本項(xiàng)目圍繞大型裝備制造企業(yè)的數(shù)字化轉(zhuǎn)型，增強(qiáng)企業(yè)內(nèi)生的數(shù)字化創(chuàng)新能力，帶動裝備產(chǎn)品和后服務(wù)能力的數(shù)智化升級，更好地服務(wù)上下游用戶。

實(shí)施時(shí)間：

開始時(shí)間：2021年1月

截止時(shí)間：2021年9月

本案例聚焦水力發(fā)電機(jī)組后服務(wù)市場，打造“云 + 邊”遠(yuǎn)程監(jiān)測與智能診斷云平臺， 通過平臺將數(shù)據(jù)、知識、過程與人有機(jī)結(jié)合，為診斷專家構(gòu)建統(tǒng)一集成的模型研發(fā)環(huán)境，加速故障診斷模型軟件化與服務(wù)化，為水電機(jī)組用戶提供可持續(xù)改善的設(shè)備運(yùn)維閉環(huán)管理解決方案，提高水電機(jī)組運(yùn)行安全性，降低運(yùn)維成本。項(xiàng)目著力解決以下兩大技術(shù)難題：

數(shù)據(jù)回流與價(jià)值落地問題：水電機(jī)組分布地域廣、數(shù)據(jù)源分散、數(shù)據(jù)種類龐雜，數(shù)據(jù)體量大，數(shù)據(jù)開放受到信息安全管理約束。設(shè)備提供商面臨數(shù)據(jù)如何回收，大體量數(shù)據(jù)如何存儲與管理、數(shù)據(jù)價(jià)值怎么挖掘，數(shù)據(jù)價(jià)值如何輸出。

專家知識沉淀與繼承問題：運(yùn)行與維護(hù)知識缺乏有效沉淀與傳承機(jī)制，目前大量知識以定性經(jīng)驗(yàn)的形式散落在眾多水電站一線操作人員和制造商設(shè)計(jì)人員頭腦中，欠缺有效的傳遞載體，專家知識不系統(tǒng)，很多經(jīng)驗(yàn)沒有經(jīng)過充分的檢驗(yàn)，也沒有達(dá)到形式化的基礎(chǔ)門檻，需要融合大數(shù)據(jù)進(jìn)行有效補(bǔ)充與檢驗(yàn)，這也是目前很多設(shè)備廠商在智能診斷方面止步不前的很重要原因。

1、如何建立新型的組織與資源調(diào)度模式：傳統(tǒng)經(jīng)營管理體系和業(yè)務(wù)模式已相對固化。對內(nèi)，需要打破傳統(tǒng)，突破思維和組織限制；對外，需要在既有的產(chǎn)業(yè)鏈生態(tài)下，基于不同的資源稟賦，創(chuàng)造新的機(jī)會窗口，并可持續(xù)盈利。

2、在既有的工業(yè)人才體系下，如何跨越數(shù)字化的技能鴻溝：在面向未來的工業(yè)人才體系下，需要產(chǎn)品研發(fā)人才、信息技術(shù)人才、數(shù)據(jù)分析人才與業(yè)務(wù)運(yùn)營人才的結(jié)合，跨越數(shù)字化的技能鴻溝是一大挑戰(zhàn)。只有建立起工業(yè)企業(yè)內(nèi)生的工業(yè)數(shù)據(jù)分析力量，提高領(lǐng)域?qū)＜以谕七M(jìn)數(shù)字化中的主導(dǎo)地位才能走的長遠(yuǎn)。

3、如何解決設(shè)備運(yùn)行大體量數(shù)據(jù)的接存管用問題：大型水電機(jī)組設(shè)備型號多、定制化程度高，數(shù)據(jù)具有范圍廣（跨地域、跨組織、跨業(yè)務(wù)系統(tǒng)）、類型多（業(yè)務(wù)數(shù)據(jù)、時(shí)序數(shù)據(jù)、圖像、視頻）、體量大（PB級）、并發(fā)處理性能要求高、分析與開發(fā)應(yīng)用難度大等特點(diǎn)，需要具備對多源、海量、高通的數(shù)據(jù)采集、處理、存儲和管理能力。

