工业物联网有哪些应用?

显而易见，工业物联网（IIoT）技术的出现极大地扩展了工业软件工具的功能。尽管IIoT最近在化学过程工业（CPI）中的增长似乎主要是由软件和其他数字工具（例如人工智能（AI）和云计算）的发展推动的，但这些要素也基于解决方案的类型，作为基本工程原理，已经部署了几十年。

软件的数字化历程

“业界长期以来一直在实践数字化，最近的变化使这些应用程序更加强大，敏捷，便携，智能和自治。CPI的变化是渐进的。由于与工业工厂的运营有关的固有责任，它是递增的。”美国横河电机公司化学品市场负责人塞尔吉奥•费尔南德斯（Sergio Fernandes）说。尽管如此，CPI公司已经成功地大规模部署了数字技术，这部分是由于从用户笔记本电脑上运行的软件向现在几乎可以从任何地方访问高性能应用程序和工具的转变所推动的。

“云计算不仅减少了资本支出预算，而且还促进了过程模型（无论是稳态还是动态的）的可用性，无论最终用户的位置如何，” Fernandes解释说。但是，他告诫不要简单地假设数字工厂模型（无论多么先进）在永久性方面将是完全准确的。“工业过程就像生命的实体，它们随着时间而变化。任何数学表示形式，例如数字孪生，都需要进行调整并需要通过某种机制进行更新。除此以外，最终将被废弃。资产需要注意；他们要求预算以维持其可持续性。”他补充说。展望未来，随着越来越多的自治操作的出现，对安全性和可持续性的迫切需求意味着在与数字资产一起部署人力资源时必须实现明智的平衡。费尔南德斯说：“可以通过当前和即将出现的技术来智能地解决危险的野外作业，重复性行动，日常活动，在野外收集数据和在危险区域进行检查的不必要的行程，” Fernandes表示，将尖端的数字技术视为关键要素，可以实现一种可以激发人类更多创新的架构。“这意味着运营的不断改进，对下一次中断的预期以及整个价值链的优化。” 资产需要注意；他们要求预算以维持其可持续性。”他补充说。

ABB工业自动化公司首席数字官Rajesh Ramachandran重申说，仅仅开发一个模仿过程或资产的软件模型并不足以真正利用数字化，该公司重申了这一点（www.abb.com）。）。“现在的趋势是数字工厂的工业AI孪生。他着眼于如何针对特定的过程场景预测和优化一组结果，从而有机会微调不同的参数。” Ramachandran强调说，纯AI不能“按原样”应用于工业环境，相应的领域专业知识对于捕获CPI操作的复杂性至关重要，例如最终产品的质量规格或原料杂质的存在。ABB将数据驱动的AI与深植于数字孪生中的领域专业知识相结合，最终通过其ABB Ability Genix软件平台构建了认知模型。“ Genix建立了一种我们称为认知模型的模型，该模型在具有来自不同系统（例如维护，仪器和实验室）。这意味着它有助于做出更准确的优化预测。” Ramachandran补充道。引用行业研究表明，平均而言，一家工厂可能仅使用其生产数据的约27％，而工程师可能会花费多达80％的时间来汇总数据，他预测，先进的软件平台将有助于减轻这些不平衡。 。他说：“我们正在从根本上解决需要释放未使用数据中的价值并大规模应用工业AI的领域，以获取最大的生产力和运营收益，同时还简化了数据集成的工作。”

智能平台

毫无疑问，近年来，随着越来越多的公司采用工业AI和机器学习（ML）的用例，工业软件平台变得更加强大。“在CPI，这些类型的技术被集成到处都是从资产监控到AI-动力无人驾驶飞机比可以检查火炬塔，”用于分析和机器学习爱默生（密苏里州圣路易斯产品经理Michael Tworzydlo，解释; WWW .emerson.com）。但是，Tworzydlo警告不要过度宣传这些解决方案的价值，而不必承认基础工程原理的重要性。“作为化学工程师，分析的基础知识是最好的起点，首先要基于基于原理的分析，例如基于热交换器的工作原理的分析。然后，组织可以演变为利用AI或ML处理更复杂的流程或整个工厂范围的问题的数据驱动方法。”他补充道。

