大数据分析模式下的设备全寿命周期管理研究样本.doc

资料内容仅供您学习参考，如有不当之处，请联系改正或者删除。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: 大数据分析模式下的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利用大数据完成设备状态劣化趋势的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收应用理论基础研究软科学研究成果转化项目组人数其中高级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”的另一种说法! 大数据具有规模性、 高速性、 多样性、 而且无处不在的全新特点, 具体地说, 是指需要经过快速获取、 处理、 分析和提取有价值的、 海量、 多样化的交易数据、 交互数据为基础, 针对企业的运作模式提出有针对性的方案。大数据是当前最火热的一个话题, 利用大数据分析设备状态劣化趋势,是全方位对现企业管理手段的一段颠覆。利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、 设备综合产能最高的理想目标。课题的主要意义: ”不会量化就无法管理! ”这个观点是管理大师德鲁克、 戴明都赞同的管理实践, 很多企业往往依靠领导直觉做决策。这种经过直觉和感性做出的决策, 容易因得不到本应得到的充分信息, 而导致出错率增加, 甚至资源被错配, 资金被浪费。关键数据将对企业的决策产生重大的影响, 经过大数据分析, 企业经过量化分析, 能够提升决策质量和业绩表现。利用大数据完成诊断监测系统对设备进行管理, 降低人为因素对设备的影响, 科学合理的组织生产, 指导电力生产企业更加科学、 有效的作出判断, 避免资源浪费。 预期成果: 大数据彻底改变企业内部运作模式, 以往的管理是”领导怎么说? ”现在变成”大数据的分析结果”, 这是对传统领导力的挑战, 也推动企业管理岗位人才的定义。不但懂企业的业务流程, 还要成为数据专家, 跨专业的要求改变过去领导力主要体现在经验和过往业绩上, 如今熟练掌握大数据分析工具, 善于运用大数据分析结果结合企业的生产和运营管理实践是新的要求。经过对设备运行过程中性能数据采集、 分析, 利用计算机软件系统检测、 分析设备数据, 最终确定设备运行状态模型, 为设备采购、 使用、 维修、 轮换做定量分析, 经过连续性数据分析, 合理确定设备使用寿命, 经过上线使用验证系统的实际效益, 指导电力生产企业更加科学合理的组织生产, 最终达到推广应用的目的。一、 本研究项目的科技依据( 包括科技意义和应用前景, 国外研究概况、 水平和发展趋势, 应用理论基础研究项目应该阐述学术思想, 立论依据, 特色或创新之处, 主要参考文献目录和出处) 科技意义: 大数据分析的目的, 就是找出隐性的操作问题及未知的变化, 及时地做好预防, 从而避免故障。在欧美国家重振制造业的过程中, 工业大数据被作为一项重要的内容。而在中国制造业转型升级的过程中, 工业大数据也将发挥重要的作用。从全美制造业创新网络, 到德国的工业4.0, 再到正在酝酿的中国制造2025规划, 一场席卷全球的新工业革命的轮廓已逐渐清晰。”未来的工业将建立在以互联网和信息技术为基础的互动平台之上, 将更多的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的快速发展, 工业生产越来越现代化。设备和生产朝着大型化、 高速化、 自动化、 连续化、 智能化、 环保化等方向发展。设备更加精密复杂, 许多故障很难靠人的感官发现, 而且有些设备精密复杂, 不允许轻易解体检查; 另一方面设备突发性事故造成的损失越来越大; 三是设备的维修成本占总的生产成本越来越大。因此追求设备的高可靠性和最合理的维修方式是企业设备工程管理的焦点。京隆热电ERP设备劣化趋势分析管理项目的实施为我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? 对此我们进行了深入的探讨,我们认为现代化企业的生产运行状况与其资产的状况紧密相关, 对于京能集团这种发电行业, 其生产设备的状况直接影响到生产产量, 同时关联到生产的成本, 从而对企业的经营状况造成深远的影响。