设备的安全隐患。

3. 优化设备运行计划，节能减排

提供设备最优维护策略，避免设备故障或亚健康状态导致不必要的能源消耗和作业风险。

4. 基于工业互联网平台，创新智能运维

提供支撑设备、设施运维的增值服务和全生命周期的质保服务，增加客户满意度。

>PreMaint 预测性维护基础能力

1.智能预警

根据设备运行规律或观测得到的可能性前兆，在设备真正发生故障之前，及时预报设备的异常状况和严重程度。

2.智能诊断

挖掘分析导致设备故障的关键因素，结合设备运行机理和运行规律，自动识别故障发生原因和严重程度，并给出维修建议。

3.智能评估

根据当前一段时间的设备运行状态，分析评估设备的健康程度，并预测未来设备运行状态的发展趋势。

>设备健康管理的三大关键要素

1.多源数据采集

融合电气、机理、过程管理数据、生产实时数据等，采用人工智能算法构建设备预警 &评估模型，降低精密诊断专家资源依赖，增加设备预警提前期，提升设备评估准确度。可有效指导现场维修策略提升设备管理水平。

2.数据驱动建模分析

以融合来自 DCS、PLC、SCADA、MES、传感器、IOT 等不同来源的数据，以设备为中心构建工艺、工况的多源数据模型，从而建立有效的设备健康评估模型，构建设备全周期立体化的数字模型。

3.数据驱动知识库建模

对故障知识进行分析，对知识进行结构化组织和表示，构建故障诊断和维修知识库，并结合人工智能算法和知识推理机，实现故障诊断和措施推荐。

>石化行业解决案例

预测性维护有助于减少设备的停机时间和能源消耗，同时，通过更主动的预测性维护模型，可以增加设备寿命和操作安全性，促进机泵设备的优化提升。PreMaint 基于边云智能协同的机泵群预测性维护解决方案植入某石化企业机泵群并得到广泛推广，融合设备多源数据，强化机泵的故障预测与健康管理，为智能运营提供有效支撑。

PreMaint 设备预测性维护方案，可以提前预知设备劣化趋势，避免计划外停机，并有助于减少碳排放。评论或私信，了解更多PreMaint在石化行业的实践。