4、故障診斷業(yè)務(wù)場景多樣化，診斷模式呈現(xiàn)復(fù)雜性：受機(jī)組的地域分布、數(shù)據(jù)采集與傳送、數(shù)據(jù)安全等多方因素的制約，在后服務(wù)市場中如機(jī)組智能診斷等典型應(yīng)用場景上需要解決遠(yuǎn)程、現(xiàn)地、遠(yuǎn)程與現(xiàn)地協(xié)同診斷的業(yè)務(wù)場景多樣化問題。同時(shí)，機(jī)組感知點(diǎn)多、機(jī)組故障類型繁雜，問題交織呈現(xiàn)，判定依據(jù)缺乏量化和精化，故障判定難。

1) 構(gòu)建有效的數(shù)據(jù)安全保護(hù)機(jī)制，實(shí)現(xiàn)管理區(qū)與生產(chǎn)區(qū)的單向隔離、生產(chǎn)區(qū)數(shù)據(jù)外傳數(shù)據(jù)的敏感性消除措施、通過互聯(lián)網(wǎng)通道傳輸數(shù)據(jù)的加密機(jī)制，實(shí)現(xiàn)數(shù)據(jù)的安全可控；對于知識模型，基于加密機(jī)制，有效保護(hù)知識產(chǎn)權(quán)。通過這些核心技術(shù)奠定了協(xié)同創(chuàng)新的基礎(chǔ)。

2) 通過設(shè)備資產(chǎn)數(shù)字化管理模型，實(shí)現(xiàn)專家知識模型上下文的標(biāo)準(zhǔn)化，從而解決了模型的大規(guī)模部署應(yīng)用問題。將水電站、水力發(fā)電機(jī)組、水輪機(jī)、推力軸承等設(shè)備部件、測點(diǎn)、運(yùn)行狀態(tài)等數(shù)據(jù)進(jìn)行資源化管理，建立水電站數(shù)字孿生模型，制定設(shè)備資產(chǎn)對象的定義、存儲和管理的標(biāo)準(zhǔn)。

項(xiàng)目關(guān)鍵技術(shù)包括如下：

“云+邊”工業(yè)數(shù)據(jù)智能平臺整體技術(shù)架構(gòu)

1、工業(yè)大數(shù)據(jù)管理后臺，支持海量、多源工業(yè)數(shù)據(jù)的接入和存儲管理，實(shí)現(xiàn)工業(yè)數(shù)據(jù)的匯集和統(tǒng)一管理，包括數(shù)據(jù)接入管理和數(shù)據(jù)湖。

數(shù)據(jù)接入管理，解決不同數(shù)據(jù)接入?yún)f(xié)議、不同數(shù)據(jù)接入方式、不同類型數(shù)據(jù)靈活接入的問題。數(shù)據(jù)接入的特點(diǎn)包括：提供接入框架SDK，可擴(kuò)展支持不同廠商提供的協(xié)議和接口轉(zhuǎn)換，滿足不同數(shù)據(jù)源的要求；支持?jǐn)?shù)據(jù)的實(shí)時(shí)在線接入和批量離線接入，實(shí)時(shí)接入支持?jǐn)嗑€重連，批量接入支持配置時(shí)間策略按需進(jìn)行接入。

數(shù)據(jù)湖管理，解決海量數(shù)據(jù)全量低成本接入，使用弱格式管理方式保留數(shù)據(jù)接入的靈活性，以及避免因過度治理帶來的浪費(fèi)。數(shù)據(jù)湖中時(shí)序類型的管理數(shù)據(jù)以測點(diǎn)為核心，每個(gè)測點(diǎn)存儲了大量的二元組即時(shí)序數(shù)據(jù)，數(shù)據(jù)接入時(shí)測點(diǎn)不需要提前注冊，隨著數(shù)據(jù)的導(dǎo)入，就形成具有數(shù)據(jù)的相應(yīng)測點(diǎn)。

