大数据分析模式下的设备全寿命周期管理研究应用.doc

编号:北京能源投资(集团)有限公司科技攻关项目立项申请书项目名称：大数据分析模式下设备全寿命周期管理研究申请单位：内蒙古京隆发电有限责任公司起止年限：至通讯地址：内蒙古丰镇市工业园区京隆发电有限责任公司邮政编码：01电话：申请日期：-10-18北京能源投资（集团）有限公司科技攻关项目立项申请书简表项目名称运用大数据完毕设备状态劣化趋势分析研究项目负责人姓名常 屹工作单位内蒙古京隆发电有限责任公司性别男年龄35专业汽机职称工程师项目分类技术攻关新技术开发新产品试制技术引进消化吸取应用理论基本研究软科学研究成果转化项目组人数其中高档2中级1研究生2初级1协作单位研究起止年月.03.10申请金额（万元）：450批准金额（万元）：课题内容、意义和预期成果摘要课题研究内容：“大数据”不是“数据分析”另一种说法！大数据具备规模性、高速性、多样性、并且无处不在全新特点，详细地说，是指需要通过迅速获取、解决、分析和提取有价值、海量、多样化交易数据、交互数据为基本，针对公司运作模式提出有针对性方案。大数据是当前最火热一种话题，运用大数据分析设备状态劣化趋势,是全方位对现公司管理手段一段颠覆。运用计算机技术协助生产人员对设备状态、缺陷等一系列过程进行监督管理、分析，以达到设备费用最经济、设备综合产能最高抱负目的。课题重要意义：“不会量化就无法管理！”这个观点是管理大师德鲁克、戴明都赞同管理实践，诸多公司往往依托领导直觉做决策。这种通过直觉和感性做出决策，容易因得不到本应得到充分信息，而导致出错率增长，甚至资源被错配，资金被挥霍。核心数据将对公司决策产生重大影响，通过大数据分析，公司通过量化分析，可以提高决策质量和业绩体现。运用大数据完毕诊断监测系统对设备进行管理，减少人为因素对设备影响，科学合理组织生产，指引电力生产公司更加科学、有效作出判断，避免资源挥霍。 预期成果：大数据彻底变化公司内部运作模式，以往管理是“领导怎么说？”当前变成“大数据分析成果”，这是对老式领导力挑战，也推动公司管理岗位人才定义。不但懂公司业务流程，还要成为数据专家，跨专业规定变化过去领导力重要体当前经验和过往业绩上，如今纯熟掌握大数据分析工具，善于运用大数据分析成果结合公司生产和运营管理实践是新规定。通过对设备运营过程中性能数据采集、分析，运用计算机软件系统检测、分析设备数据，最后拟定设备运营状态模型，为设备采购、使用、维修、轮换做定量分析，通过持续性数据分析，合理拟定设备使用寿命，通过上线使用验证系统实际效益，指引电力生产公司更加科学合理组织生产，最后达到推广应用目。一、本研究项目科技根据（涉及科技意义和应用前景，国外研究概况、水平和发展趋势，应用理论基本研究项目应当阐述学术思想，立论根据，特色或创新之处，重要参照文献目录和出处） 科技意义：大数据分析目，就是找出隐性操作问题及未知变化，及时地做好防止，从而避免故障。在欧美国家重振制造业过程中，工业大数据被作为一项重要内容。而在中华人民共和国制造业转型升级过程中，工业大数据也将发挥重要作用。从全美制造业创新网络，到德国工业4.0，再到正在酝酿中华人民共和国制造2025规划，一场席卷全球新工业革命轮廓已逐渐清晰。“将来工业将建立在以互联网和信息技术为基本互动平台之上，将更多生产要素更为科学地整合，变得更加智能化、自动化、网络化、系统化，而生产个性化、定制化将成为常态。随着电子技术和计算机技术迅速发展，工业生产越来越当代化。设备和生产朝着大型化、高速化、自动化、持续化、智能化、环保化等方向发展。设备更加精密复杂，许多故障很难靠人感官发现，并且有些设备精密复杂，不容许容易解体检查；另一方面设备突发性事故导致损失越来越大；三是设备维修成本占总生产成本越来越大。因此追求设备高可靠性和最合理维修方式是公司设备工程管理焦点。京隆热电ERP设备劣化趋势分析管理项目实行为咱们提出了设备管理应如何体现经济价值？