如何减少设备故障频率; 减少停机时间和检修工期; 降低备品备件库存, 降低维修成本, 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的问题之一。借助于大数据理论解决电厂现急需解决的问题, 以信息化带动工业化正是我们课题的主要任务。 当前的状态: 梳理欧美国家重振制造业的规划, 将信息技术与工业技术融合是共同的特征。那么, 二者的融合究竟将如何改变制造业?这一点从工业大数据的应用中可见一斑。在美国辛辛那提大学讲座教授、 美国国家科学基金会智能维护系统产学合作中心主任李杰看来, 制造业的问题能够分为两类, 一类是看得到的问题, 一类是看不到的问题。所谓看得到的问题, 指的是生产中的各类设备, 而看不到的问题, 则是生产的精益和稳定性。”工业大数据分析的目的, 就是找出隐性的操作问题及未知的变化, 及时地做好预防, 从而避免故障。进入20世纪80年代以来, 美国等发达国家逐步开始在火力发电厂推广应用一系列现代维修优化和管理技术, 采用先进的设备分析评估技术和状态监测手段, 及时掌握设备的真实状态和寿命, 合理地安排检修项目与检修间隔, 从而有效地降低了检修成本, 提高了设备可靠性。在美国, 电力设备的风险评估, 可靠性分析, 寿命管理, 预知性维修等技术发展较快,已形成较成熟的成套维修优化和管理技术。在各电力公司的实际应用中, 往往根据设备和管理特点有所侧重。如田纳西电力主要实施的是设备长期寿命管理策略, 一些其它电力公司实施的是以辅机状态监测为主的预知性维修技术;而在日本, 则主要推行以设备点检为主要方式的全面计划质量维修管理和寿命管理为基础模式;在欧洲国家, 则主要采用风险评估结合寿命管理为主、 重点在主机设备开展的维修优化和管理策略;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的理念, 可是对设备劣化趋势分析管理的研究并为之投入资金的机构较少, 当前还没有成型的产品。之因此出现这种状况, 我们理解不是她们不想做, 而是当时是处在传统的科学方法论上, 特别是信息技改的发展还不能实现数据对数据的这种模式, 而大数据的出现实现了还原论与整体论的融贯; 承认复杂的多样性, 地方性知识获得了科学地位; 突出事物的关联性, 非线性问题有了解决捷径, 由此复杂性科学提出的科学方法论原则经过大数据得到了技术的实现, 从而给科学方法论带来了真正的革命。 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, 企业要”继续推进设备管理现代化, 广泛采用先进的设备管理方法和维修技术。建立价值形态与实物形态相结合的设备管理信息系统。在采用设备状态监测、 故障诊断等技术的基础上, 使设备维修方式逐步转向以状态维修为主的维修方式”。显然, 设备的状态监测与故障诊断是现代化管理的技术基础。当前中国的设备维修体制, 已开始从早期的事后维修和长期的按计划维修体制, 过渡到现代的、 具有预知性的视情维修( 或称状态维修) 阶段。设备状态监测与故障诊断思想的酝酿, 能够追溯到20世纪80年代, 但真正形成一种技术并应用到生产实际中, 还是近十几年的事。随着现代科学技术的进步与发展, 设备越来越大型化, 功能越来越全面, 结构越来越复杂, 自动化程度越来越高。关键设备发生故障或不合理的更换, 不但会造成巨大的经济损失, 而且可能危及人身安全。因此, 发电企业对设备的安全、 稳定、 长周期运行的要求也越来越迫切。这就对设备管理提出了更高的要求, 同时也是设备管理与设备故障诊断领域所面临的新的机遇和挑战。将设备全生命周期的状态监测与故障诊断技术应用于生产实践, 使其在现代设备管理过程中发挥更大的作用, 是科研人员与广大现场工程技术人员所肩负的任务与使命。就在此时, 一场技术革命正在兴起, 大数据领域当中的数据建模已经越来越热, 而且做得公司越来越多。应用大数据理论完成设备状态的劣化趋势分析, 是课题研究的必要手段。大数据从狭义的字面来理解的话, 它应该与小数据相对应, 意指数据量特别巨大, 超出了我们常规的处理能力, 必须引入新的科学工具和技术手段才能够进行处理的数据集合。