3S Market deliver Smart and Valuable information for Business
3S Market 傳遞 智慧應用與價值的商業資訊
ESG 評級並非表面上看起來的那樣
智慧工廠\工業 4.0與公共工程 |
2022年11月30日 星期三
· 用於鐵道檢測的機器視覺：你可以修復你看不到的東西
機器視覺自動化火車車頂檢查系統
 |
| 2023 智慧安控解決方案趨勢與商機精彩分享 （<請按此連結） |
鐵路時代，2020 年 9 月問題：無論是軌道結構，還是在其上操作的裝置，肉眼都看不容易看到許多東西。機器視覺技術正日益成為，在潛在缺陷導致故障之前，辨識它們的最佳方式。
ENSCO Rail 業務發展總監 Robert Coakley 說：「部署的各種機器視覺技術，每年檢測到數千種可能導致事故的條件。」他說，與手動目視檢查相比，自動機器視覺具有速度、減少軌道佔用率、檢查頻率和一致性的優勢。該裝置安裝在收入服務列車上，可以以軌道速度進行檢查，不需要額外佔用高鐵車輛。
Coakley 說：「ENSCO 的影像評估流程，以條形圖格式應用一致的標準，和當前的軌道條件，以實現資料趨勢和資料建模。」「這種方法使客戶能夠將一致的標準，應用於影像審查，並進一步允許在多次檢查中評估影像，以建立趨勢資料分析。」
他補充說，ENSCO 使用高解析度攝影機系統，和實用的機器視覺演算法，並應用深度學習等高階影像處理技術，來檢測物體和特徵。 其結果是「高速和高品質的軌道成像系統，為全面的軌道檢查和評估，提供極其可靠的影像採集和處理能力。」
CSX 汽車監控和診斷總監 Kim Bowling 表示，在鐵路方面，她的公司使用兩種型別的機器視覺系統：定向機器視覺和全車成像系統。前者使用「非常最佳化的照明和光學元件，來幫助我們檢視單個元件。我們的全車成像系統被稱為火車檢查入口，今天它使用 17 個攝影機，透過即時的影像，以軌道速度來成像整個火車」她說。
CSX 多式聯運規劃和網路設計總監 Gary Van Tassel 表示，在多式聯運方面，鐵路「在我們的大多數多式聯運網路中，部署了 60 個光學字元辨識入口。這些是一種快速發展的系統 ...... 現在，我們正在捕捉所有攝影機角度 —— 進出終端 —— 並儲存這些角度以辨識損壞。」
Van Tassel 補充說，在起重機自動化方面，CSX 正在使用無數的機器視覺工具，「無論是雷射雷達（光檢測和測距）、雷射還是 OCR（光學特徵辨識）來辨識障礙物，並最終指導我們的自動起重機，這些起重機在自動化狀態下執行約 80%。」
鐵路解決方案公司 Trimble 的 Beena Vision 系列，基於視覺的路邊非接觸式測量和檢查技術，目的在實現對機車車輛狀況的自動化、主動監控，提供可以處理的資料提要，以有效評估從元件級別，到全面列車檢查的機車車輛狀況。解決方案套件包括但不限於：成像單元，用於檢查火車執行時，幾乎所有可見的機車車輛元件；MVA（機器視覺演算法），用於處理和提供與這些影像相關的資訊；以及資料庫和使用者介面，以訪問和檢視帶有短期和長期資訊的資料，用於趨勢和預測。
工程總監 Ken Vilardebo 說：「我們的解決方案目的在捕獲特定元件的資料，根據進行的測量和檢查型別，Trimble Beena Vision 系統使用相關的感測器技術，來確保影像和資料輸出的高品質和準確性。」
它是如何工作的
I 類 BNSF 開始使用機器視覺系統（MVS）及其路邊探測器網路，以減少鐵路裝置事件和服務中斷。具體而言，其機械專家和資料科學家試圖發現，裝置維修的緊迫性趨勢，以顯示何時應該進行維護。技術服務總監約翰·馬丁解釋說，這項技術發揮作用，他使用人工智慧（AI）與 MVS 結合使用，分析裝置影像並辨識小缺陷，以免它們導致更大的問題，如裝置故障。