管理价值及应用价值？对此咱们进行了进一步探讨,咱们以为当代化公司生产运营状况与其资产状况紧密有关，对于京能集团这种发电行业，其生产设备状况直接影响到生产产量，同步关联到生产成本，从而对公司经营状况导致深远影响。如何减少设备故障频率；减少停机时间和检修工期；减少备品备件库存，减少维修成本，提高维修人员工作效率，延长资产寿命是京隆热电当前急需解决问题之一。借助于大数据理论解决电厂现急需解决问题，以信息化带动工业化正是咱们课题重要任务。 当前状态：梳理欧美国家重振制造业规划，将信息技术与工业技术融合是共同特性。那么，两者融合究竟将如何变化制造业?这一点从工业大数据应用中可见一斑。在美国辛辛那提大学讲座专家、美国国家科学基金会智能维护系统产学合伙中心主任李杰看来，制造业问题可以分为两类，一类是看得到问题，一类是看不到问题。所谓看得到问题，指是生产中各类设备，而看不到问题，则是生产精益和稳定性。“工业大数据分析目，就是找出隐性操作问题及未知变化，及时地做好防止，从而避免故障。进入20世纪80年代以来，美国等发达国家逐渐开始在火力发电厂推广应用一系列当代维修优化和管理技术，采用先进设备分析评估技术和状态监测手段，及时掌握设备真实状态和寿命，合理地安排检修项目与检修间隔，从而有效地减少了检修成本，提高了设备可靠性。在美国，电力设备风险评估，可靠性分析，寿命管理，预知性维修等技术发展较快,已形成较成熟成套维修优化和管理技术。在各电力公司实际应用中，往往依照设备和管理特点有所侧重。如田纳西电力重要实行是设备长期寿命管理方略，某些其她电力公司实行是以辅机状态监测为主预知性维修技术;而在日本，则重要履行以设备点检为重要方式全面筹划质量维修管理和寿命管理为基本模式;在欧洲国家，则重要采用风险评估结合寿命管理为主、重点在主机设备开展维修优化和管理方略;国内在电力体制改革之前已经提出设备劣化趋势分析管理理念，但是对设备劣化趋势分析管理研究并为之投入资金机构较少，当前还没有成型产品。之因此浮现这种状况，咱们理解不是她们不想做，而是当时是处在老式科学办法论上，特别是信息技改发展还不能实现数据对数据这种模式，而大数据浮现实现了还原论与整体论融贯；承认复杂多样性，地方性知识获得了科学地位；突出事物关联性，非线性问题有理解决捷径，由此复杂性科学提出科学办法论原则通过大数据得到了技术实现，从而给科学办法论带来了真正革命。 应用前景：国家经贸委在“九五”全国设备管理工作纲要中明确指出，公司要“继续推动设备管理当代化，广泛采用先进设备管理办法和维修技术。建立价值形态与实物形态相结合设备管理信息系统。在采用设备状态监测、故障诊断等技术基本上，使设备维修方式逐渐转向以状态维修为主维修方式”。显然，设备状态监测与故障诊断是当代化管理技术基本。当前国内设备维修体制，已开始从初期事后维修和长期按筹划维修体制，过渡到当代、具备预知性视情维修（或称状态维修）阶段。设备状态监测与故障诊断思想酝酿，可以追溯到20世纪80年代，但真正形成一种技术并应用到生产实际中，还是近十几年事。随着当代科学技术进步与发展，设备越来越大型化，功能越来越全面，构造越来越复杂，自动化限度越来越高。核心设备发生故障或不合理更换，不但会导致巨大经济损失，并且也许危及人身安全。因而，发电公司对设备安全、稳定、长周期运营规定也越来越迫切。这就对设备管理提出了更高规定，同步也是设备管理与设备故障诊断领域所面临新机遇和挑战。将设备全生命周期状态监测与故障诊断技术应用于生产实践，使其在当代设备管理过程中发挥更大作用，是科研人员与广大现场工程技术人员所肩负任务与使命。就在此时，一场技术革命正在兴起，大数据领域当中数据建模已经越来越热，并且做得公司越来越多。应用大数据理论完毕设备状态劣化趋势分析，是课题研究必要手段。