对此我们就是要把设备所有的信息状态确定到模型中去, 对实实数据进行分析处理, ”经过对数据的挖掘和分析, 达到优化产品价值链, 改进工厂的生产质量, 增加透明度, 减少库存。最终使我们产品的质量更高, 用户的满意程度也更高。研究内容和预期成果( 说明项目的具体研究内容和重点解决的技术问题, 预计达到的技术经济指标, 预期成果和提供的形式及其应用该成果已落实的单位和可能应用的其它单位及效益) 1、 主要研究内容从设备管理的角度以及现ERP所具有的功能划主要划分为以下几个方面: （一） 强化点检管理, 实现点检系统与ERP系统的集成按照设备管理创新和信息化建设要求, 吸取先进的设备管理理念, 制定科学的点检体系和推进目标, 力争达到点检体系完备, 点检作业规范, 点检管理高效。在实施中既考虑设备管理水平提升。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, 定量准确地把握设备状态; 进一步修订和完善设备点检标准, 达到点检标准科学合理, 点检作业规范有效; 建立科学的”三位一体”设备点检体系, 构建牢固的设备五层防护线; 实践告诉我们, 设备点检定修制是适合发电行业设备管理的一种先进管理体制。只有真心实意地学习别人的成功经验, 善于在学习中思考, 在实践中总结, 在总结中提高, 才能真正实现管理创新、 创优。我们对点检定修制进行深入研究, 深刻领会其内涵。设备点检制的主要精髓在于, 强调全员设备管理, 建立日常点检、 专业点检和精密点检互相配套的三位一体点检体系, 形成日常点检、 专业点检、 精密点检、 设备技术诊断和设备预防维修相结合的五层设备防护线。根据当前已经实行点检制的现状进行认真分析, 对照先进找差距, 明确提出要抓住设备ERP系统实施的有利时机, 建立和完善京隆热电的三位一体设备点检体系。我们在流程优化中明确要求发电运行人员参加设备的日常点检活动, 承担必要的设备检查和小维护责任, 以构成设备的第一层防护线; 在此基础上开展专业点检、 精密点检, 构成完备的”三位一体”设备点检体系; 最终形成日常点检、 专业点检、 精密点检、 技术诊断和预防维修相结合的设备”五层防护线”。经过完善点检体系, 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, 应用大数据建模完成分析过程, 完善设备的全寿命管理过程, 为领导提供决策提供真实、 可靠的数据保证。( 二) 完善精密点检管理, 为设备的劣化趋势分析做好数据准备精密点检作为点检深化的重要内容, 为点检工作深层次的应用提出了更高的标准和要求, 电厂经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的一部分。电厂的技术监督工作需要以质量为中心, 以标准为依据, 以计量为手段, 建立质量、 标准、 计量三位一体的技术监督体系, 技术上体现在精密点检方面。技术监督工作中精密点检是一项目非常重要及复杂的工作, 为了提高设备管理水平, 保证设备稳定、 经济运行, 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, 我们必须从管理制度入手, 做好以下”六定”工作 定测点。确定出每台设备的监测点。测点的选择要坚持两条原则, 一是要选取那些尽可能真实反映设备状态和故障信息的位置, 二要确保每次监测在同一点进行。如锅炉的温度、 水的压力等, 旋转设备测振时选择轴承座位, 电气设备温度监测时选择接点部位, 液压润滑油清洁度检测时选择过滤器前后部位等等。 定参数。从最能表征设备技术状态和故障发展趋势的参数中, 结合诊断方法的需要选定监测参数。如大型旋转设备的振动, 轴承、 电气设备接点的温度, 液压润滑系统油液的清洁度、 酸值、 水分、 粘度等, 对于锅炉的防磨防爆也要尽量建立量化点, 严格依据各项参数标准值进行当前点数据的对比分析。 定仪器。根据所定监测参数和检测方法, 选定合适的检测诊断仪器。 定标准。开始可参照执行有关国际标准、 国家标准或行业标准。如无现成标准可依, 可先参照其它同类设备的标准, 或根据经验, 从严设定一个临时标准, 再经过一段时间的监测诊断实践, 摸索制定出相应的状态评判标准。 定周期。要根据不同设备的特点, 以及劣化情况确定监测周期。