“ AI为CPI提供了强大的功能，但是一些公司努力将其有效地应用于制造挑战，” Aspen Technology，Inc.的化工行业总监Paige Morse解释说。

作为回应，AspenTech已开始将AI嵌入其软件平台，这使得更广泛的用户可以更容易地使用它。Morse指出，将第一原理工程与AI和领域专业知识相结合，可以帮助用户更好地找到必须在CPI中解决的复杂问题的解决方案。AspenTech的混合模型方法不仅可以帮助优化过程，还可以使工程师创建定制的软传感器，设计新设备并集成资产范围的过程。“工程师现在可以使用ML更快地构建丰富的模型，以利用仿真或工厂数据，增加领域专业知识，工程原理和设计约束，而无需深入的流程或AI专业知识。” Morse说。由于许多CPI公司都面临合法技能缺口，

除了克服劳动力缺口外，可持续发展倡议是CPI公司越来越集中精力的另一个领域。“成本节省已经推动了许多数字化工作，但是公司越来越关注生产单位的废物和排放，以及效率和可靠性的提高，” Morse说。她补充说：“过程仿真有助于开发新产品，以应对循环经济的技术挑战，例如分子回收和新塑料设计，而在AI的帮助下，这种活动的速度甚至更快。”

这种预测功能在实现特定的可持续发展目标方面越来越有价值，例如通过预测排放物监测系统（PEMS）减少空气污染，该系统是艾默生的Plantweb Optics Analytics平台的功能，该平台通过数字双胞胎和分布式部署ML和AI控制系统。“作为Plantweb Optics Analytics的一部分，我们可以部署PEMS，以使用模型和ML来监控和估算排放量，以动态优化生产。借助PEMS，我们可以基于已经捕获的过程变量来构建模型，并使用这些变量来估计并最终减少排放。” Tworzydlo说。

软件承诺实现可持续性战略的承诺不仅限于减排。“重复利用或回收废物的可持续产品和技术的兴起是过程模拟行业的增长领域，带来了新的问题和新的机遇。最近的增长领域包括大麻衍生物（例如CBD）的过程模拟，以及改进的控制措施以减少可再生能源的排放。化学工业更成熟的增长领域包括生物燃料，甲烷回收，CO2回收和溶剂选择。” Chemstations Inc.（德克萨斯州休斯顿；www.chemstations.com）技术支持经理David Hill说。

希尔认为，通过与CPI中的辅助工具建立产品联盟，可以进一步增强过程模拟器的前景。不使用过程模拟器的工程师通常拥有可以通过连接到过程模拟器来改进的工具。在安全，过程控制和能源领域，将行业特定工具与过程模拟器的第一性原理相结合的机会很多。” Hill解释道。希尔认为，这一转变的驱动因素将包括减少温室气体，提高能效，基于热力学模型进行优化，提高安全性以及使用严格模拟进行先进过程控制的机会。

扩展现实

除了AI和ML，增强现实（AR）和虚拟现实（VR）软件平台也在工业工厂中兴起-而且由于在大流行期间对远程工作的需求不断增加，因此不再看到这类技术作为“奢侈品”商品，比以往任何时候都更有用。由于大流行，植物中的人减少了，植物正在拥抱新技术。AR可以将数字信息覆盖到现实世界中，这有助于更好地使工人装备得更准确，更轻松地完成任务。”艾默生的Tworzydlo说。至于工业软件中AI，ML和AR的未来，用例肯定会继续扩展。“仍有大量未开发的潜力。最终，我们将开始针对某些流程进行自主操作，

