Ograniczenie liczby alarmów dzięki analizie danych w chmurze

Rys. 1. System Digital Lifecycle Service Alert Reduction, oferowany przez firmę Siemens, łączy informacje historyczne z danymi inżynierskimi i bazą wiedzy. Zaawansowane narzędzia analityczne identyfikują drugorzędne ostrzeżenia, skupiając się na alarmach krytycznych, generując jednocześnie stosowne zalecenia. Źródło: Siemens

Analiza danych w chmurze umożliwia operatorowi poprawę bezpieczeństwa, zwiększenie wydajności i ograniczenie przestojów. Jeżeli system sterowania zidentyfikuje problemy procesu dostatecznie wcześnie, operatorzy mogą podjąć stosowne działania, aby uniknąć przestoju i powrócić do prawidłowej pracy instalacji. W praktyce nie jest to jednak takie proste.

W miarę rozwoju technologii liczba czujników i urządzeń pomiarowych pracujących w urządzeniach technologicznych znacząco wzrosła. Nie trzeba zbyt wiele, aby operator procesu został przytłoczony przez pojawiające się alarmy i ostrzeżenia wysyłane przez urządzenia obiektowe. Dawniej turbina gazowa była wyposażona w kilkadziesiąt czujników, obecnie są ich tysiące i liczba ta stale rośnie. Nadejście technologii Internetu Rzeczy oznacza dalsze zwiększenie liczby czujników w urządzeniach i maszynach.

Więcej czujników oznacza zwiększenie fali alarmów pojawiających się na ekranie operatora i technologa procesu. Znane są przypadki, gdy użytkownik musiał zmagać się z nieomal 300 alarmami na godzinę. Ta liczba jest zbyt duża, aby nazwać je incydentami na obiekcie, przy czym nie mówimy tu o odosobnionym przypadku.

Tak ogromna liczba alarmów w większości jest wywoływana stosunkowo niegroźnymi przyczynami. Operator musi jednak reagować na każdy przypadek alarmu, nawet jeżeli reakcja polega jedynie na jego potwierdzeniu i nie wymaga dalszych działań. To z kolei pochłania mnóstwo czasu, którego może zabraknąć na prawidłową reakcję w razie pojawienia się realnego zagrożenia.

Zmniejszenie liczby alarmów

Niezbędne jest więc uwolnienie odpowiedzialnych osób od tej straty czasu. Najlepszym rozwiązaniem jest ograniczenie liczby zgłaszanych alarmów. To umożliwiłoby skoncentrowanie się na działaniach priorytetowych i znacznie zredukowało zatrzymania instalacji lub ograniczenia produkcji.

Niektóre narzędzia umożliwiają obsłudze odróżnienie alarmów krytycznych od tych mniej istotnych, jednak brak automatycznej selekcji alarmów i wsparcia analitycznego oznacza dalsze marnotrawienie czasu inżynierów procesu na analizę nadchodzących alarmów i decyzje o niezbędnych działaniach. Przeprowadzając podział danych otrzymywanych z obiektu na trzy kategorie możliwa jest bardziej dokładna analiza danych i pilne dostarczenie inżynierom procesu informacji, tak aby mogli szybko podejmować stosowne decyzje.

Te trzy źródła danych to:

Dane archiwalne. Dane oparte na alarmach zarchiwizowanych mogą być przydatne do porównania alarmów aktualnych z wydarzeniami z przeszłości. Chociaż niektóre narzędzia do analizy danych wykorzystują już te mechanizmy porównawcze, to ich użyteczność jest ograniczona ze względu na ich lokalny zasięg.

Dane technologiczne. Dane te odgrywają kluczową rolę w prawidłowym prowadzeniu procesu. Wykorzystywane przez doświadczonych inżynierów, umożliwiają prowadzenie bardzo skomplikowanych procesów. Dane te są jednak wykorzystywane w ograniczonym zakresie, zwykle przez odpowiednio przeszkolony personel, a dodatkowo są trudne do analizy i niewygodne do praktycznego użytku przy podejmowaniu decyzji. Jest jednak możliwość formatowania tych danych do bardziej dostępnej postaci i przedstawiania ich w formie graficznej dla lepszego zrozumienia zgłaszanych alarmów i ostrzeżeń.

Baza wiedzy. Producenci urządzeń technologicznych mają często dostęp do ogromnej bazy informacji zbieranych przez użytkowników turbin gazowych pracujących w elektrowniach na całym świecie. Niektóre z nich są zbierane przez całe dziesięciolecia. Racjonalna ich analiza umożliwia porównanie aktualnych alarmów z analogicznymi sytuacjami, które wydarzyły się na innych obiektach.