对于锅炉防磨防爆有些部位是不能建立临测点的, 只有在检修期间进行详细磨损程度检查及测量, 因为要根据实际需求确定锅炉检修的周期。 定人员。为积累经验, 同时便于监测数据的分析和比较, 使此项工作具有连续性, 检测( 点检) 人员一般应相对固定。对于锅炉日常维护运行人员也要相对稳定。经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, 把精密点检结果纳入大数据分析模型形成数据库的原始基建数据, 为分析系统的提供可控制数据。( 三) 、 应用大数据理论, 打造新典型的非关系型数据库利用大数据思想完成电厂的数据挖掘工作, 以及数据挖掘如何构建模型。在构建一个有指导的数据挖掘模型, 首先要理解和定义一些模型试图估计的目标变量。一个典型的案例, 二元响应模型, 如为电厂的大型风机的震动和转速选择数据的模型。模型的构建选择历史数据, 这些数据响应了以前类似的活动。有指导数据挖掘的目的就是找到更多类似的数据, 以提高未来活动的响应。构造有指导的数据挖掘模型的过程中, 一、 要定义模型的结构和目标。二、 增加响应建模。三、 考虑模型的稳定性。四、 经过预测模型、 剖析模型来讨论模型的稳定性。下面我们将从具体的步骤谈起, 如何构造一个有指导的数据挖掘模型。指导数据挖掘方法: 把业务问题转换为数据挖掘问题选择合适的数据认识数据创立一个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部署模型评估结果重新开始大数据方法颠覆了传统的分析方法。在传统的状态数据采集中, 因果分析、 逻辑推理是最重要的研究方法, 经过这种方法得出的结论往往需要经过实践进行验证和修补, 有的甚至最终会被证伪、 推翻。究其原因, 关键在于我们的主观世界与客观世界的信息严重不对称。客观世界信息无限丰富, 而我们自身受眼界、 技术、 认知能力等因素的制约, 能够获取的信息极为有限, 我们只能像管中窥豹或者盲人摸象一样, 凭借经验、 常识乃至主观好恶对抽样数据进行判断、 分析, 借以推测事物的全貌。事实上, 由局部推测整体的调查研究始终是存在偏差的, 其结论甚至可能会与事物的真实状况大相径庭。大数据时代的分析方式既不必、 也不应再拘泥于对因果关系的探究, 相反, 我们完全有条件实现向关联、 非关联等相关因素呈现式趋势分析的转变。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10万种以上的商品中发现了啤酒与尿布的相关性, 于是将两种商品摆放在一起, 从而大幅提高了啤酒的销售量。类似的案例不胜枚举。如今, 我们也已经步入大数据时代, 海量数据不断涌现, 数据搜集、 存储、 处理能力日益提高。充分利用互联网、 云计算等现代化手段, 对海量的数据进行统计性的搜索、 比较、 分析、 归纳, 我们会发现, 原本似乎毫不相干的事物之间存在着较高的关联度, 这是传统的因果分析、 逻辑推理趋势分析难以解释也无法企及的。2、 预期成果( 实现目标) 大数据的应用除了能够帮助用户实现预测性维保, 并经过数据挖掘和分析驱动生产价值之外, 还将给用户带来更多的改变。经过ERP系统的深化应用及与外围系统的接口开发, 从设备管理的基础数据管理、 设备的运行状态管理、 设备的检修管理及对设备的各种统计分析, 预期实现的目标如下: 1) 设备运行状态管理 新增设备运行管理三级点检系统与四级ERP系统的集成功能, 可经过设备点检点的异常自动触发ERP系统缺陷单功能, 经过对缺陷单的审批完成对设备的消缺处理并可方便对设备在一段期间内所发生缺陷的缺陷次数、 时间、 故障原因、 故障部位等各种统计分析。 强化设备质量监督管理, 经过精密点检, 给出设备劣化趋势分析, 使运行人员对设备的运行状态常握的更加精准。 新增短信通知功能( 通知可包括: 设备报警、 任务的通知、 漏检通知等) 强化点检管理。 开发多元化的点检方式如手抄仪、 手机, IPAD( 安卓软件, 苹果系统) 方便点检工作开展。2) 实行精密点检管理完善技术监督管理体制 经过规范专业管理, 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”三落实”, 即人员落实、 仪器落实和培训落实。