两化融合认证咨询服务-深度理解状态监测应用的问题

详情描述：

80%企业案例都开展状态监测应用，是覆盖全部调查行业的通用应用。大多数企业采集设备数据是为了实现状态监测，虽然传感器技术大幅减少了低数字化水平设备的数据采集成本，但是监测需要对工业知识的深度理解，否则会陷入不知采集什么数据、有数据不知道如何用的困境。此外，设备和产品是工业互联网的原始数据来源，业务和运营优化、业务转型和新模式等其他应用都要基于原始数据进行分析和挖掘，从而实现更深入、更广泛的应用。
目前，故障诊断（29%）、预测性维护（26%）和远程运维（19%）三类应用相对较少，设备数据利用程度仍待提高。5故障诊断、预测性维护和远程运维是基于采集的数据进一步对工业设备运行进行分析，查找问题产生的原因（故障诊断），通过远程方式满足地理位置偏远、现场运维较为困难或成本过高的工业运维需求（远程运维），甚至要基于历史数据或实时数据对即将出现的问题进行预判（预测性维护），企业设备维护成本越高，这三类应用需求越强烈。
应用大多围绕具备高价值、高分散化、高复杂度、高风险隐患特性的核心设备，如分布较分散的风电设备需要节约巡检成本，位置不断移动的工程机械需要实现远程运维，炼铁高炉的生产安全需求迫切等。预测性维护和预防性维护占所有案例不足三成，并且大部分更依赖历史数据的分析和预防，基于实时数据的预测性维护少有成功案例，设备知识和数据分析技术还需进一步融合。
远程运维应用案例较少，大多数工业企业出于生产安全的考虑以及网络传输的时延，对远程控制仍然持保留态度。如某全球石化企业应用大数据解决方案，实现了全球范围的天然气设备的状态监测、故障分析和预测性维护，并提供了远程解决方案，减少设备宕机损失。
数据应用聚焦业务和运营优化，效率提升需求强烈在生产制造环节，工业企业关注投入成本高、产生价值大的场景，通过处理和分析生产过程的各类数据，优化生产过程、改良运行模式，典型的有生产过程控制优化、资源调度优化和能耗优化，此外，非生产过程决策优化、仿真设计和知识管理实现了对数据的深度应用，引领着工业知识数字化、模块化趋势。
目前应用广泛的是对生产过程进行控制和优化（37%），应用集中在提高生产自动化、减少人工作业、自动物料选配等，部分应用能够在此基础上做到对工业知识和数据算法的融合应用，如：橡胶密炼（橡胶生产的核心环节）过程中不同胶源地、加工厂、批次等数千个复杂因子都会影响橡胶块质量，中策橡胶集团应用“工业大脑”将生产端的各类数据进行深度运算和深度学习，能在短时间内处理分析，匹配优的合成方案，极大地稳定了混炼胶性能，门尼值标准差（密炼工艺关键参数）降低了14%，密炼时长减少10%，密炼温度降低6%，大大降低了能耗，良品率提升5%，在半年内成功提升混炼胶平均合格率3%-5%。