Martin 說：「隨著電腦處理能力的提高，今天的人工智慧模型已經進步了。」「透過這些進步，我們將 BNSF 的機械影像驅動分析系統（MIDAS）與裝置監控品質系統整合，使我們能夠輕鬆地將 MVS 資訊，與我們 4000 個感測器網路的其他資料交叉引用，這些感測器透過 BNSF 網路監控機車車輛。」
CSX 的鮑林指出，演算法「是幫助我們整理這些影像，並確定正確元件的圖片的關鍵邏輯，然後，它是好的元件還是有缺陷的元件？我們與不同的公司合作，幫助我們建立這些演算法。機器學習（ML）是一種電腦工具，它使用多個影像來幫助訓練模型，並生成演算法。在我們建立模型之前，我們必須有數百張元件的影象。
CSX 的 Van Tassel 補充說，多式聯運在不同但相關的應用中使用了類似的技術。「以門為例，」他說，「當我們實現起重機自動化時，機器正在決定以哪種方式定位貨櫃 —— 顯然，你必須將貨櫃門放置在卡車後部 —— 對於人類操作員來說，這是一個相對快速和簡單的決定，能夠按下按鈕來正確定位它們。我們使用類似的神經網路，我們正在顯示容器正面和門側的數百張（如果不是數千）影像，這些影像的配置略有不同。門有鎖把手和桿，可以進入容器。我們正在向它展示一堆正面和背面的照片。然後演算法出現並開始學習這種配置，允許機器實際重新定位容器，而不是等待人工干預。」
ENSCO 自動緊韌體檢查利用 ML/AI 自動檢測緊韌體和緊韌體狀況。
Coakley 說，ENSCO 應用自主檢查、人工智慧、ML、訊號和影像處理，以及資料分析等先進技術，努力「為鐵路行業提供最好的工具，以確保軌道和機車車輛安全，提高生產力和效率，並降低營運成本。」
ENSCO Rail 的自主軌道幾何測量系統（ATGMS）使用自主軌道檢查感測器和技術。ATGMS 單元安裝在收入服務工具上；然後將資料從收入車輛無線流式傳輸到雲端的伺服器，自動人工智慧演算法在那裡審查資料，過濾掉假陽性，並近即時傳送警報。ENSCO 已經部署了超過 25 個 ATGMS 系統，包括在四條北美一級鐵路上執行的多個系統。自 2020 年 3 月 1 日以來，ENSCO ATGMS 系統已經檢查了超過 34 萬英里，在新冠肺炎大流行期間，當手動檢查是不可能的/不建議時，幫助鐵路維護關鍵的基礎設施。
ENSCO 的自主關節條成像系統（AJBIS）不斷收集聯合條形影像，使用深度學習演算法進行評估。例外情況被辨識出來，並以無線方式流式傳輸到分發客戶警報的雲端。該公司的自主軌道表面成像系統（ARSIS）不斷收集軌道頂部的影像。這些影像使用深度學習演算法進行評估，這些演算法可以辨識過度的表面損壞。ENSCO 的自主軌道元件成像系統（ATCIS）不斷收集軌道床的影像，包括緊韌體和領帶。這些影像使用深度學習演算法進行評估，這些演算法可以辨識缺失/破碎的緊韌體、傾斜或破碎的睡眠者、缺失的軌道錨等。
所有這些技術都辨識異常，並將其無線流式傳輸到雲端，在那裡分發客戶警報。
Trimble Beena Vision 解決方案的 Vilardebo 說：「在使用路邊檢測器應用機器視覺技術時，有三個關鍵階段：影像資料採集、影像和資料處理，以及故障檢測和警報生成。MVS 技術安裝在環境條件可能極端的軌道上和周圍。影像品質和保真度必須獨立於照明、溫度、降水等環境條件，才能成功部署基於視覺的系統。適當的照明是第二個重要因素。在捕獲、標記和儲存影像後，然後部署機器視覺演算法（MVA）來處理影像，並為已辨識的元件建立相關資訊。資料和影像處理的最後階段，是決定哪些 MVA 的輸出，用於建立不同級別的警告和警報。」