大数据从狭义字面来理解话，它应当与小数据相相应，意指数据量特别巨大，超过了咱们常规解决能力，必要引入新科学工具和技术手段才可以进行解决数据集合。对此咱们就是要把设备所有信息状态拟定到模型中去，对实实数据进行分析解决，“通过对数据挖掘和分析，达到优化产品价值链，改进工厂生产质量，增长透明度，减少库存。最后使咱们产品质量更高，顾客满意限度也更高。研究内容和预期成果（阐明项目详细研究内容和重点解决技术问题，预测达到技术经济指标，预期成果和提供形式及其应用该成果已贯彻单位和也许应用其他单位及效益）1、重要研究内容从设备管理角度以及现ERP所具备功能划重要划分为如下几种方面：（一） 强化点检管理，实现点检系统与ERP系统集成按照设备管理创新和信息化建设规定，吸取先进设备管理理念，制定科学点检体系和推动目的，力求达到点检体系完备，点检作业规范，点检管理高效。在实行中既考虑设备管理水平提高。积极推广量化点检，做到感观定性点检和仪器量化点检相结合，定量精确地把握设备状态；进一步修订和完善设备点检原则，达到点检原则科学合理，点检作业规范有效；建立科学“三位一体”设备点检体系，构建牢固设备五层防护线；实践告诉咱们，设备点检定修制是适合发电行业设备管理一种先进管理体制。只有真心实意地学习别人成功经验，善于在学习中思考，在实践中总结，在总结中提高，才干真正实现管理创新、创优。咱们对点检定修制进行进一步研究，深刻领略其内涵。设备点检制重要精髓在于，强调全员设备管理，建立寻常点检、专业点检和精密点检互相配套三位一体点检体系，形成寻常点检、专业点检、精密点检、设备技术诊断和设备防止维修相结合五层设备防护线。依照当前已经实行点检制现状进行认真分析，对照先进找差距，明确提出要抓住设备ERP系统实行有利时机，建立和完善京隆热电三位一体设备点检体系。咱们在流程优化中明确规定发电运营人员参加设备寻常点检活动，承担必要设备检查和小维护责任，以构成设备第一层防护线；在此基本上开展专业点检、精密点检，构成完备“三位一体”设备点检体系；最后形成寻常点检、专业点检、精密点检、技术诊断和防止维修相结合设备“五层防护线”。通过完善点检体系，借助设备信息化手段，使设备点检管理得到了进一步强化。在强化管理过程中，应用大数据建模完毕分析过程，完善设备全寿命管理过程，为领导提供决策提供真实、可靠数据保证。（二）完善精密点检管理，为设备劣化趋势分析做好数据准备精密点检作为点检深化重要内容，为点检工作深层次应用提出了更高原则和规定，电厂通过开展设备精密点检管理，为设备开展状态维修提供技术支撑；精密点检也是为电厂实行点检技能分级管理，切实提高设备点检水平一某些。电厂技术监督工作需要以质量为中心，以原则为根据，以计量为手段，建立质量、原则、计量三位一体技术监督体系，技术上体当前精密点检方面。技术监督工作中精密点检是一项目非常重要及复杂工作，为了提高设备管理水平，保证设备稳定、经济运营，完善精密点检工作，为技术监督把好质量关、技术关。为了做好精密点检工作，咱们必要从管理制度入手，做好如下“六定”工作 定测点。拟定出每台设备监测点。测点选取要坚持两条原则，一是要选用那些尽量真实反映设备状态和故障信息位置，二要保证每次监测在同一点进行。如锅炉温度、水压力等，旋转设备测振时选取轴承座位，电气设备温度监测时选取接点部位，液压润滑油清洁度检测时选取过滤器先后部位等等。 定参数。从最能表征设备技术状态和故障发展趋势参数中，结合诊断办法需要选定监测参数。如大型旋转设备振动，轴承、电气设备接点温度，液压润滑系统油液清洁度、酸值、水分、粘度等，对于锅炉防磨防爆也要尽量建立量化点，严格根据各项参数原则值进行当前点数据对比分析。 定仪器。依照所定监测参数和检测办法，选定适当检测诊断仪器。 定原则。开始可参照执行关于国际原则、国标或行业原则。如无现成原则可依，可先参照其他同类设备原则，或依照经验，从严设定一种暂时原则，再通过一段时间监测诊断实践，摸索制定出相应状态评判原则。 