揭秘 | 面向未来的流程资产优化软件——Aspen Mtell

发布时间：2018-04-04 作者：CEC编辑 王泽红

　　在流程行业，资产复杂性正在日益增强，包括资产的多样性、数据海量增长、法律法规不断升级、资源不断变化，以及日益激烈的竞争，这样的复杂性使得生产企业提高生产率，并且在安全、资产、公益等方面实现一个优化的权衡变得更具挑战性。那么，企业如何才能在资产日益复杂的环境中实现资产优化，将资产的复杂性转化为盈利能力呢？
　　AspenTech（艾斯本），一家专注于流程行业资产优化的企业，资产优化软件领域的全球领导者。深耕行业多年，具备深厚的专业领域知识和经验，拥有集成的一体化软件平台。能够帮助过程行业用户从设计、运营，到资产管理，实现全生命周期的一体化优化，解决复杂的资产优化问题，获得巨大且可量化的投资回报。
　　AspenTech资产优化软件
　　那么，艾斯本究竟是如何帮助流程行业用户实现资产的优化呢？艾斯本业务咨询总监胡宇湘女士介绍道，其实主要还是依靠艾斯本集成的一体化软件平台，软件产品分为三大部分：
　　1.工程软件产品：主要优化资产设计，包括从设计的研发、概念工程、基础工程，到设备设计，以及帮助用户进行消除瓶颈和升级改造等等；
　　2.制造与供应链软件产品：帮助用户优化资产利用率，提高资产绩效。这些方面包括对长期的规划预测和计划以及调度、制造运营管理、先进控制和优化等等；
　　3.资产性能管理软件：帮助用户优化资产运行，尽可能延长运行时间。在这个领域里艾斯本有预测和处方型分析工具，有可靠性管理软件，以及维护策略制定的工具。

艾斯本业务咨询总监胡宇湘

　　通过这三个软件，或者说三大领域的软件，艾斯本可以帮助用户从设计、运营，到资产管理，实现全生命周期的一体化优化。”
　　实现资产优化的核心：Aspen Mtell
　　而想要实现流程行业用户复杂性资产的优化，Aspen Mtell产品是非常重要的软件工具。艾斯本资产绩效管理高级总监Michael Brooks 介绍道： “Aspen Mtell产品主要是为一些企业解决非计划停机的问题，可以帮助企业提高资产利用率，并通过准确预测何时发生设备故障，了解为何发生故障以及规定如何避免故障，从而避免意外停机。”

艾斯本资产绩效管理高级总监Michael Brooks

　　“据一个全球制造商协会的统计数据表示，一个14万亿美元规模的市场，其中1.4万亿损失来自于计划外的停机。我们经过调查发现，这些制造企业平均计划外停机的毛利损失可以达到15%，即便是在最好情况下，这个损失也会达到4%至5%，对于这些企业来说，如果能够使用艾斯本的软件，就可以有机会帮助他们减少这方面的损失”，Michael Brooks表示。
　　Aspen Mtell产品主要是针对维护方面，目标就是实现一个处方型的维护，创造一个没有故障的世界。那么，Aspen Mtell产品该如何实现这个目标呢？Michael Brooks强调道，主要是因为艾斯本在维护中引入了分析法——处方型维护。
　　处方型维护：好比你去医院看医生，首先是症状分析，不仅仅是对现状进行分析，而是要回顾使用的历史，过去曾经出现的故障，以及当时故障如何解决的，根据这些信息进行最终的诊断。我们通过机器完成这些工作，不仅通过传感器给我们信息，还要看一下过去维护保养的历史，过去出现故障时，这个故障怎么发生的，为什么会发生，通过这些信息决定未来该如何解决，这样做出一个故障的诊断。
　　Aspen Mtell处方型维护的功能
　　通过处方型维护分析，企业各个部门都可以参与讨论，确定如何采取最好最恰当的解决方案应对故障。
　　不仅如此，Aspen Mtell产品还可以为用户提供行动处方。顾名思义，就是告诉运行部门，故障会有什么样的发展。例如，预测在40天以后压缩机会出现故障，在这段时间内用户应该做什么。针对不同的情况，Aspen Mtell有不同的行动处方：
　　首先，有双向的接口，对整个流程机械运行过程非常清楚，我们知道有可能发生故障时，就能够立刻了解这些信息，比如说故障根源在哪里、采取什么样的行动、需要更换维修零部件的成本是多少、需要哪些零部件以及需要的技能，所有这些反馈给我们，我们立刻就能知道。
　　其次，如果是另外的情况，故障并不是零部件的损耗，而是流程导致的。这种情况下可以给运行部门的人提供建议，让他们改变这种导致故障的因素和流程的条件，从而把这个问题解决，而不需要维修和保养。
　　通过这样的方法和技术，艾斯本可以实现及早的预警，提前告诉客户，什么时候会出现故障，以及为什么会出现故障，以及故障可能的表现是什么，这样就可以让客户及时采取行动，避免故障发生，或者至少能够减缓故障带来的风险和损失。
　　如何实现处方型维护？
　　那么，艾斯本是通过什么办法实现处方型维护呢？Michael Brooks透露，主要是通过Agent™的方法。传统来讲，一般是用工程模型，或者是统计型模型来实现这种预测。但艾斯本发现，这种方法错误率挺高，经常出现误报。所以艾斯本并没有选择用建模方法解决，而是借助Aspen Mtell来解决这个问题。通过使用10%的机器学习算法和很多以产品为基础的技术方法，即可实现处方型维护。我们称之为Aspen Mtell Agents™方法。
　　Aspen Mtell Agents™最大的优点是中性的，而不是基于模型的。使用它你不需要知道，Agents™也不需要知道用户所在的行业，也不需要知道资产类型是压缩机还是泵，流程需要加热还是换热，都无所谓。在工艺流程方面无论是间歇式、连续式，聚乙烯、铁路还是制药，各种各样的流程都能够解决。为什么？因为Agents™只需要从实际设备运行的精确数据模式方面获取信息就可以，这样就可以判断设备的运行是正常状态还是故障状态。
　　Agents™能够实现的功能是其它产品无法实现的，其他产品可能提前几天，而Agents™提前几个月就可以预知这个问题，给最终用户更多时间进行调查和分化，预测什么时间需要维护，轴承是否出现故障。此外，Agents™能够发现其它产品所不能发现的情况，比如说过去其它产品只是关注机器本身，而 Aspen Mtell所做的是跳出机器自身的状况，还要观察周围的一些环境到底在发生什么，工艺流程是否会导致这个机器发生损害。Aspen Mtell要做的是通过分析防止各种各样操作运行的活动给设备造成损坏或带来危险，防止这种流程导致的损害。
　　Agents™所实现的功能，就是给设备撒了一张更大的网，包含了更多的因素在里面。不仅有异常Agent，可以通过各种各样的传感器，还有上游的传感器收集信息；而且还有具体故障的Agent，可以确定故障的原因、根源，以及如何解决这些信息。把这些因素都放在设备周边，就可以让用户有更多充分的信息进行恰当的进行维护保养。另外，更为强大的是，主要建立一个Agent™以后，就可以很快进行复制，扩展性非常强。例如，如果在一个泵上有Agent™，这个厂可能有数百个泵，可以在很短时间内让这些泵都有Agent™的服务，避免相同类型的故障发生。
　　“可以说，通过Aspen Mtell 处方型维护，可以为用户提供最早，最准确的资产故障警报和非计划停机时间，使得机器不再发生故障、寿命有效延长、用户资产净产量显著增加、维护成本大幅度下降，” Michael Brooks总结道。