數(shù)據(jù)湖中以數(shù)據(jù)目錄為單元進(jìn)行數(shù)據(jù)管理，用戶可以定義有業(yè)務(wù)語義的“目錄”，例如標(biāo)示某電場某機(jī)組的數(shù)據(jù)目錄。目錄創(chuàng)建以后，在數(shù)據(jù)導(dǎo)入時(shí)選擇要導(dǎo)入的目標(biāo)目錄。用戶可以在系統(tǒng)上新建、查看、刪除數(shù)據(jù)目錄。用戶無需預(yù)先定義類似于“表”、“測點(diǎn)”、“時(shí)間序列”等的模式對象，只需定義“目錄”，然后便可以導(dǎo)入和存儲數(shù)據(jù)。

數(shù)據(jù)湖提供開發(fā)套件形式支持海量數(shù)據(jù)的接入，開發(fā)套件提供了簡單的編程模型，使數(shù)據(jù)工程實(shí)施開發(fā)人員在基于開發(fā)套件對接上游數(shù)據(jù)系統(tǒng)時(shí)，透明化數(shù)據(jù)湖內(nèi)部的存儲邏輯；同時(shí)，系統(tǒng)對所開發(fā)的接入程序提供運(yùn)行時(shí)環(huán)境和管理。

2、工業(yè)設(shè)備建模和數(shù)據(jù)資源管理，支持設(shè)備域數(shù)據(jù)資源建模管理，為上層分析和應(yīng)用提供統(tǒng)一設(shè)備資產(chǎn)模型下的數(shù)據(jù)組織和訪問能力，解決應(yīng)用或分析模型直接訪問底層資源帶來的問題。

工業(yè)設(shè)備建模，為了降低數(shù)據(jù)使用門檻，提煉設(shè)備數(shù)據(jù)管理最佳實(shí)踐，圍繞設(shè)備的海量多源數(shù)據(jù)接入、整合、建模和使用的標(biāo)準(zhǔn)化的目的，統(tǒng)一設(shè)備資產(chǎn)模型下的數(shù)據(jù)組織，提供數(shù)據(jù)資產(chǎn)建模與訪問功能子系統(tǒng)。將設(shè)備按工業(yè)標(biāo)準(zhǔn)抽象定義為設(shè)備類型，支持從通用到專用的繼承層級定義子類型，默認(rèn)繼承父類型的全部屬性和標(biāo)準(zhǔn)，如下圖表示設(shè)備類型的繼承關(guān)系：

K2Assets內(nèi)置工業(yè)常用的基礎(chǔ)設(shè)備模版，方便企業(yè)用戶進(jìn)行選擇使用，可以進(jìn)行擴(kuò)展。數(shù)據(jù)資源管理提供設(shè)備維度的統(tǒng)一數(shù)據(jù)和服務(wù)，對接各種主流技術(shù)組件，解決后臺數(shù)據(jù)引擎靈活適配問題。提供數(shù)據(jù)質(zhì)量分析和治理自動化工具，實(shí)現(xiàn)設(shè)備數(shù)據(jù)資源可視，便捷的分析和治理。

3、面向工業(yè)專家的知識沉淀，解決行業(yè)知識長期停留在專家頭腦中、分散在不同計(jì)算機(jī)中的問題。

基于工業(yè)數(shù)據(jù)分析方法論，和內(nèi)置常用的工業(yè)設(shè)備分析算子加速建模，提高模型研發(fā)效率。下圖顯示系統(tǒng)配置的時(shí)序征兆算子。

提供算子標(biāo)準(zhǔn)和算子庫管理，提供算子手冊指導(dǎo)行業(yè)專家技術(shù)人員復(fù)用算子進(jìn)行模型研發(fā)，解決知識從零構(gòu)建效率低、重復(fù)建設(shè)、口徑不統(tǒng)一的問題。