定周期。要依照不同设备特点，以及劣化状况拟定监测周期。对于锅炉防磨防爆有些部位是不能建立临测点，只有在检修期间进行详细磨损限度检查及测量，由于要依照实际需求拟定锅炉检修周期。 定人员。为积累经验，同步便于监测数据分析和比较，使此项工作具备持续性，检测（点检）人员普通应相对固定。对于锅炉寻常维护运营人员也要相对稳定。通过开展设备精密点检管理，推广量化点检，实现对设备进行劣化倾向趋势分析，把精密点检成果纳入大数据分析模型形成数据库原始基建数据，为分析系统提供可控制数据。（三）、应用大数据理论，打造新典型非关系型数据库运用大数据思想完毕电厂数据挖掘工作，以及数据挖掘如何构建模型。在构建一种有指引数据挖掘模型，一方面要理解和定义某些模型试图预计目的变量。一种典型案例，二元响应模型，如为电厂大型风机震动和转速选取数据模型。模型构建选取历史数据，这些数据响应了此前类似活动。有指引数据挖掘目就是找到更多类似数据，以提高将来活动响应。构造有指引数据挖掘模型过程中，一、要定义模型构造和目的。二、增长响应建模。三、考虑模型稳定性。四、通过预测模型、剖析模型来讨论模型稳定性。下面咱们将从详细环节谈起，如何构造一种有指引数据挖掘模型。指引数据挖掘办法：把业务问题转换为数据挖掘问题选取适当数据结识数据创立一种模型集修复问题数据转换数据以揭示信息构建模型评估模型布置模型评估成果重新开始大数据办法颠覆了老式分析办法。在老式状态数据采集中，因果分析、逻辑推理是最重要研究办法，通过这种办法得出结论往往需要通过实践进行验证和修补，有甚至最后会被证伪、推翻。究其因素，核心在于咱们主观世界与客观世界信息严重不对称。客观世界信息无限丰富，而咱们自身受眼界、技术、认知能力等因素制约，可以获取信息极为有限，咱们只能像管中窥豹或者盲人摸象同样，凭借经验、常识乃至主观好恶对抽样数据进行判断、分析，借以推测事物全貌。事实上，由局部推测整体调查研究始终是存在偏差，其结论甚至也许会与事物真实状况大相径庭。大数据时代分析方式既不必、也不应再拘泥于对因果关系探究，相反，咱们完全有条件实现向关联、非关联等有关因素呈现式趋势分析转变。20世纪90年代，美国沃尔玛超市将A prior算法引入到POS机数据分析中，从10万种以上商品中发现了啤酒与尿布有关性，于是将两种商品摆放在一起，从而大幅提高了啤酒销售量。类似案例不胜枚举。如今，咱们也已经步入大数据时代，海量数据不断涌现，数据收集、存储、解决能力日益提高。充分运用互联网、云计算等当代化手段，对海量数据进行记录性搜索、比较、分析、归纳，咱们会发现，原本似乎毫不相干事物之间存在着较高关联度，这是老式因果分析、逻辑推理趋势分析难以解释也无法企及。2、预期成果（实现目的）大数据应用除了可以协助顾客实现预测性维保，并通过数据挖掘和分析驱动生产价值之外，还将给顾客带来更多变化。通过ERP系统深化应用及与外围系统接口开发，从设备管理基本数据管理、设备运营状态管理、设备检修管理及对设备各种记录分析，预期实现目的如下：1) 设备运营状态管理 新增设备运营管理三级点检系统与四级ERP系统集成功能，可通过设备点检点异常自动触发ERP系统缺陷单功能，通过对缺陷单审批完毕对设备消缺解决并可以便对设备在一段期间内所发生缺陷缺陷次数、时间、故障因素、故障部位等各种记录分析。 强化设备质量监督管理，通过精密点检，给出设备劣化趋势分析，使运营人员对设备运营状态常握更加精准。 新增短信告知功能（告知可涉及：设备报警、任务告知、漏检告知等）强化点检管理。 开发多元化点检方式如手抄仪、手机，IPAD（安卓软件，苹果系统）以便点检工作开展。2) 实行精密点检管理完善技术监督管理体制 通过规范专业管理，从技术、业务、管理、应用上对技术监督管理进行全面规划、整合，将技术监督落到实处： 开展技术监督工作要做到“三贯彻”，即人员贯彻、仪器贯彻和培训贯彻。