考虑这些因素时，你想推进一个建立和有效的数字化植物系统。

霍尼韦尔过程解决方案公司Jason Urso著

虽然IIoT和云计算被认为是支持某些运营的资产管理的新功能，但在加工和炼油厂内，有一个成熟而成功的传统数字工业技术安装基地。多年来，该技术一直服务于关键机器资产和以可靠性为中心的维修/基于状态的维修（RCM/CBM）策略。

在过去的30年里，当今加工和精炼设施的技术有了巨大的发展。即使在20年前，技术也显然是非凡的。随着21世纪的临近，基于微处理器的快速控制和自动化系统相对普遍。数据历史学家拥有强大的容量，并在整个工厂内无缝联网。个人电脑和数据服务器正在商品化，包括完善的、可配置的生产力和状态监测软件。此外，在这个非凡的数据引擎上游的机器上，是一片精密传感器的海洋。这仅仅触及了多年前工厂操作员和可靠性专业人员可利用的机械控制、自动化和监控技术的表面。10bet在线娱乐

事实上，工业APM系统的持续发展极大地推动了当今系统的发展，再加上RCM/CBM工艺，已安装技术所提供的价值甚至上升了更多。因此，今天的工厂主管、经理以及可靠性和维护人员可能会问：对于一个似乎已经在数字化方面成熟的现代碳氢化合物处理厂或炼油厂来说，数字化改造是什么样子的？此外，如果可以获得更高的成熟度，植物是如何到达那里的？

在回答这些问题之前，先考虑一下当前技术推动的四个驱动因素：

新技术：经过十年的密集开发、应用和可证明的结果，云计算和机器学习分析现在已经相当成熟。与千年互联网繁荣和蜂窝技术进步之前增强的APM（资产绩效管理）系统类似，今天的大数据分析可以执行相同的功能。这一点，在其他进展中，为预测资产管理的阶段性变化提供了基础。通过将所有工厂数据源聚合到一个云服务中，今天的技术将资产监控从一组离散的、不连贯的数据收集系统转变为一个集成的资产性能和数据分析引擎，真正提供以前的解决方案长期承诺但很少提供的可操作信息。

伟大的辞职：虽然这不是一个新的担忧，但20年前感觉像是一个无用的威胁，现在已经成为现实。伟大的辞职已经到来。在当前形势下，人力资源的可用性和平均员工任期正在下降。与此同时，下游加工设施所需的专业知识深度和技能范围正在增加。随着数十年的经验退休，资产供应不足的中小企业填补了空缺，今天的APM数字技术显然擅长增强人类的分析能力。

云计算提供的分析和性能模型虽然无意取代人类，但可以提供经过审查的警报，帮助中小企业更快、更准确地查明根本原因。类似地，云提供了资产企业的集中视图、更简单的可配置性，以及提高生产力的工具，这些工具可以通过单个个人增加可管理资产的数量。

最大化数字资产：显然，任何资产管理系统的目标都是最大化所有资产的回报。这包括控制和监控传统旋转资产的电子系统。在这些电子系统中，可能有无法测量的TB级数据被收集，但从未进行过分析，配置方法繁琐且差异很大，用户培训需求非常难以或不可能有效管理。通过将这些系统连接到一个通用的云用户界面，并通过使用云数据湖来分析整个数据，从而最大限度地利用已安装的旋转和数字资产，从而产生附加价值。

考虑到这三个因素，描述在一个具有高度数字成熟度的工厂中的数字转型是什么样的，包括通过聚合所有数据源并对统一数据集应用现代分析，从现有系统中创建一个系统。使用云计算，分析是通过第一原理性能模型、机器学习分析、大数据挖掘和统计分析进行的。输出的重点是交付给可靠性和维护价值链人员的结果。