人员落实是前提, 电厂要将技术监督工作落实到人; 仪器落实是关键, 电厂可先配备一些简易仪器, 如测振、 测温等, 对一些重要设备先开展简易诊断, 切实改变在点检中仅靠人的经验和感觉来对设备状态进行定性评价的落后方式。培训落实是保证, 各电厂经过集中培训、 和各电厂联合办班等多种形式开展培训工作。电厂也可结合自身情况, 采取请进来、 走出去、 互帮互学等多种形式, 开展培训工作。3) 开展大数据, 提高发电行业的竟争力大数据模型理念, 一切数据皆为信用数据。所有的那些关键变量, 如果单独知道提出来一个, 没有太大的用处能够判断出来这台设备怎么样, 可是如果把所有的这些细小的因素全部结合在一起, 就会发现最后是非常强的指向, 能够很准确的判断出来这台设备到底怎么样。只看关联不看因果, 这是一个非常重要的观点。同样名字听起来很好, 机器学习, 咱们都会深刻的体会到, 实际上是我们很悲催的学习机器, 根本不是机器在学习我们。如何能够更好的跟机器进行沟通, 我们给她一个方法, 或者给她一个事实, 她能够更快的从当中提取出来, 更多的是一种互动。大数据的模型之二, 我们认为是数据的来源。即使错误信息也是信息, 也体现了一台设备的好坏。第三点就是所谓的建模, 总而言之, 大数据当中对所谓特征的变化, 特征的提取和最后所谓独立模型细节的建立, 最后模型的整合都跟以前传统统计上的理论有很大的区别。4) 应用推广今后的重点分析数据和数据的关系: 我们原来的工作重心是开源, 而开源只是开放式创新的一个部分, 做大数据的开放式创新还要做数据的开放、 大数据基础设施的开放以及价值提取能力的开放。大数据能够做到数据给你用, 但不能够给你看见。京隆电厂完成此项目后完全能够将对设备的状态分析模型在全集团推广, 因为我们所共享的是一种数据, 而并非把京隆的设备状态数据分享给大家。实现数据开放, 为京能集团其它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, 推广的意义很大, 也是新技术的一种推广。三、 拟采取的研究方法和技术方案 本研究方法采取分阶段、 分模块进行, 在我厂的实践主要用于设备运行维修管理阶段, 具体方案如下: 1、 运行维修管理包括防止设备性能劣化而进行的日常维护保养, 检查, 监测, 诊断以及修理, 更新等管理, 其目的是保证设备在运行过程中经常处于良好技术状态, 并有效地降低维修费用。在设备运行和维修过程中, 可采用现代化管理思想和方法, 如行为科学, 系统工程, 价值工程, 定置管理, 信息管理与分析, 使用和维修成本统计与分析, ABC分析, PDCA方法, 网络技术, 虚拟技术, 可靠性维修等。2、 轮换及报废管理根据数据分析预测结果更定设备的轮换及报废同期: ( 1) 轮换期: 对于部分可修复设备, 设备定期进行轮换和离线修复保养, 然后继续更换服役。此期间的管理对于降低购置及维修成本, 重复利用设备具有一定的意义。( 2) 报废期: 经过对设备劣化趋势分析, 设备整体已到使用寿命, 故障频发, 影响到设备组的可靠性, 其维修成本已超出设备购置费用, 必须对设备进行更换, 更换后的设备资产进行变卖或转让或处理, 相应的费用进入企业营业外收入或支出, 建立完善的报废流程, 以使资产处理在帐管理, 既有利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。设备在管理的过程中会经历一系列的设备及财务的台账和管理及维修记录, 如设备的可靠性管理及维修费用的历史数据, 都能够作为设备劣化趋势分析的分析依据, 最终能够在设备报废之后, 对设备整体使用经济性, 可靠性及其管理成本作出科学的分析, 并能够辅助设备采购决策, 能够更换更加先进的设备重新进行全寿命周期的跟踪, 也能够依然使用原型号的设备, 并应用原设备的历史数据进行更加科学的可靠性管理及维修策略, 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施分为三个阶段, 第一阶段基础数据整理整合, 搭建大数据硬件架构及选择软件平台。第二阶段精密点检实施, 完成所有数据的整合及建模。第三阶段系统应用、 测试、 优化、 模型确定及相关接口开发, 完善设备劣化趋势分析管理系统各个环节功能。1、 基础数据整理整合基础数据整理整合将设备分专业划分, 将资料归类到设备管理的三个阶段。