人员贯彻是前提，电厂要将技术监督工作贯彻到人；仪器贯彻是核心，电厂可先配备某些简易仪器，如测振、测温等，对某些重要设备先开展简易诊断，切实变化在点检中仅靠人经验和感觉来对设备状态进行定性评价落后方式。培训贯彻是保证，各电厂通过集中培训、和各电厂联合办班等各种形式开展培训工作。电厂也可结合自身状况，采用请进来、走出去、互帮互学等各种形式，开展培训工作。3）开展大数据，提高发电行业竟争力大数据模型理念，一切数据皆为信用数据。所有那些核心变量，如果单独懂得提出来一种，没有太大用处可以判断出来这台设备怎么样，但是如果把所有这些细小因素所有结合在一起，就会发现最后是非常强指向，可以很精确判断出来这台设备究竟怎么样。只看关联不看因果，这是一种非常重要观点。同样名字听起来较好，机器学习，咱们都会深刻体会到，事实上是咱们很悲催学习机器，主线不是机器在学习咱们。如何可以更好跟机器进行沟通，咱们给她一种办法，或者给她一种事实，她可以更快从当中提取出来，更多是一种互动。大数据模型之二，咱们以为是数据来源。虽然错误信息也是信息，也体现了一台设备好坏。第三点就是所谓建模，综上所述，大数据当中对所谓特性变化，特性提取和最后所谓独立模型细节建立，最后模型整合都跟此前老式记录上理论有很大区别。4）应用推广此后重点分析数据和数据关系：咱们本来工作重心是开源，而开源只是开放式创新一种某些，做大数据开放式创新还要做数据开放、大数据基本设施开放以及价值提取能力开放。大数据可以做到数据给你用，但不可以给你看见。京隆电厂完毕此项目后完全可以将对设备状态分析模型在全集团推广，由于咱们所共享是一种数据，而并非把京隆设备状态数据分享给人们。实现数据开放，为京能集团其她电厂打造一套开放式设备状态管理模型，达到信息共享。由此可见，推广意义很大，也是新技术一种推广。三、拟采用研究办法和技术方案 本研究办法采用分阶段、分模块进行，在我厂实践重要用于设备运营维修管理阶段，详细方案如下：1、运营维修管理涉及防止设备性能劣化而进行寻常维护保养，检查，监测，诊断以及修理，更新等管理，其目是保证设备在运营过程中经常处在良好技术状态，并有效地减少维修费用。在设备运营和维修过程中，可采用当代化管理思想和办法，如行为科学，系统工程，价值工程，定置管理，信息管理与分析，使用和维修成本记录与分析，ABC分析，PDCA办法，网络技术，虚拟技术，可靠性维修等。2、轮换及报废管理依照数据分析预测成果更定设备轮换及报废同期：（1）轮换期：对于某些可修复设备，设备定期进行轮换和离线修复保养，然后继续更换服役。此期间管理对于减少购买及维修成本，重复运用设备具备一定意义。（2）报废期：通过对设备劣化趋势分析，设备整体已到使用寿命，故障频发，影响到设备组可靠性，其维修成本已超过设备购买费用，必要对设备进行更换，更换后设备资产进行变卖或转让或处置，相应费用进入公司营业外收入或支出，建立完善报废流程，以使资产处置在帐管理，既有助于追溯设备使用历史，也利于资金回笼。至此，设备寿命正式终结。设备在管理过程中会经历一系列设备及财务台账和管理及维修记录，如设备可靠性管理及维修费用历史数据，都可以作为设备劣化趋势分析分析根据，最后可以在设备报废之后，对设备整体使用经济性，可靠性及其管理成本作出科学分析，并可以辅助设备采购决策，可以更换更加先进设备重新进行全寿命周期跟踪，也可以依然使用原型号设备，并应用原设备历史数据进行更加科学可靠性管理及维修方略，使其可靠性及维修经济更加优化，从而使设备劣化趋势分析管理形成闭环。设备劣化趋势分析管理实行分为三个阶段，第一阶段基本数据整顿整合，搭建大数据硬件架构及选取软件平台。第二阶段精密点检实行，完毕所有数据整合及建模。第三阶段系统应用、测试、优化、模型拟定及有关接口开发，完善设备劣化趋势分析管理系统各个环节功能。1、基本数据整顿整合基本数据整顿整合将设备分专业划分，将资料归类到设备管理三个阶段。