Aveva Group plc（英国剑桥；www.aveva.com）已将AR和VR概念捆绑到扩展现实（XR）平台中，其中一项特别相关的应用是人员培训。“ XR沉浸式培训系统使公司可以在更换退休的经验丰富的操作员时捕获并保留操作知识，这对于工厂安全和绩效至关重要。这种行为培训不仅可以应用于一线操作人员，还可以应用于工程师，技术人员和应急人员。” Aveva首席云官兼首席产品官Ravi Gopinath解释说。

在一个实例中，由Aveva和Shell（荷兰海牙；www.shell.com）制定的操作员培训计划侧重于行为培训以提高安全能力。Gopinath说：“通过这种行为方法，可以对操作员进行培训和评估，以了解他或她在工厂中遇到意外或偶发情况时的表现。” 在另一个项目中，Aveva和Adnoc（阿布扎比；www.adnoc.ae）创建了一个实时数据可视化中心，该中心将120多个仪表板和200，000个数据点聚集在一个巨大的交互式屏幕上。

培训只是XR潜力的一部分。基于AR平板电脑的应用程序已用于支持现场工作人员。使用AR将平板电脑中的VR模型与实时信息和指导性流程相连接，可以更好地执行工作，从而避免代价高昂的故障并减少停机时间。展望未来，Aveva相信XR软件能够通过将在设计阶段使用的传统3D工厂模型自动导入到沉浸式环境中，从而显着改善设施设计和资本项目工程。转换为VR后，您甚至可以在购买任何设备之前，都可以对人体工程学设计进行审查和改进。虚拟工厂可以完全存在于云中，从而允许位于不同办公室甚至不同大陆的工程师之间进行协作。

随着软件平台的数据捕获和分析功能的发展，强大的分析工具已成为化学工程师的自助式，可扩展的决策工具，他们可以在其中构建自己的功能来满足特定的过程需求。TrendMiner NV行销副总裁Edwin van Dijk说，借助这种民主化的工具，工程师可以利用来自不同来源的数据-例如，批次质量等实验室信息可以与维护数据链接到过程数据。 Trendminer.com）。“使分析民主化的目标是使每个人（从控制室到董事会）的每个操作人员都可以使用可行的见解来制定数据驱动的决策。通过允许用户基于指纹，监视器和上下文视图创建自己的仪表板，这超越了传统的仪表板工具。” Van Dijk补充说。通过模式识别，工程师可以调查操作性能并将良好的操作行为用于过程监控。此外，他们可以创建自己的“软”传感器来监视物理传感器无法测量的内容，例如产品质量规格。

TrendMiner报告的一项数据分析成功案例涉及一家化工厂，该工厂正在经历“粘性”阀门，这在阀门的输出变化和实际过程响应之间造成了延迟。该工厂希望准确地识别出阀门何时开始粘滞，因此他们需要监视阀门预期行为的任何偏差，然后找到可区分“正常”和“不良”阀门行为时段的参数。这些参数被转换为针对异相行为的警报，这些行为不仅会通知人员有关情况，而且还会建议可能的纠正措施。“通过使用自助服务分析解决方案，流程专家能够使用嵌入式AI和ML功能，使用高速趋势分析来搜索和验证生产问题，

即使有大量可用的软件工具和移动应用程序可供选择，一些用户仍然需要高度定制的解决方案来满足其业务需求。这是内部编程可以派上用场的地方。JourneyApps（科罗拉多州丹佛；www.journeyapps.com）提供了一个高生产力的应用程序开发平台，用户可以使用该平台编写自己的代码，从而实现比非代码应用程序构建工具更复杂的应用程序，后者针对非程序员，并且受其简单性的限制。JourneyApps首席执行官Conrad Hofmeyr解释说：“这意味着高级业务逻辑，工程计算和高度定制的集成可以在几天之内实现，而无需花费很多与软件开发相关的传统开销。” 他指出，大多数化学工程师通过Microsoft Excel Macros或Matlab之类的工具具有一些基本的编码或脚本编写经验，因此他们可以快速掌握必要的编程技能，以使用JourneyApps来构建能够自动化和简化关键业务功能的复杂应用程序。