运行维修管理包括防止设备性能劣化而进行的日常维护保养, 检查, 监测, 诊断以及修理, 更新等管理, 此阶段整理设备的台帐, 为每一台设备状态点建模, 以作为定期检测标准及分析的模型, 建模是一项技术要求很强的工作, 需专业精密点检设备厂家为电厂不同的设备进行具体建模及检测设备选型。设备定期进行轮换和离线修复保养, 分析都要依据前期基础数据实现。在此阶段最重要的还是要完成大数据硬件架构的搭建及软件选型, 选择1-2台设备进行建模, 同时完成接口的开发。2、 精密点检实施经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, 优化设备运行阶段管理的效果。多通道精密故障诊断技术: 异常振动为电厂转动设备损坏的主要原因, 因此对转动设备状态的深入研究对提高机组运行可靠性和安全性, 具有重要的意义和实用价值。经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、 相关分析等技术手段能够准确地诊断设备故障, 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; 流体引起的振动; 滑动轴承运行工况不正常、 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。经过使用多通道精密故障诊断仪进行数据采集、 分析、 诊断, 能够发现发现设备故障的真正原因, 从而能够对设备的故障进行预测及判断, 有针对性地对设备进行维修, 建立设备的故障档案, 完善设备数据库, 建立企业的预测性维修体系。按照京隆公司2台600MW机组的规模, 由于汽机、 锅炉、 电气三个专业管理大量如电机、 泵、 风机等关键转动设备, 按照精密点检工作开展的要求, 每个专业按照完整功能配置两台仪器, 一用一备, 共配置6台。使用多通道精密故障诊断仪后, 各个专业经过按周期对转动设备进行定期频谱检测、 分析, 能够及时发现转动设备存在的隐患, 在温度、 振动、 声音等现象出现异常前进行控制, 达到依据频谱分析结论进行维修的状态。对于设备存在的非典型振动问题利用频谱检测, 将准确分析判断故障产生的原因, 进行有针对性的治理, 减少转动设备因振动原因不明而长期得不到治理的现象发生! 将这些数据经过大数据科学、 具体的整体论和还原论, 实现还原论与整体论的贯通和辩证统一。因为, 大数据技术给科学方法论带来的第一个革命就是为实现复杂性科学的还原、 整体辩证统一的融贯方法论提供了具体的技术实现途径。因此, 我们就是要经过这种方法论达到分析的目标。3、 利用大数据完成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的合理管理, 必须构建一个适合本企业的设备劣化趋势分析管理系统。该系统不但具有资产管理( 台账) , 设备管理, 维修工时和成本管理等基本功能, 还应具有信息综合分析、 报警功能和诊断专家功能等, 利用大数据理论完成对资产, 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。经过建模为企业设计一套科学、 合理的方法, 以达到故障率大幅下降的目的。经过搭建一套大数据平台, 包括软件和硬件, 以TB级别甚至更大容量的业务数据增量, 支撑企业的大数据存储、 备份、 安全防御。大数据是未来极为重要的技术手段, 它有可能对现有的商业社会产生重大的影响。但短时间内, 大数据并不会成为现代商业社会的核心要素, 也不会成为最重 要的生产要素。遵循科学策略的原则, 也就是说企业需要找到自己的核心数据( 价值) , 这个是最关键的。只有在这个基础上, 建立自己的大数据才有可能, 才能做一些延伸。其次, 要找到内部的一些外围相关数据, 去慢慢地成长它。有点像滚雪球, 第一层是核心, 第二层是外围相关的数据。第三层是什么? 就是外部机构的一些结构化数据。第四层是社会化的, 以及各种现在所谓的非结构化的数据。这几层要一层一层地找到它, 而且要找到与自己相关的有价值的东西。这样我们的大数据才能建立起来。从当前看, 中国的工业经济已经发展到了相当规模, 下一步的发展重点应该是服务经济。”发达国家的服务经济是70%以上, 而当前中国是20%。”