基于Proficy Historian的设备综合效率在洗煤厂的应用

解决方案
洗煤厂现行设备效率管理指标及问题
　　传统的设备管理模式中，是当有明显迹象表明设备性能变差时才确定该设备是否应该检修，或根据规定已经到了大修期限，才着手组织大修。这样会导致故障的积累，不必大修解决的问题却拖到了必须大修的程度，使设备维修费用增高。①设备停止运行而影响正常生产或设备性能达不到工艺要求。②设备故障可能不仅仅是某个零件问题，而是整个部件问题，使得维修成本增高。③维修工作被动，工作紧张，压力大。
　　针对上述问题目前对设备效率管理指标主要有设备有效作业率、日历作业率、主要生产设备利用率、事故故障停机率四项，统计方法和使用说明，见表1.

　　影响设备综合效率的主要原因是停机损失、速度损失和维护损失，计算表达式见图2。

　　如何提高设备综合效率已成为企业管理水平和生产能力的主要目标，以及持续改进的有效技术措施之一。其计算公式通常由时间开动率、性能开动率和合格品率来反映影响设备综合效率的停机损失、速度损失，使其定量化，以此描述改善的效果。
设备综合效率在洗煤厂的应用
　　首先是数据的统一和科学化。由此则使洗煤厂关键业务之动态和静态数据，实现作业批次级的逻辑汇总，同时杜绝了各个岗位及人员非规范化操作引发的数据差异，大大便捷地提升了业务管理和职责确认的过程成本，有助于先进管理理念的部署和执行，降低人为因素和时间耗费。
　　再者通过设备管理，主要侧重于非计划内停机和检修的监控，挖掘设备运行效能，提升现有条件下的产出潜力，以OEE指标为考量的重点。
　　国外先进矿业公司相关设备性能效率指标一般在85%左右，而国内目前的行业普遍指标在60%。洗煤量按照1899T/ｈ计，通过使用设备管理减少设备停机运行，提高设备运行效率5%，则可增加近90T/ｈ的产量。
　　其中洗出的块率按照14％计算：90*14%=12.6T
　　每吨块煤按照每吨860元计算：860*12.6≈1.08万
　　其中洗出的末煤按照65%计算：90*65%=58.5T
　　每吨末煤按照每吨900元计算：58.5 *900=5.26万
　　由此可以算出每年按可提升产量影响正常生产800小时，则由于在不投资设备本体基础上而改善产量指标所带来的效益为：
　　（1.08+5.26）*800=5072万设备综合效率的计算需要采集洗煤厂设备的生产数据，同时这类数据还需要参与月报年报的统计和事故追忆的计算。因此Proficy Historian实时历史数据库作为工业级海量数据存储产品，无疑是最佳的选择。
获取精确的设备启动数据
　　为了能够计算出设备实际运行时间，我们将洗煤厂生产线中洗选设备所有信号都采集到Historian数据库，以便后续计算时使用。在计算时，如何判断生产线的启停情况，然后再统计出生产线的实际运行时间，Historian的历史数据就是一份详细的设备运行情况报告。
　　在对生产线启停情况的统计时，往往影响生产线的正常运行因素很多，而不能只考虑某台设备的启停，这样不满足要求的。所以我们使用了Historian数据库中的计算服务来处理现场较为复杂的工艺逻辑，将统计工作交给计算服务来处理，使得计算更加方便、高效。下图为某生产线应用Historian数据库计算的启停情况。

计算事故故障停机率
　　在计算设备综合效率时，生产线因设备事故导致停机的情况是整个计算中最为困难能够得到的。所以针对停机原因的处理，使用了甘特图来处理，在图中可以非常方便、直观的看到设备的运行状态。如下图所示：

图：设备运行状态图

　　根据上图设备在不同时间段内的运行情况，由此可以统计事故故障停机率等数据。如下图4所示：

 
实施结果
　　当我们很高兴的看到生产线的整体效率维持在90%以上时，全厂的工作人员都非常的高兴，他们可以切身感受到系统对他们的工作带来的价值，也看到了Proficy Historian历史数据对他们工作的重要性。
通过对设备综合效率的分析，提高了设备运行维护的保障能力，减少大量的设备重复投资。提高员工的作业效率以及安全作业能力。可见基于现有数据库能力的挖潜，事倍功半，效益丰厚