Vilardebo 說：「基於 MVA 的警報要麼是即時的、規劃級別的，要麼是基於趨勢的。」「可以立即生成警報，以指示嚴重的故障模式，如耦合器固定故障、損壞的中心窗台或可譴責的車輪。在這些情況下，根據適用的規則，火車可能需要立即停止，以採取緊急糾正措施。在其他不太緊急的情況下，如軸承帽螺栓缺失或卡車彈簧斷裂，火車通常被轉移到更合適的維修地點。規劃級別資訊，是指確定在某些時間範圍內規劃，和執行維護的不太嚴重的條件。例如，這些型別的事件，可以指輕微的結構損壞、汽車上的接地帶缺失或其他「下一個商店」時可以處理的事件。
「基於趨勢的警報，通常是根據相對緩慢變化的資產測量值建立的，其中變化趨勢顯示可能存在故障。基於趨勢的警報通常從資料庫生成，其中所有歷史資料都可以獲得並定期分析。Trimble Beena Visions 系統的警報和警報，可以使用 Trimble 的機器視覺狀態監控資料管理解決方案之一 Trimble® WISE（Wayside Inspection System Environment）或 Trimble® TrainWatch 進行檢視和管理，這些是用於檢測器資料視覺化和分析的複雜軟體應用程式。」
Trimble® WISE 是一個狀態監控資料管理平台，目的在為路邊檢測器資料提供統一的環境。Trimble® TrainWatch 是一個虛擬的火車檢查入口，為列車檢查員提供了一個全面的環境，以使用路邊裝置收集的資料檢查整列火車。Vilardebo 說，TrainWatch 環境中也支援現有的 Trimble 自動檢查演算法，該演算法允許使用自動化演算法管理一些所需的檢查，「使虛擬檢查過程更快」。
Duos Technologies 將根據 130 萬美元的合同，在其現有的鐵路車檢查入口網站（rip®）沿I類網路進行更多的自動機械檢查。
Duos Technologies 機器視覺入口網站。
Duos 稱，升級後的 rip＠系統的目標，是確定可以透過使用 I 類正在開發的人工智慧應用程式來監控和解決的特定鐵路車檢查點，該應用程式將這些應用程式整合到 Duos centraco®指揮和控制軟體平台中，該平台「將來自多個來源的資料和事件，整合到一個統一的分發使用者介面中」。
Rip® 技術由 360° 模組化智慧視覺化系統組成，該系統可拍攝鐵路車廂以高達每小時 120 英里的速度行駛的詳細、即時、全畫面影像。全景圖可以檢測漏油、損壞的部件、開啟的門，以及開啟和缺失的艙口，提醒檢查員注意問題，並向他們展示問題的位置。複雜的演算法也辨識了更複雜的問題。升級目的在當前系統中創造「新視角」，以確定可以透過引導客戶正在開發，並整合到 Duos centraco® 平台人工智慧（AI）應用來監控的特定鐵路車廂檢查點。Duos 表示，期望在成功證明概念後，它將擴充套件到其他地點。
工作計劃在年底前完成。 該合同還包括到 2022 年的定期服務、維護和備件元件的未來付款。
本月早些時候開始在該公司工作的 Duos 執行長 Chuck Ferry 表示，他「期待著發展我們與客戶的關係，並在未來將這一初始升級轉化為額外的系統部署。」Duos為幾條 I 級鐵路提供了 rip® 系統。 例如，到目前為止，CN 已經部署了七個。
何時使用它
Martin 說，BNSF 目前正在其網路的五個地點利用 MIDAS，監控七條主線軌道，以專門辨識破損或破裂的車輪。這些系統每天從大約 250 列火車上捕獲資料，產生超過 65 萬個車輪影像。該系統處理影像軌道，並每天 24 小時將缺陷傳輸到 BNSF 的網路營運中心，允許向其機械團隊發出警報，然後機械團隊審查潛在缺陷的影像並進行必要的維修。
