大数据分析模式下的设备全寿命周期管理研究20141020v1.0

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：2015年至2016年

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：012000 电话：1647478108 申请日期：2014-10-18

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 项目 负责人 项目 分类 项目组 人数 利用大数据完成设备状态劣化趋势的分析研究 姓名 性别 技术 攻关 常 屹 男 年龄 新技术 开发 35 新产品试制 工作单位 内蒙古京隆发电有限责任公司 专业 汽机 职称 软科学研究 √ 中级 初级 工程师 成果转化 1 1 技术引进应用理论消化吸收 基础研究 2 2 研究起止年月 批准金额（万元）： 其中高级 研究生 协作单位 申请金额（万元）：450 2015.03~2016.10 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，是指需要通过快速获取、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。这种通过直觉和感性做出的决策，容易因得不到本应得到的课题内容、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意义产生重大的影响，通过大数据分析，企业通过量化分析，可以提升决策质量和业绩表现。 和预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，科学合期成果摘理的组织生产，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。 要 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。不仅懂企业的业务流程，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。 通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，通过连续性数据分析，合理确定设备使用寿命，通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。所以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目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。 ? 目前的状态： 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，制造业的问题可以分为两类，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，一些其他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，但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，目前还没有成型的产品。之所以出现这种状况，我们理解不是他们不想做，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通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。当前我国的设备维修体制，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，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，不仅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，“通过对数据的挖掘和分析，达到优化产品价值链，改善工厂的生产质量，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。

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库大数据分析模式下的设备全寿命周期管理研究20141020v1.0在线全文阅读。