Kognitwin® Energy 如何帮助您进行状态监控，并避免设备关停带来的巨额损失
对于企业来说，设备关停和设备损坏的成本非常高。通过仿真器与混合式机器学习技术，Kognitwin® Energy 可以帮助您预测潜在的问题，并提高作业效率。
面临的挑战
当资产面临着频繁的关停时，客户会希望能够延长其正常运行的时间。然而，让设备恢复运行的成本很高，此外还有性能、生产力和收入上的损失。
以上都是我们客户的运营负责人提出的一些问题，他们希望能够更进一步，看能否采取措施，防止不利结果的发生。
我们的客户是一家位于美国的油气勘探开发公司。他们拥有60多年的历史与4000多名员工，业务包括石油和天然气的集输、加工、处理和运输。
他们面临的主要挑战是，需要预测出设备不按预期运行的情况，这些都是潜在的、代价高昂的错误。然而，这些错误并不频繁，故障的模式也多种多样。
解决方案
客户根据他们的具体需求对不同的供应商进行了评估，并基于康士伯数字扎实的模拟仿真经验、成熟的技术和先进的混合式机器学习功能，选择了我们作为数字孪生提供商。
为了模拟设施的正常运行条件，我们运用了物理机理仿真器与混合式机器学习技术。通过使用异常点检测算法，我们可以利用模拟仿真结果与真实设备之间的差异来检测潜在的错误。
设备实际和预期表现之间的偏差可以让我们了解到：
• 设备故障
• 所需的维护间隔时间
• 设备效率
设备的性能表现基于以下标准：
• 压力
• 温度
• 流量
• 电机/涡轮机转速
• 电机/涡轮机功率
• 流体特性
Kognitwin® Energy 所能带来的效益
实时解决方案的实施可以让客户更早地发现潜在错误，以便进行维护或改变操作条件。因此，客户能够以更有效的方式避免设备关停或设备损坏带来的巨额损失。
运用Kognitwin® Energy 进行状监控的预计成果：
• 提前发现潜在错误：有30%的警报能够至少提前15分钟收到预警。大部分情况下，作业者能够得到足够的预警，以提前进行干预。
• 维护周期时间和操作条件的优化。
• 减少计划外的设备关停，每年能够节省1-2百万美元。
• 规划合适且成功的大规模设备维护。
• 使作业更加符合政府法规，也更安全。
• 提高设备性能，使其更有竞争力。
• 提高团队效率。
历史数据，仅供参考