Martin 說：「歸根究底，這些預防系統允許我們的機械團隊在商店進行維修，而不是將汽車從現場退役，這使我們的網路保持了流動性，並減少了服務中斷。」 「我們目前正在將 MIDAS 擴充套件到另外三個地點，併為未來的站點制訂計劃。我們正在不斷開發我們的 MVS 模型，以擴大正在檢查的元件數量。」
CSX 的 Van Tassel 說：「在過去的 15 到 20 年裡，這項技術在貨櫃方面一直在不斷發展，從海洋工業發展到多式聯運。」「最初的系統是被動的，基本上是檢視高解析度影像，並希望捕獲容器編號。隨著技術的發展，它變得越來越不被動。Kim 正在做的事情是積極主動地辨識缺陷。這確實是技術開始發展非常迅速的地方。」
Vilardebo 同意這種做法已經走了很長的路，他說，在硬體和軟體方面，MVS 技術多年來已經成熟。他說：「在硬體方面，攝影機更堅固，具有更高的解析度、更高的幀速率和更靈敏的感測器。」「即使在弱光條件下，這也有幫助，從而獲得更好的檢查結果。照明技術也不斷發展，以提供更持久、更強大的照明選項。在軟體方面，自基於圖形處理單元（GPU）的深度學習上市以來，新演算法激增。使用深度學習演算法，可以更快地完成檢查，準確度要高得多。檢查演算法的這種演變為實現全自動列車檢查的目標鋪平了道路。」
Coakley 補充說，大數據的崛起，有助於提高人們對自主系統的興趣，因為隨著檢查頻率的增加，追蹤數據的增加，以及視覺化和分析數據的新機會。他說：「ENSCO 的影像處理方法，透過將影像轉換為條件指數值，並整合到 ENSCO 鐵路數據分析解決方案中，從而擴充套件了軌道狀況影像的有效性，從而幫助使用者最佳化維護和更新規劃，透過更早辨識軌道缺陷來降低風險，並提高鐵路網路安全。」
未來願景
Vilardebo 認為，隨著鐵路行業的更多營運商開始尋求數位化，以降低成本並簡化流程，數位化措施「將不可避免地導致大量資料量，需要智慧處理和分析，來提供可操作的情報。從資料中獲得可操作的洞察力，是提高整個操作員組織效率，和可靠性的關鍵。透過更快的增強資料準備和上下文關聯，以及智慧分析的應用，可以對資料進行建模，以顯示趨勢和模式，否則這些趨勢和模式將保持隱藏。」
Coakley 補充說，鐵路面臨兩個主要挑戰：在有限的軌道時間內安排關鍵軌道活動，而不影響收入服務，以及在預算範圍內完成。他認為，該領域的更多進步將做到這一點。 他說：「人工智慧和 ML 等先進技術的整合為規劃效率，和顯著的維護成本節約，提供了前所未有的機會。」「透過將這些技術整合到整個資產監控和維護規劃的連續體中，鐵路維修工程師正在實現更好的安全性和減少收入服務中斷。簡而言之，隨著鐵路尋求創造性的方法，以更高效、更準確地完成軌道檢查，減少對營運和預算的影響，對機器視覺和自主技術的需求繼續成長。」
鐵路在船上。
進一步閱讀：
 |
· 能源行業無人機監控市場 2019 - 2026 的行業分析
使用無人機技術進行資產檢查
 |
| 2023 智慧安控解決方案趨勢與商機論壇精彩分享（<請按此連結） |
 |
| 不只是縮時，還有粉塵、噪音、位移偵測 |
能源行業無人機監控市場，按型別分類 —— 多轉子、固定翼、混合動力；按應用 —— 管道監控和檢查、離岸平台檢查、發電廠檢查、配電線檢查、風力渦輪機檢查、太陽能電池板檢查和按地區分類 —— 2019年 - 2026 年的行業分析、市場佔有率、趨勢、規模和預測
預計到 2026 年，全球無人機監控市場將達到 3.4766 億美元，預測期內 CAGR 為 19.6%。