运营维修管理涉及防止设备性能劣化而进行寻常维护保养，检查，监测，诊断以及修理，更新等管理，此阶段整顿设备台帐，为每一台设备状态点建模，以作为定期检测原则及分析模型，建模是一项技术规定很强工作，需专业精密点检设备厂家为电厂不同设备进行详细建模及检测设备选型。设备定期进行轮换和离线修复保养，分析都要根据前期基本数据实现。在此阶段最重要还是要完毕大数据硬件架构搭建及软件选型，选取1-2台设备进行建模，同步完毕接口开发。2、精密点检实行通过引入多通道精密故障诊断技术，使用多通道精密故障诊断仪，达到提高设备可靠性，优化设备运营阶段管理效果。多通道精密故障诊断技术：异常振动为电厂转动设备损坏重要因素，因而对转动设备状态进一步研究对提高机组运营可靠性和安全性，具备重要意义和实用价值。通过引入双通道精密故障诊断仪，采用相位分析、频谱分析、时域波形分析、有关分析等技术手段可以精确地诊断设备故障， 例如：转子不平衡、弯曲、裂纹；轴系不对中；动静部件摩擦；共振；机械松动；流体引起振动；滑动轴承运营工况不正常、涡动和油膜震荡；齿轮啮合故障；电机电气故障；滚动轴承故障；皮带松动故障等。通过使用多通道精密故障诊断仪进行数据采集、分析、诊断，可以发现发现设备故障真正因素，从而可以对设备故障进行预测及判断，有针对性地对设备进行维修，建立设备故障档案， 完善设备数据库，建立公司预测性维修体系。按照京隆公司2台600MW机组规模，由于汽机、锅炉、电气三个专业管理大量如电机、泵、风机等核心转动设备，按照精密点检工作开展规定，每个专业按照完整功能配备两台仪器，一用一备，共配备6台。使用多通道精密故障诊断仪后，各个专业通过按周期对转动设备进行定期频谱检测、分析，可以及时发现转动设备存在隐患，在温度、振动、声音等现象浮现异常迈进行控制，达到根据频谱分析结论进行维修状态。对于设备存在非典型振动问题运用频谱检测，将精确分析判断故障产生因素，进行有针对性治理，减少转动设备因振动因素不明而长期得不到治理现象发生！将这些数据通过大数据科学、详细整体论和还原论，实现还原论与整体论贯通和辩证统一。由于，大数据技术给科学办法论带来第一种革命就是为实现复杂性科学还原、整体辩证统一融贯办法论提供了详细技术实现途径。因此，咱们就是要通过这种办法论达到分析目的。3、运用大数据完毕设备劣化趋势分析研究为了从管理上达到对设备劣化趋势分析合理管理，必要构建一种适合本公司设备劣化趋势分析管理系统。该系统不但具备资产管理（台账），设备管理，维修工时和成本管理等基本功能，还应具备信息综合分析、报警功能和诊断专家功能等，运用大数据理论完毕对资产，故障，润滑，诊断，备件，维修工时，成本等信息能资源共享，进行综合分析并预报。通过建模为公司设计一套科学、合理办法，以达到故障率大幅下降目。通过搭建一套大数据平台，涉及软件和硬件，以TB级别甚至更大容量业务数据增量，支撑公司大数据存储、备份、安全防御。大数据是将来极为重要技术手段，它有也许对既有商业社会产生重大影响。但短时间内，大数据并不会成为当代商业社会核心要素，也不会成为最重 要生产要素。遵循科学方略原则，也就是说公司需要找到自己核心数据（价值），这个是最核心。只有在这个基本上，建立自己大数据才有也许，才干做某些延伸。另一方面，要找到内部某些外围有关数据，去慢慢地成长它。有点像滚雪球，第一层是核心，第二层是外围有关数据。第三层是什么？就是外部机构某些构造化数据。第四层是社会化，以及各种当前所谓非构造化数据。这几层要一层一层地找到它，并且要找到与自己有关有价值东西。这样咱们大数据才干建立起来。从当前看，中华人民共和国工业经济已经发展到了相称规模，下一步发展重点应当是服务经济。“发达国家服务经济是70%以上，而当前中华人民共和国是20%。”咱们将运用大数据完毕发电行业设备状态有关趋势分析模型，并向全集团推广，最后将其形成一整套完整服务推向全行业。