提供可視化非編程的算子拖拽方式進(jìn)行知識結(jié)構(gòu)化建模，提升用戶在知識構(gòu)建中的效率，實(shí)現(xiàn)數(shù)據(jù)知識在行業(yè)縱深的積累。

支持利用海量數(shù)據(jù)，發(fā)揮大數(shù)據(jù)作用，對模型的準(zhǔn)確性、適用性進(jìn)行量化驗(yàn)證。運(yùn)用機(jī)器學(xué)習(xí)等方法，對關(guān)鍵參數(shù)進(jìn)行量化調(diào)優(yōu)。解決模型建好后，可用性、可用范圍的評估確認(rèn)難問題。

4、工業(yè)知識應(yīng)用，提供可視化模型部署管理，支持模型部署為批、流的方式運(yùn)行或著發(fā)布為服務(wù)通過rest接口調(diào)用。提供模型運(yùn)行作業(yè)管理，可以查看作業(yè)狀態(tài)、日志和結(jié)果。提供低代碼APP開發(fā)工具，支持通過拖拽和配置進(jìn)行APP開發(fā)，大大降低知識應(yīng)用的門口和路徑。

“云+端”協(xié)同框架，“云+端”一體設(shè)計(jì)，統(tǒng)一架構(gòu)，云和端側(cè)統(tǒng)一數(shù)據(jù)模型、統(tǒng)一分析模型和運(yùn)行時(shí)，并且實(shí)現(xiàn)了數(shù)據(jù)、模型和應(yīng)用解耦，支持一鍵式發(fā)布部署。

面向工業(yè)應(yīng)用場景的多種部署方案，支持分布式和主從和獨(dú)立部署多種方案，滿足不同的工業(yè)應(yīng)用場景需求。分布式部署時(shí)，“云+端”為一個(gè)分布式的計(jì)算集群，統(tǒng)一調(diào)度管理，支持通過添加節(jié)點(diǎn)計(jì)算資源來擴(kuò)展容量。主從部署時(shí)，主節(jié)點(diǎn)管理全部數(shù)據(jù)和模型，從節(jié)點(diǎn)為部署在端側(cè)的計(jì)算節(jié)點(diǎn)，可按需配置部分?jǐn)?shù)據(jù)和計(jì)算任務(wù)。獨(dú)立部署時(shí)，多個(gè)環(huán)節(jié)相對獨(dú)立，但支持導(dǎo)出、導(dǎo)入的方式實(shí)現(xiàn)模型、應(yīng)用共享應(yīng)用。

5、基于以上K2Assets工業(yè)數(shù)據(jù)智能平臺的重要技術(shù)能力，打造“云+端” 水電機(jī)組遠(yuǎn)程監(jiān)測與智能診斷系統(tǒng)，以智能診斷為抓手，將機(jī)組故障診斷工業(yè)模型軟件化，構(gòu)建智慧機(jī)組的大腦與數(shù)據(jù)中心，為水電機(jī)組用戶提供可持續(xù)改善的設(shè)備運(yùn)維閉環(huán)管理解決方案，提高水電機(jī)組運(yùn)行安全性，提升運(yùn)維效率，降低機(jī)組運(yùn)維成本。

(1) 自主研發(fā)工業(yè)大數(shù)據(jù)處理技術(shù)，解決多源、海量、高通數(shù)據(jù)接存管用問題。系統(tǒng)設(shè)計(jì)容量滿足未來5年500臺以上機(jī)組數(shù)據(jù)的接入，能夠支撐100PB以上數(shù)據(jù)存儲與管理規(guī)模，并且可以根據(jù)實(shí)際數(shù)據(jù)接入情況進(jìn)行動態(tài)擴(kuò)展。