能源行業無人機監控市場 2019 - 2026 的行業分析、市佔率、趨勢、規模和預測
要瞭解研究方法：-請求免費樣本報告無人機可能只是一個裝置，但如果輔之以正確的技術（例如攝影機、感測器和機器人智慧），應用程式的數量將出現，並將在未來繼續成長。無人機通常被視為小工具，在各個行業都有一系列業務應用，從而形成了一個可以預期成倍成長的潛在市場。
能源行業在無人機的幫助下開展了各種型別的工作，例如，監控和監視管道、發電廠、平台、風力渦輪機、太陽能電池板等資產。無人機的照片和影像功能通常用於媒體、娛樂目的，以及公共 - 私人安全領域；然而，當配備感測器的無人機與資料、分析，以及機器學習相結合時，應用要廣泛得多。
當用於能源行業時，無人機可以提供大量資訊。無人機也可以用於發電、公用事業、物流和農業等行業，允許利益相關者捕獲和分析資料。能源行業的無人機技術在很大程度上消除了人類干預，同時更快、更便宜、更容易的資料收集，這正在推動全球能源行業無人機監控市場。
在檢查和維護期間，為利益相關者採取安全措施和預防措施，是能源行業的一個主要方面。必須定期檢查所有風力渦輪機、公用事業線路、太陽能電池板以及許多其他裝置和基礎設施，以避免未來營運中斷和不必要的維護或維修費用。這些工作由維修人員、攀巖桅杆或直升機進行。儘管努力確保安全，但在執行這些活動時，風險和危險仍然存在，涉及巨大的成本。
無人機透過拍攝安裝影像，和機器操作功能的影像和照片來消除這些風險。無人機也極大地促進了檢查，它們速度更快，可以更全面、完整、更準確地檢視安裝。檢查的鏡頭可以當場或事後進行詳細分析，這是人工檢查所無法實現的。報告研究分析了新冠肺炎疫情的收入，對報告中市場主管者、市場追隨者和破壞者銷售收入的影響，我們的分析也反映了這一點。
全球無人機監控市場的範圍：購買前查詢
最大化市場研究的報告，詳細研究了能源行業全球無人機監控市場的各個部分。該報告涵蓋了一些部分，例如
全球無人機監控市場，按型別分類：
是多旋翼？固定翼？混合型？
全球無人機監控市場，按應用分類：
管道監控和檢查？離岸平台檢查？發電廠檢查？電力配線路檢查？風力渦輪機檢查？太陽能電池板檢查 其他（斜坡穩定性、排放跟蹤、監測海冰等）
全球無人機監控市場，區域明智的市場分析和預測：
該報告涵蓋了地理細目，並詳細分析了北美、歐洲、亞太和拉美亞以及下每個國家的上述部分 ——
‧北美 美國 加拿大 墨西哥
‧歐洲 德國 法國 英國 義大利 西班牙 歐洲其他地區
‧亞太地區 日本 中國 印度 亞太地區其他地區
‧拉米亞 拉丁美洲 中東
能源行業動態的全球無人機監控市場：
徹底研究和解釋了能源行業動態的全球無人機監控市場，這有助於讀者瞭解全球能源行業無人機監控市場，在全球和區域層面的新興市場趨勢、驅動因素、限制、機遇和挑戰。
能源行業驅動力的全球無人機監控市場：
透過使用無人機不僅收集資料，而且作為人工智慧、物聯網（IoT）、運輸等工具，整個新的潛在應用範圍呈指數級成長。外國直接投資規範中，日益私有化和相關政府的放鬆，是導致市場成長的因素。此外，許多發達國家和發展中國家的政府，正在大量投資電力專案，這反過來可能會刺激全球對無人機監控的需求，促進全球能源行業無人機監控市場。
智慧電網和智慧計量的使用增加，應該有助於更好地管理能源行業的電力服務。所有主要參與者以及許多國家的政府，都在努力提供更好的基礎設施，並透過使用先進技術鼓勵更多產出，預計還將鼓勵全球能源行業無人機監控市場的成長。全世界能源和電力支出的增加，是推動無人機監控市場的另一個因素。許多國家政府增加對能效專案的投資也可能推動市場成長。可再生能源和具有成本和時間效率的最新技術的滲透，正在推動對能源的需求，預計將推動全球能源行業無人機監控市場。