使其在服务经济时代，使公司竞争力将得到进一步提高。当前，中华人民共和国公司大都追求规模效益，而在服务经济时代，对数据挖掘和分析，将创造更多价值。“咱们做大数据分析目是创造价值为电厂创造价值，为行业创造价值，为社会创造价值。” 发电行业优势在于，内需市场很大，积累数据也诸多，因而，如果做好数据挖掘和分析，发电行业无疑将具备较强竞争力。数据之于数据社会，就犹如水之于都市或者血液之于身体同样。都市由于河流而诞生也受其滋养，血液一旦停滞身体也就危在旦夕。因此，对于号称数据化生存社会来说，咱们一定要让数据流动起来，否则这个社会将会丧失诸多重要功能。总之，做好大数据时代趋势分析需要“可以运用大数据”，做到趋势分析方式从依托人工到基于互联网转变，数据基本从有限样本到云数据、全覆盖转变，研究办法从因果关系到关联关系等各种分析模式转变，趋势分析导向从回顾静态历史到展望动态将来转变，并且在这些转变中形成当代化治理体系中所需要核心能力。四、涉及研究工作总体安排和分年度进度（1）.3.10，数据收集阶段，组织电厂完毕系统实行过程中所有数据收集涉及：KKS主数据、设备BOM、原则及非原则检修项目（各种任务清单收集，检查点、图及检修各种技术文档），针对电厂2台600MW直接空冷机组实际状况，开始上线设备精密点检系统数据收集工作。选取软、硬件设备搭建大数据平台，首选1-2台核心重点设备完毕设备运营状态建模工作。（2）.10.12，核心设备数据采集建模、系统测试、修改、完善。全面上线。（3）.01-10项目整体运营，现场测试；发现问题改进设计、模型；性能检测测试；编制结题报告；课题结题验收。（4）系统全面搭建完毕，拟定模型。后续完毕集团内推广。五、实现本项目预期目的已经具备条件（涉及过去研究工作基本，既有重要仪器、研究技术人员及协作条件，从其他渠道已得到、或申请经费状况及金额等）我公司两台机组自投产发电以来，分别进行了一次A级检修和多次小修临修，公司设备管理始终实行“点检定修“管理，积累了一定设备基本数据，且公司当前已经采用信息化系统（涉及SAP公司资源规划系统、SIS厂级监控系统和“小神探”巡、点检管理系统）中也包括大量设备运营数据，但这些系统都彼此独立，无法较好掌握设备从设计、施工、投产、运营维护到退役所有信息，无法对原设备历史数据进行更加科学可靠性管理及维修方略，使其可靠性及维修经济更加优化，从而使设备劣化趋势分析管理形成闭环。数据采集阶段工作已经出具规模，精密点间实行将更加有力支持设备劣化趋势分析管理。依照调研状况，当前某些数据采集系统、诊断系统研究人员也在不断地将设备推向生产现场，在技术合伙上更加有助于互相协助，有助于将理论与现场实际结合。按大数据实行方略当前第一步核心数据已具备、第二步外围数据，根据现场状态监测数据、点检数据及精密点检数据也可获取，第三步是常规数据，这些设备状态信息也可得到，第四步，外部社会化或者非构造化数据，即当前所谓社会化媒体数据。这方面信息重要特性是非构造化，并且非常庞大。这对公司来说最大价值是什么？也就是应用大数据所要得到东西。六、项目组人员状况（注：可另附页）序号姓名性别年龄职务职称本项目中分工项目工作月数工作单位七、申请项目经费预算表(预算支出科目可另附页)申请经费总额其中备注.11-.07.08-12.07.01 申请资助700万元300万元申请贷款万元万元自筹经费万元万元项目总经费万元预算支出科目金额（万元）计算依照及理由总计（万元）八、合伙单位意见（对合伙研究内容、参加人员、保证研究条件、单位资质等订立详细意见）单位（公章）年月日单位（公章）年月日单位（公章）年月日九、申请单位领导审查意见（对经费与否合理，能否偿还贷款，能否保证研究筹划实行所需人力、物力、工作时间等基本条件等提出详细意见）单位领导（签字）单位（公章）年月日集团公司评审意见：部门领导（签字）年月日集团公司审定意见：集团公司单位领导（签字）单位（公章）年月日