Аналитика для предсказания поломок …...• 22 типа странностей для каждого датчика • 2596 потенциальных

Copyright © SAS Inst itute Inc. A l l r ights reserved.

Аналитика для предсказания поломок оборудованияОбеспечение непрерывности производства

Николай Клемашев


Потери от внезапных поломок

• Дорогостоящий ремонт

• Больше повреждений

• Длительный ремонт

• Как следствие, большие потери производства

• ConocoPhilips, 35 млн. долл. за день простоя

• Репутационные потери

• Загрязнение окружающей среды (протекание труб)

• Недовольство населения (отключение воды)

• Катастрофы

• Саяно-Шушенская ГЭС, 17 августа 2009


Два основных типа решаемых задачДва основных аналитических подхода

• Прогнозирование поломок критического оборудования• Машинное обучение

• Ранжирование оборудования для инспектирования• Анализ выживаемости


Прогнозное управление надежностью SAS

Регламентная работа аналитических моделей

Тактическое/стратегическое управление

Часы/Дни

Дежурная смена

Список вероятных инцидентов

Недели/ Месяцы

Факторы влияния/ Причины аварий



Аналитический модуль

DATA MINING

Анализ факторов

Информация с датчиков по работе

оборудования

Вероятность инцидентаНестандартное поведение датчиков


Прогнозирование поломок оборудования Машинное обучение

Обучение модели Применение модели

Кол-во скачков температуры подшипников

Повышеннаявариабельность

температуры подшипников (мин)


момента силы (мин)

Кол-во скачков вибрации

Кол-во скачков температуры бака

...Нештатная ситуация в

следующий час

2 51 2 2 1 ... ДА

3 25 0 3 2 ... НЕТ

... ... ... ... … ... …

Кол-во скачков температуры подшипников


температуры подшипников (мин)


момента силы (мин)

Кол-во скачков вибрации

Кол-во скачков температуры бака

...Нештатная ситуация в

следующий час

0 7 2 0 0 ... 0,37


Прогнозирование поломок оборудованияВыявление странностей в динамике показаний датчиков

время

Отказ

Давление

масла

Верхний предел

предупреждения

Нижний предел


Ступенчатоеизменение Одиночный

импульсОдиночный

импульс

Неустойчи-вость

Отказ

Верхний предел


Нижний предел


Частота

вращения

двигателя


Прогнозирование поломок оборудованияПостроение профилей аномалий

ОСТАНОВ

В сигналах датчиков нет

«странностей»

Необычное поведение показателей

оборудования: скачки, нестабильность,

выбросы

Время до останова (число 5-минутных интервалов)

Вес

«ст

ран

но

стей

»

Точка анализа: странности уже

видны и остается время

на реакцию


Прогнозирование поломок оборудованияМетодика обучения и применения модели

Анализируемыйинтервал

Окнореагирования

Горизонтпрогнозирования

Регламентприменения

Время

Анализируемыйинтервал

Окнореагирования

Горизонтпрогнозирования

Момент построения прогноза


SAS Visual StatisticsИнструмент для бизнес-пользователей

Интуитивно понятный веб-интерфейс для

работы аналитиков и бизнес экспертов

In-memory анализ данных в

различных разрезах на лету

Широкий набор визуализаций и целый

ряд аналитических алгоритмов


Газоперерабатывающий заводПример анализа данных

• Крупный завод на ближнем востоке

• Ежедневно производит и перерабатывает

• 370 млн. куб. футов (10,000,000 m³) попутного газа.

• 40,000 барр. (6,000 m³) газоконденсата.

• 1,800 метрических тонн серы.

• Высокотехнологичное производство

• В системе очистки газа от серы периодически возникали серьёзные отказы. Стандартные средства анализа не помогли выяснить причину.

• Для анализа причин была использована аналитика SAS


SAS Enterprise MinerИнструмент для аналитика и/или Data Scientist’а


Пилотный проект в России• Оперативное предсказание НШС на компрессорных

станциях

• Анализируемые типы НШС:

• «Осевой сдвиг (перегруз МП)»

• «Отказ КМП (СУМП)»

• Единая модель на 7 НШС данных типов

• 118 показателей со SCADA:

• 1 измерение в секунду

• 1 час перед каждым из 7 НШС в прошлом + штатная работа

• 22 типа странностей для каждого датчика

• 2596 потенциальных факторов возникновения НШС

• 46 факторов выделены Системой как значимые

• Выявление необычной работы оборудования

• Для всех остальных типов НШС

Транспортировка газа


Пилотный проект в России • Значимые факторы наступления НШС на ГПА:

• Дисперсия давления газа на входе компрессора (изб.)

• Дисперсия перепада давления буферного газа на фильтре СГУ

• Дисперсия давления на выходе первой ступени СГУ2 (заднего)

• Среднее значение осевой силы

• Минимальный скачок dP между атмосферным и полным Р воздуха на входе в К ГГ)

• Дисперсия давления газа на выходе компрессора (изб.)

• Количество скачков давления воздуха за компрессором ГГ

• Создана модель:

• Специализированные методы предсказания редких событий (Gradient Boosting)

• Комбинация 42 деревьев решений

• Применима ко всем ГПА этого типа



Пилотный проект в России Тестовая эксплуатация

• Каждые 10 минут:

- Система анализирует последние 45 минут работы агрегатов

- Формирует вероятность возникновения инцидента в течение 15 – 60 минут (значение от 0 до 1)

• Инциденты: зафиксировано не было

• Зафиксированы предупреждения для одного из ГПА с низкой вероятностью инцидента: нестабильность в работе указанных моделью параметров и снижение надежности ГПА подтверждены



Ранжирование оборудования для инспекцийДва критерия ранжирования

• Два варианта ранжирования

• По вероятности выхода из строя в течение некоторого периода

• Для каждой единицы оборудования рассчитывается вероятность поломкив течение некоторого периода

• Инспектировать оборудование с наибольшей вероятностью поломки

• По ожидаемому времени до поломки

• Фиксируется уровень риска

• Для каждой единицы оборудования определяется время поломки

• Инспектировать оборудование, которое скоро выйдет из строя


Ранжирование оборудования для инспекцийВероятности поломки в зависимости от времени


Ранжирование оборудования для инспекцийРанжирование по вероятности поломки в течение месяца

720

0.37

0.76


Ранжирование оборудования для инспекцийРанжирование по времени до поломки

280190


BARCOСредства визуализации и связи


BARCOУдалённый мониторинг состояния оборудования


SAS Connected Vehiclehttps://www.youtube.com/watch?v=EhYUNn3ltUo

Преимущества:• Много данных• Качество аналитики• Дополнительное направление

бизнеса• Повышение качества

выпускаемой продукции

https://www.youtube.com/watch?v=EhYUNn3ltUo

sas.com


Спасибо за внимание

http://www.sas.com/

Documents

Аналитика для предсказания поломок …...• 22 типа странностей для каждого датчика • 2596 потенциальных