前进的道路

认识到可以获得更大的成熟度，真正的挑战是看到前进的道路。在实现现有APM系统的更大有效性和增强其基础上的数字系统方面，有几个方面需要考虑。这包括运营、维护和IT部门之间制定的深入战略。他们必须考虑当前APM系统和资产管理过程的优势和机会，以及将APM与CMMS和ERP系统连接起来。这种战略的深度最好单独讨论，但要符合利用现有数字资产实现更高功能的主题，这将在很大程度上取决于选择哪个平台来提供基于云的APM系统。

在选择平台时，还应考虑以下其他关键因素：

价值实现时间：平台选择应充分注意平台解决集成复杂性和以高效、时效的方式聚合数据的能力。能够展示其技术并证明其快速聚合能力的供应商将确保向云的平稳转换。

一个工厂可能很容易拥有数万个点和控制标签，必须映射到云数字孪生兄弟。这不是一项微不足道的任务，可能是转换中最耗时的元素。无论是与平台供应商签约执行聚合和标记映射，还是选择将其保留在内部，都必须确保聚合活动不会过度消耗资源或危及目标时间范围。该平台在数据聚合方面的有效性将决定这一点。

同样，模型构建非常耗时，平台上提供的模板库、云连接器和上下文感知聚合器将提高初始工程生产率，并有助于模型的可持续性和演化。库和连接器的成熟度和深度通常决定了平台处理工厂内各种数字平台、软件和连接机器的能力。

同样，库和连接器的深度可能与平台供应商在炼油和加工行业的经验成比例，因为许多模型都是从过去的自动化、控制和状态监测系统的实施，以及以前的建模和系统模拟中演变而来的。10bet在线娱乐

分析：平台供应商可能会整合自己的分析能力和机器学习引擎，集成第三方解决方案，或进行某种组合。分析应该解决三个方面：

•描述性分析或“发生了什么？”通过聚合多个工厂数据源并挖掘数据以提供对过去性能的洞察而获得的洞察。

•预测分析或“会发生什么？”通过统计模型和预测技术来预测未来。

•规定性分析或“我们应该怎么做？”通过优化和模拟算法，给出理论输入，对可能的结果提出建议。

性能建模：虽然云分析为通过统计分析获得更深入的资产洞察力提供了一种更新的方法，但传统的第一原则绩效模型仍然是全面的APM系统的核心要素。第一原则，即。，从物理定律推导出的公式和方程式在机械性能评估中已经并将继续取得成功。然而，这种建模技术需要丰富的经验和适当校准技术的技能。

供应商在流程工业资产（如压缩机、涡轮机和泵）以及相关流程方面的经验对于成功计算机器性能效率、其相对于最优的能源使用以及下次维护或大修的时间框架至关重要。

网络安全：工业机器网络黑客越来越频繁。随着连接性、网络广度的增加，以及与机器控制系统的直接连接，云APM解决方案允许零网络安全漏洞，并且必须证明对来自全球来源的各种网络攻击方法的不渗透性。

传统安全无法保护OT和IT系统不断扩散的网络威胁。OT网络上的IC有不同的操作要求，影响适应和应对新网络威胁的能力，并揭示网络攻击的新途径。APM数字平台的设计必须考虑到资产和运营需求，同时保护关键流程，而不受任何限制。

很明显，无论电厂现有的数字化和RCM/CBM水平如何，新的增值功能都将继续存在。事实上，APM发展的当前阶段正沿着其传统的、非凡的道路前进。然而，目前它恰好与云计算的发展相交叉。这很重要。为了利用这些好处，工厂应该谨慎地选择数字转型合作伙伴。他们应该在数字系统、精炼过程和旋转设备方面有经验。此外，所选平台必须充分利用基于云的分析、生产力和连接能力，同时以高效、微创的方式提供实施。EP

Jason Urso是休斯顿霍尼韦尔过程解决方案公司（HPS）的副总裁兼首席技术官(过程霍尼韦尔。通用域名格式)是工业自动化和数字化技术及软件的领先供应商。10bet在线娱乐