能源行业作为资产密集型行业之一，生产过程离不开数量庞大、种类繁杂的大型装置设备。确保资产的可靠性、提高资产投资回报率，是重资产行业普遍面临的一个挑战。资产管理并不是一个新的概念，但如何从零开始实现数字化的资产管理呢?
始建于20世纪70年代的奇姆肯特炼油厂是哈萨克斯坦三大炼厂之一。ABB为奇姆肯特炼油厂实施了现代化改造工程，帮助其对关键资产实现了智能化状态监测，工厂的大修从每年一次升级为每三年一次，资产效率和运营效率得到了极大提升。
下面就让我们一起走近奇姆肯特炼油厂现代化改造项目来一探数字化资产管理的究竟吧。
想了解设备，还要看ROI
奇姆肯特炼厂建于40年前，设备老化，且每年一次的设备维护成本不菲。炼厂采用传统的人工巡检方式了解工厂关键设备，但受制于环境、人员素质、责任心以及工具与手段等诸多因素，人工巡检不仅成本高，质量波动，甚至一些安全隐患不能及时发现、有效处理，从而可能导致安全事故的发生或非计划停机。
奇姆肯特炼厂现代化改造的目标之一就是实现从手动到自动的转化，让停留在纸面上的数字变为可以自由流转的数据。
这不是传感器加PLC就可以轻松搞定的事情吗?真的如此简单吗?
全面铺设数据采集设备将是一笔巨大的投资，即使是业界大厂也鲜有人为，因此ROI是决策的关键。
燃爆数据的关键三步
第一步是要先梳理出最核心的关键设备，有针对性地进入下一步设备评估。在该项目中，ABB利用全球资源成立了专门的咨询团队，通过大量的现场调研和评估，帮助奇姆肯特炼厂定义出仅占总设备3%-5%的关键设备清单，为后续工作奠定了基础。
管理大师彼得·杜拉克曾经说过，你不能衡量它，就不能管理它。因此第二步是对关键设备进行数据采集。ABB多元化的智能仪器仪表就被广泛应用于过程工业，让底层的信息采集做到全面感知，灵活获取，并将数据处理变成可执行的信息，通过有线或无线网络传递给上层平台或移动终端，支撑上层业务，优化运营。通过与DCS、PLC及状态监测系统相结合，解决新旧设备与系统的并入、通信等问题，获取实时数据自然水到渠成。
第三步，基于数字化平台的运营数据集成和智能分析必不可少。那么问题来了，数据分析能力的准确性从何考证?答案是须充分结合机理模型和数学模型，对来自关键设备的数据进行分析，才能实现更为可靠的数据分析与诊断。
在该项目中，ABB发挥了其在OT领域的专长与全球数十年的数据积累，为奇姆肯特炼厂提供了相对健全和完整的数据模型，对其关键设备进行了“望闻问切”般全面的故障状态诊断。同时，结合了第三方设备的机理模型与数学模型，利用数据库和领先的AI算法，界定出更为准确的异常范围。
数据为王，还要以人为本
数据为王的时代，获得数据就掌握了一笔巨大的财富，如何利用数字化手段撬动数据，发挥其最大化的价值是硬核。ABB AbilityTM 资产绩效管理将奇姆肯特炼厂的关键设备，包括压缩机、智能探头、压力容器和压力管道等众多品类设备进行状态监测，并按其要求导入过去积累的历史数据，通过深入分析实时数据以及历史纪录中的异常数据，向操作人员提供出更可靠的设备运行及预测性维护信息。
设备、数据、平台皆已就位，而要实现高效数字化运营的背后还有重要的一步，即以人为本的工作制度及流程。奇姆肯特炼厂积极响应，根据全新运营方式，制定出与之匹配的维护策略，组织架构、规章制度以及工作流程，最终实现将该厂的维护周期从每年一次延长至三年一次。
千人千面的数字化转型
万千业态，数字化转型路径各有不同。将数字化融入企业战略，打造强有力的数据架构，企业将大幅节约成本、提高生产效率、提升市场竞争力。未来，ABB将继续通过创新的技术，帮助客户实现更高效的运营，为全球可持续发展注入新动力。
（转载）