(2) 對設(shè)備資產(chǎn)建立數(shù)字化管理模型。建立水電站設(shè)備資產(chǎn)數(shù)字化管理模型，將水電站、水力發(fā)電機(jī)組、水輪機(jī)、推力軸承等設(shè)備部件、測點(diǎn)、運(yùn)行數(shù)據(jù)等資源化管理，建立水電站數(shù)字孿生模型；固化和標(biāo)準(zhǔn)化設(shè)備資產(chǎn)對象的定義、存儲和管理。

(3) 構(gòu)建統(tǒng)一故障智能診斷模型集成研發(fā)環(huán)境，實(shí)現(xiàn)專家知識沉淀。通過平臺將數(shù)據(jù)、知識、過程與人（IT\DT\OT人才）集成在一起，為診斷專家構(gòu)建統(tǒng)一集成的模型研發(fā)環(huán)境。

通過對水輪機(jī)專家經(jīng)驗(yàn)總結(jié)與數(shù)據(jù)映射，將專家知識模型化、軟件化，建立故障診斷基礎(chǔ)算法、故障診斷規(guī)則庫、故障診斷模型庫、故障特征數(shù)據(jù)庫等，支持專家開發(fā)水輪機(jī)故障診斷分析模型近百個(gè)。

通過平臺內(nèi)置的規(guī)則、智能診斷模型與案例，自動從現(xiàn)象和歷史數(shù)據(jù)中找到可能原因，對故障進(jìn)行預(yù)警研判，輔助專家對故障問題進(jìn)行快速判定，準(zhǔn)確制定故障解決方案。為電站（場站）從發(fā)現(xiàn)問題到處置問題提供端到端的解決方案，實(shí)現(xiàn)問題的快速識別、快速定位、快速獲得處置措施，并借鑒過往處置案例，降低處置難度，提高問題處置效率和效果。

(4) 通過云+端技術(shù)架構(gòu)支撐多場景融合診斷：采用云+端技術(shù)架構(gòu)，支持中心側(cè)+端側(cè)部署，提供遠(yuǎn)程即時(shí)診斷、現(xiàn)地即時(shí)診斷、遠(yuǎn)程與現(xiàn)地協(xié)同診斷三種診斷場景的應(yīng)用?，F(xiàn)場處置不僅可以獲得平臺提供的診斷知識和處置策略，同時(shí)可以獲得更多的專家在線技術(shù)支持。

工業(yè)企業(yè)要把數(shù)據(jù)價(jià)值融合到他們既有的有形產(chǎn)品或者服務(wù)中，就需要長期持續(xù)自主地探索數(shù)據(jù)價(jià)值。

本案例基于昆侖數(shù)據(jù)的數(shù)字化方法、產(chǎn)品和服務(wù)，與某大型電機(jī)公司共同構(gòu)建了水輪機(jī)的數(shù)據(jù)資源化體系，共同開發(fā)了十多個(gè)典型的分析模型之后，產(chǎn)品進(jìn)一步支持水電機(jī)組設(shè)備專家在自身行業(yè)know-how的基礎(chǔ)上，逐步形成自身的數(shù)據(jù)價(jià)值發(fā)現(xiàn)能力，自主研制了水輪機(jī)上的五百多種智能分析模型，最后，以云邊協(xié)同的方式，為水電站業(yè)主提供基于現(xiàn)場數(shù)據(jù)的數(shù)字化服務(wù)。

該項(xiàng)目是雙方合作開發(fā)的結(jié)果。

對設(shè)備提供商來說：

(1)“云+端”智能診斷云平臺，推動企業(yè)服務(wù)數(shù)字化轉(zhuǎn)型，為智慧電站、智慧電網(wǎng)提供創(chuàng)新性技術(shù)支撐能力，開拓后服務(wù)市場業(yè)務(wù)，打造新的可持續(xù)的后服務(wù)市場商業(yè)模式。