Rys. 2. Zagęszczenie alarmów zgłaszanych dokładnie w momencie, gdy generator nie pracuje. Źródło: Siemens

Wartość analizy danych

Wiele systemów wykorzystuje jedno z trzech źródeł informacji dla wsparcia operatora procesu, ale jest to mocno ograniczona pomoc. Istnieje również kilka systemów na rynku, które wykorzystują z różnym powodzeniem dwa źródła danych, natomiast integracja danych ze wszystkich trzech opisanych źródeł jest pomysłem całkiem nowym. Ale nawet integracja danych historycznych, technologicznych i z bazy wiedzy nie rozwiązuje problemu, który ciągle narasta przez złożoność danych i ich rosnącą ilość. Takie podejście może pomóc w identyfikacji problemu i znaleźć jego pierwotna przyczynę, ale byłoby to długotrwałe i bardzo pracochłonne. Zanim stosowne dane zostałyby zgromadzone, przefiltrowane i przeanalizowane, byłoby juz za późno na uniknięcie zagrożenia i zatrzymania procesu.

Sposób poprawy efektywności utrzymania ruchu musi wychodzić ponad identyfikację pierwotnej przyczyny problemów i umożliwić określenie działań naprawczych na czas. Musi również spowodować znaczące ograniczenie liczby alarmów oraz zapewnić sposoby prawidłowej reakcji na alarmy o krytycznym znaczeniu.

Analiza danych w chmurze, wykorzystująca zaawansowane narzędzia analityczne i współpracująca z najnowocześniejszymi mikroprocesorami, może pomóc w synchronizacji, porównaniu i analizie ogromnych ilości danych, pozwalając tym samym ograniczyć liczbę alarmów i przyspieszyć proces podejmowania decyzji. Dostępna jest już analiza danych, która precyzyjnie ustala, dlaczego wydarzyło się określone zdarzenie i związane z nim następstwa (rys. 1). Może to potwierdzić sytuację powstałą na obiekcie, którą bierze pod uwagę inżynier procesu, oferując jednocześnie nieosiągalną wcześniej jej analizę.

Prosty przykład: przeciążenie alarmami spowodowane terminowymi pracami serwisowymi generatora w elektrowni. Wyłączenie urządzeń może skutkować wystąpieniem wielu alarmów. Ponieważ w układzie generatora następuje spadek temperatury (na skutek prac serwisowych), operator jest zalany alarmami i ostrzeżeniami z różnych urządzeń technologicznych. Może zająć dobrą chwilę, nim dojdzie on do przekonania, że alarmy te mogą zostać zignorowane, gdyż na instalacji w tym obszarze trwają prace serwisowe (rys. 2).

Analiza danych może również ujawnić, co naprawdę wydarzyło się na obiekcie, gdy wskaźniki wskazały przekroczenie poziomów parametrów technologicznego procesu. Taka sytuacja może być istotna lub drugorzędna. Wymaga to analizy bazującej na danych z różnych źródeł dla określenia znaczenia tej sytuacji dla procesu. Jeżeli analiza taka jest przeprowadzona dostatecznie szybko, operator będzie miał wystarczająco dużo czasu na przedsięwzięcie odpowiednich działań.

Rys. 3. Znaczący spadek zgłaszanych alarmów po wprowadzeniu systemu Digital Lifecycle Service Alert Reduction firmy Siemens na różnych obiektach. Źródło: Siemens

Przykład ograniczenia liczby alarmów

W dużej elektrowni w Niemczech stwierdzono, że alarmy i ostrzeżenia są generowane przez wiele różnych urządzeń. W jednym przypadku zostało wygenerowanych ponad 1600 alarmów z częstotliwością 281 ostrzeżeń na godzinę, w tym tylko 10 sygnałów było odpowiedzialnych za 43% alarmów. Co gorsza, wiele alarmów było zgłaszanych w czasie okresowych prac serwisowych. Zmuszało to obsługę do monitorowania obiektu w czasie jego remontu, co wymagało zatrudnienia dodatkowych pracowników i ograniczało możliwość zwiększenia obsady na innych ważniejszych obiektach.

Po wykluczeniu tych dziesięciu kłopotliwych alarmów i tysiąca innych, obciążenie pracą służb utrzymania ruchu znacznie się zmniejszyło.

Nowoczesne, cyfrowe zarządzanie alarmami identyfikuje pozwala ustalić, który sygnał wywołał alarm i dlaczego. Stosowna technika wizualizacji prezentuje kluczowe informacje w prostym i zrozumiałym formacie. Wykorzystując narzędzia analityczne, identyfikujemy prawdziwe problemy i możemy ograniczyć alarmy o 90% (rys. 3).

Systemy zarządzania alarmami eliminują zbędne ostrzeżenia i generują praktyczne zalecenia dla działań optymalizacyjnych. Działania te mieszczą się w zakresie od kilkusekundowego opóźnienia alarmu do zmian procedur serwisowych, które mogą wywierać znaczący wpływ na efektywność procesu produkcji. To z kolei wpływa na jakość procesu i jego efekty ekonomiczne, usprawniając jednocześnie pracę inżynierów procesowych.

Ute Messmer jest szefem Digital Technology Center w firmie Siemens Power Generation Services.