全球無人機監控市場為能源行業提供機會：
今天，無人機被用作觀察者，並捕捉照片和影像。它們可以比傳統方法更有效地捕獲資料。它們還可以減少與特定觀察相關的風險，最大限度地減少人類在危險環境中實際存在的需求，並危及他們的生命，甚至給公司帶來更高的成本。技術進步將隨著這種無人機而出現，這些無人機將從單純的觀察者演變為高度自動化、自主操作甚至決策工具。天空是無人機在能源工業領域應用科學的極限。
此外，技術進步，如擁有用於拍攝照片和影像的攝影機，無人機還可以配備感測器，來檢測氣體洩漏或用於進行長距離光檢測，或配備專用攝影機來檢查有故障的太陽能電池板。除了提高效率和安全性外，無人機還可以即時分析情況，因為無人機飛行時結果會顯示在螢幕上。透過使能源行業更快、更高效來應對事件。無人機的演變正在作為一個全新的生態系統出現，稱為「機器人機」。在這個生態系統中，空陸海服務裝置是我們日常生活的一部分，它們的使用將和今天的手機一樣正常。
能源行業挑戰的全球無人機監控市場：
無人機監控市場被法律框架包圍。偉大的技術伴隨著巨大的責任。駕駛無人機不僅需要完全遵守一般規定，還需要遵守隱私和安全規則。有一些法律限制，如不飛越視線和無人機電池壽命有限，給其當前的成長帶來了挑戰。全球能源行業無人機監控市場新法規的進一步演變，可能導致模稜兩可，導致不確定性和準則相互矛盾。因此，能源行業各全球監管機構之間的合作，與一致性非常重要。一旦一些與無人機使用有關的法律到位，隨著技術的不斷髮展，能源行業的組織將仰望天空，無人機技術將成為能源行業標準業務營運的組成部分。
能源行業競爭格局的全球無人機監控市場：
全球能源行業無人機監控市場的主要參與者，正專注於開發新技術，以促進該行業快速、更準確和更具成本效益的無人機。同時避免在人參與下進行傳統檢查的風險。近年來，在無人機監控技術領域有許多發現，這反過來將有助於該行業發展，從而推動競爭。
報告詳細分析了全球能源行業無人機監控市場的競爭、新進入者、策略聯盟、併購。該報告涵蓋了該行業的市場主管者和追隨者，並按地區劃分了市場動態。它還將有助於按地區、細分市場中每個參與者的地位，包括其擴張計劃、研發支出以及有機和有機成長策略。2014 年至 2019 年的報告詳細介紹了長期協會、策略聯盟、供應鏈協議和併購活動。預測期內的預期聯盟和協議，將為讀者提供市場的未來行動方案。所有主要和重要參與者都進行了剖析，並在報告中根據不同的引數進行基準測試，這將有助於讀者在最短的時間內深入瞭解市場。
‧ BAE Systems
‧ Airobotics
‧ Airware
‧ Sharper Shape Inc.
‧ Sky-Futures
‧ Unmanned Expertss
‧ Phoenix LiDAR Systems
‧ Sphere Drones
‧ Martek Aviation
‧ Skeye B.V
‧ Azur Drones SAS
‧ SkySpecs Solutions
‧ Identified Technologies Corporation
‧ Aerodyne Group
‧ Terra Drone Corporation
‧ VDOS Global LLC
‧ ING Robotic Aviation Inc.
‧ Cyberhawk Innovation Limited
‧ HEMAV Technology S.L.
‧ Measure UAS Inc.
‧ Aesthetix Global
‧ Mistras Group
‧ Percepto
‧ SEIKEY Srl
‧ Viper Drones
‧ Avitas Systems, Inc.