(2)通過服務(wù)的數(shù)字化，利用海量設(shè)備運(yùn)行數(shù)據(jù)的匯集和分析模型的開發(fā)應(yīng)用，為產(chǎn)品研發(fā)、制造提供高價(jià)值輸入，提升產(chǎn)品質(zhì)量和創(chuàng)新能力，引領(lǐng)裝備升級。

(3)專家知識得以積累和傳承，工業(yè)模型被軟件化，通過不斷迭代和精化，為智能機(jī)組、智慧機(jī)組的發(fā)展奠定基礎(chǔ)。

對設(shè)備使用方來說：

(1)通過設(shè)備制造商與業(yè)主間數(shù)據(jù)、模型的流動，構(gòu)建可持續(xù)改善的閉環(huán)管理，提升設(shè)備運(yùn)行的健康管理能力、提高機(jī)組運(yùn)維效率、降低設(shè)備整體運(yùn)維成本。為減少非計(jì)劃停機(jī)時(shí)間，機(jī)組運(yùn)行維護(hù)由計(jì)劃性檢修向狀態(tài)修轉(zhuǎn)變提供有力支撐。

(2)通過智能診斷系統(tǒng)幫助業(yè)主推行“無人值班，少人值守”的電站運(yùn)營模式，利用智能診斷手段和新技術(shù)促進(jìn)人文關(guān)懷。

(3)為電站（站場）現(xiàn)場處置人員從發(fā)現(xiàn)問題、定位問題到獲得處置措施，提供端到端閉環(huán)解決方案，能夠大大縮短問題研判時(shí)間、獲得更多專業(yè)支持、提高問題處置效率和成效。

水電機(jī)組智慧運(yùn)維系統(tǒng)已經(jīng)在多個(gè)大中型水電站進(jìn)行了部署使用，幫助水電廠實(shí)現(xiàn)自動巡檢，優(yōu)化每班次輪次節(jié)省2小時(shí)，預(yù)警嚴(yán)重故障10余起，在汛期優(yōu)化多次機(jī)組區(qū)域，保證安全發(fā)電3億元以上。通過應(yīng)用大數(shù)據(jù)分析診斷技術(shù)，成功診斷出某電站固定導(dǎo)葉水力故障導(dǎo)致嚴(yán)重裂紋，并提供永久處理方案和汛期優(yōu)化運(yùn)行建議，成功保障該電站安全度汛發(fā)電。

·昆侖數(shù)據(jù)

昆侖智匯數(shù)據(jù)科技（北京）有限公司（簡稱：昆侖數(shù)據(jù)）是工業(yè)大數(shù)據(jù)領(lǐng)域的領(lǐng)軍企業(yè)，專注于工業(yè)大數(shù)據(jù)管理與數(shù)據(jù)分析，以業(yè)界領(lǐng)先的方法論、平臺產(chǎn)品和數(shù)據(jù)科學(xué)服務(wù)，降低工程技術(shù)人員以業(yè)務(wù)視角調(diào)取、分析數(shù)據(jù)，并進(jìn)一步實(shí)現(xiàn)知識結(jié)構(gòu)化沉淀的技術(shù)門檻，幫助工業(yè)企業(yè)建立自主數(shù)智化創(chuàng)新能力。我們以大數(shù)據(jù)合伙人為定位，與工業(yè)企業(yè)攜手構(gòu)建數(shù)據(jù)驅(qū)動的創(chuàng)新產(chǎn)品和服務(wù)。目前已服務(wù)動力裝備、清潔能源、高端電子、工程機(jī)械、鋼鐵冶金等領(lǐng)域。

·某大型電機(jī)集團(tuán)

某大型電機(jī)集團(tuán)，是我國研究、設(shè)計(jì)、制造大型發(fā)電設(shè)備的重大技術(shù)裝備制造骨干企業(yè)，是全球發(fā)電設(shè)備、清潔能源產(chǎn)品和服務(wù)的主要供應(yīng)商。 

來源：數(shù)據(jù)猿