我们将利用大数据完成发电行业设备状态相关的趋势分析模型, 并向全集团推广, 最终将其形成一整套完整的服务推向全行业。使其在服务经济时代, 使企业的竞争力将得到进一步提升。当前, 中国企业大都追求规模效益, 而在服务经济时代, 对数据的挖掘和分析, 将创造更多价值。”我们做大数据分析的目的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。” 发电行业的优势在于, 内需市场很大, 积累的数据也很多, 因此, 如果做好数据挖掘和分析, 发电行业无疑将具有较强的竞争力。数据之于数据社会, 就如同水之于城市或者血液之于身体一样。城市因为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的社会来说, 我们一定要让数据流动起来, 不然这个社会将会丧失诸多重要功能。总之, 做好大数据时代的趋势分析需要”能够利用的大数据”, 做到趋势分析方式从依靠人工到基于互联网的转变, 数据基础从有限样本到云数据、 全覆盖的转变, 研究方法从因果关系到关联关系等多种分析模式的转变, 趋势分析导向从回顾静态历史到展望动态未来的转变, 而且在这些转变中形成现代化治理体系中的所需要的核心能力。四、 包括研究工作的总体安排和分年度进度( 1) .3 .10, 数据收集阶段, 组织电厂完成系统实施过程中所有数据收集包括: KKS主数据、 设备BOM、 标准及非标准检修项目( 各种任务清单的收集, 检验点、 图及检修各种技术文档) , 针对电厂2台600MW直接空冷机组的实际情况, 开始上线设备精密点检系统数据收集工作。选择软、 硬件设备搭建大数据平台, 首选1-2台关键重点设备完成设备运行状态的建模工作。( 2) .10 .12, 关键设备的数据采集建模、 系统测试、 修改、 完善。全面上线。( 3) .01-10项目整体运行, 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) 系统全面搭建完成, 确定模型。后续完成集团内推广。五、 实现本项目预期目标已经具备的条件( 包括过去的研究工作基础, 现有的主要仪器、 研究技术人员及协作条件, 从其它渠道已得到、 或申请的经费情况及金额等) 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, 公司设备管理一直实行”点检定修”管理, 积累了一定的设备基础数据, 且公司当前已经采用的信息化系统( 包括SAP企业资源规划系统、 SIS厂级监控系统和”小神探”巡、 点检管理系统) 中也包含大量设备运行数据, 但这些系统都彼此独立, 无法很好的掌握设备从设计、 施工、 投产、 运行维护到退役的全部信息, 无法对原设备的历史数据进行更加科学的可靠性管理及维修策略, 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, 精密点间的实施将更加有力的支持设备劣化趋势分析管理。根据调研情况, 当前部分数据采集系统、 诊断系统研究人员也在不断地将设备推向生产现场, 在技术合作上更加有利于相互协助, 有利于将理论与现场实际结合。按大数据实施策略当前第一步核心数据已具备、 第二步外围数据, 依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, 外部的社会化的或者非结构化的数据, 即现在所谓的社会化媒体数据。这方面信息的主要特征是非结构化, 而且非常庞大。这对企业来说最大的价值是什么? 也就是应用大数据所要得到的东西。六、 项目组人员情况( 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) 计算根据及理由总计( 万元) 八、 合作单位意见( 对合作研究内容、 参加人员、 保证研究条件、 单位资质等签署具体意见) 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( 对经费是否合理, 能否偿还贷款, 能否保证研究计划实施所需的人力、 物力、 工作时间等基本条件等提出具体意见) 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