例如，霍夫曼（Hofmeyr）举一个例子，一家CPI公司为标准操作程序（SOP）构建了专用的应用程序，使他们能够从基于电子表格的手动SOP转变为具有完整审核记录的集中控制的应用程序。他补充说：“ JourneyApps提供的可定制性意味着可以针对本地需求和系统集成来定制单个全局应用程序。” 在另一个示例中，一家油田化学品制造商开发了自己的应用程序，以运行其日常现场报告流程中使用的关键计算并生成报告文档，而所有这些用户都在离线站点上离线。

展望最终用途

先进的软件和建模工具还使人们能够在从汽车部件到药品的许多行业中创建更安全，更有效的最终产品。一个例子是BASF SE（德国路德维希港）的Ultrasim计算机辅助工程（CAE）工具，用于模拟材料性能，该工具最近经过更新，可以对从初始加工到整个加工链的一系列热塑性弹性体材料进行建模。最终使用产品。缩短的开发周期和激进的时间表给工程师带来了越来越大的压力，使他们不得不在第一时间获得正确的产品性能。预测准确性具有巨大优势，”北美巴斯夫模拟工程CAE团队负责人Marios Lambi说。Ultrasim可以模拟组件的初始载荷和循环载荷，事实证明，这对于由弹性体材料制成的汽车零件特别重要。“从蠕变载荷到碰撞模拟，热载荷和振动行为，再加上描述过程诱导材料特性的加工模拟，以及允许快速几何变化的数值优化工具，Ultrasim为设计更好的零件奠定了基础，” Andreas强调Wüst，欧洲巴斯夫动态结构分析团队负责人。

“材料表征过程会生成必要的数据，这些数据对于预测实际零件的行为的准确性至关重要。为此目的开发的理论材料模型正在使用测试中的信息进行校准，从而确保行为代表真实的制造条件，而不是与实际情况相距甚远的任意情况。” “有很多复杂的装配示例，例如汽车座椅，都经过了碰撞测试，这些测试利用Ultrasim的预测精度来制造通过验证测试的零件。这极大地缩短了开发周期，并最大程度地减少了设计变更，甚至没有消除，”他补充说。

对于生物制药成分和其他高价值产品的研发和质量分析实验室中的高精度流程，软件工具可以用于多种目的，包括促进组织的业务连续性计划（BCP）。“在实验室检查时，高效的软件可以减轻或减少风险数量，简化事件测试，在事件结束后可以使用自动化程序来恢复系统，甚至在事件发生期间保持系统运行，所有这些都简化了BCP， ” Thermo Fisher Scientific的企业Chromeleon数据系统组织色谱软件产品市场经理Barbara van Cann说道。此外，实验室可以通过选择包含色谱数据系统（CDS），实验室信息管理系统（LIMS）和实验室执行系统（LES）的集成软件来进一步简化BCP。Van Cann解释说：“ LIMS和CDS软件都应提供工具来监视仪器的鉴定，校准和维护，甚至包括单个零件。” CDS软件还应帮助用户处理分析不规范问题，并具有内置的网络故障保护功能，以确保在发生网络中断时，无需人工干预即可继续运行。为了避免由于网络安全攻击而造成的中断，Van Cann建议实验室在与主要办公系统分开的域中运行CDS和其他软件，以避免来自电子邮件的潜在网络威胁。最后，与任何自动化软件平台一样，必须考虑人为因素。“可以通过控制用户可以做什么和不可以做什么，以及可以和不能访问什么来减少人为错误。另外，应该有工具来使尽可能多的动作自动化。用户互动的减少等于错误的减少。”她补充道。
责任编辑:tzh