• <em id="bdury"></em>
    1. <wbr id="bdury"><legend id="bdury"></legend></wbr>
        <form id="bdury"><legend id="bdury"></legend></form>
        <form id="bdury"><legend id="bdury"></legend></form><form id="bdury"></form>
            1. 成功案例

              工業大數據智能預測預警系統典型案例

              工業大數據智能預測預警系統典型案例

              -數據驅動、智能護航

               

              通過數據建模對工況異常進行監測是流程行業一直在探索的領域,傳統監測模型是以機理技術為基礎的確定性異常監測模型,將人的經驗進行固化,總結建立規則模板和事件模型,并根據運行狀況不斷調整參數優化模型,該類模型算法明確、監測目的明確,針對性強,預警準確率高,但是模型的建立依賴于人的經驗和離線人工數據分析,而且在流程工業生產過程中,往往同時進行著物理反應、化學反應、生物反應,過程的內部機理十分復雜,有些可以用機理模型描述,但更多工況和異常難以用常規工具建立精確的數學模型,也很難求解。

              隨著國家經濟發展由高速度向高質量轉變、“綠水青山就是金山銀山”的理念深入人心,煉化企業的安全環保工作成為企業生存與發展的生命線,而催化裂化裝置又是煉化企業的典型代表裝置,生產過程化學反應多、高溫高壓設備多,生產過程波動較大,是企業重點關注的裝置之一。20xx年,名道恒通與中石化某煉化企業合作,共同在催化裂化裝置開展工業大數據+機器學習的智能預測預警試點工作。

              在該試點項目中,名道恒通基于機器學習和大數據技術建立智能模型,綜合考慮裝置單元的多個狀態數據,根據裝置參數的物理關系和歷史數據自動建立并自我修正工作狀態數據的概率分布模型,自動識別異常工況,該方法不依賴于人的經驗,覆蓋范圍廣,能夠發現未知異常。試點項目一共創建了“主反原料帶水”、“副反原料帶水”、“一再尾燃”、“增壓機停機”、“二再碳堆積”、“主原料中斷”、“副原料中斷”、“煙機異常振動”等8個智能模型,投用后先后發現一再尾燃異常、二再碳堆積儀表故障等異常工況,提醒技術人員提前采取措施,降低了事故風險概率。

              智能模型就像一位能夠不斷學習和固定經驗的“專家”24小時堅守崗位,為生產全天候值班,為企業安全環保工作實時護航。

              該智能模型是工業大數據在煉化行業的第一次成功落地應用,獲得企業客戶肯定,并成功入選中石化2021年度信息和數字化50個典型案例。

               


              和我們聊聊更多 ?

              姓名:     電話:     公司名稱:     需求信息:
              您的姓名:
              您的電話:
              公司名稱:
              需求信息:
              天天射影院_天天色综合网_天天av_天天翘_天天色综合,百度3级影音电影网站,欧美电影大片,777米奇超碰在线首页