全球無人機監控市場，報告的目標：
該報告的目的是對能源行業的全球無人機監控市場（包括該行業的所有利益相關者）進行全面分析。報告介紹了該行業的過去和現在的現狀，並以簡單的語言分析了複雜的資料。該報告涵蓋了該行業的所有方面，對關鍵參與者進行了專門研究，包括按地區分列的市場主管者、追隨者和新進入者。
報告介紹了 PORTER、SVOR、PESTEL 分析，按地區分列的微觀經濟因素對市場的潛在影響。分析了本應對業務產生積極或消極影響的外部和內部因素，這將為決策者提供對該行業的清晰未來主義觀點。該報告還有助於瞭解能源行業動態的全球無人機監控市場，透過分析細分市場來建構結構，並預測能源行業規模的全球無人機監控市場。明確代表對全球能源行業無人機監控市場中關鍵參與者、價格、財務狀況、產品組合、成長策略和區域存在的競爭分析，是報告投資者指南。
· 安全應用中的工業物聯網
什麼是工業物聯網？ I IOT 解釋
 |
| 2023 智慧安控解決方案趨勢與商機精彩分享 （<請按此連結） |
|
| 不只是縮時，還有粉塵、噪音、位移偵測 |
網際網路安全？ 也許還沒有，但 IIoT 應用可以補充安全儀表系統
作者：Mark Menezes，PE
物聯網（IoT）利用低成本、低功耗的微處理器和無線電與網際網路相結合，以提高家庭和辦公室中常見物件的可用性、安全性和能源效率。工業物聯網（IIoT）可以帶來同樣的好處，同時滿足行業對安全性和可靠性的期望。本報導回顧了加工行業的使用者如何應用 IIoT 來提高工廠安全。 製造商距離使用 IIoT 直接支援處理危險產品的工廠的安全儀表功能（SIF）還有很長的路要走，但使用 IIoT 來幫助確保 SIF 能夠完成他們的工作是切實可行的。
基本安全：保護層
在安全標準和收集的行業經驗的驅動下，安全儀表系統（SIS）應用中有許多測量的最佳實踐。安全工程師瞭解在典型故障模式、影響和診斷分析（FMEDA）報告中提到的實驗室測試條件下，測量如何極其安全，但當暴露在現實世界條件下時，測量可能會變得不安全。一些安全風險增加是由於介面故障造成的。其他風險因素是由安裝條件下誤差和漂移增加引起的。建議使用者考慮的例子包括：
- 脈衝線堵塞或凍結
- 由於寒冷的溫度，感測器或毛細管響應緩慢
- 溫度感測器塗層
- 電阻造成的訊號噪音或尖峰
- 電源停電
- 由於環境溫度的變化，發射機漂移
- 超壓衝擊導致的壓力感測器零移位
- 初級流動元件的侵蝕或塗層
- 液位測量中的工藝流體密度變化
最令人擔憂的是常見問題，這些問題可能會影響設定，為相互冗餘備份的多個裝置。如果一個共同的原因可能同時影響所有冗餘裝置，最好根據這三個「D」開發一個解決方案：
設計：改進裝置或安裝實踐，以儘量減少常見原因對測量的影響。例如，透過使用熱最佳化的雙油隔膜毛細管系統發射器，可以直接安裝在熱過程中，避免壓力變送器因冷毛細管或脈衝線，而導致的緩慢響應。
多樣性：選擇與主技術具有不同特徵的備份技術，這樣備份就不會受到相同的常見原因的影響。例如，當差壓（DP）變送器被用作鍋爐滾筒的主要液位測量儀器時，當液體密度和滾筒壓力波動時，它將遭受重大誤差。第二個 DP 發射機將遇到同樣的問題，因此備份應該使用不同的技術，如引導波雷達（GWR）。 在更高的鼓壓力下，GWR 可以使用動態蒸汽補償來糾正這些條件。
診斷：如果檢測到測量不可靠，請使用診斷功能，將輸出強制到安全狀態。 如果診斷可以預測測量有退化，並且可以提前提醒維護，那麼診斷有助於操作員避免問題，從而提高了可靠性和安全性。
這些方法將共同原因風險降至最低，並提高 SIS 測量的整體完整性。在基本過程控制系統（BPCS）中使用相同的方法，因為改進的操作減少了對 SIS 的需求。
所有共同努力保護植物、其人民和社群的系統，都應該使用保護層的概念來建構，這樣就沒有一個失敗會造成災難。 在設計過程中，一層保護分析（LOPA）檢查所有元素如何協同工作，從而避免薄弱區域。
這些圖層分為兩個主要類別（圖1）。雖然 BPCS 和 SIS 將故障風險降至最低，但 SIS 以外的層次將已經發生的故障的成本和影響降到工廠、人員和社群。不幸的是，雖然物理保護或工廠應急響應所需的裝置故障很常見，但使用者通常只在偶爾的手動檢查，或裝置在真正的緊急情況下，沒有響應時發現這些故障。這就是 IIoT 可以提供幫助的地方。普及的感測技術，使用由高階分析支援的安全可靠的無線通訊，可以用持續的線上監控取代手動檢查。 好處是大大提高工藝安全性和可靠性，降低成本，人工檢查的風險降低。
讓我們看看 IIoT 擴充套件可以加強安全應用程式的一些例子。
實體保護層：
- 減壓閥的聲學監測
- 破裂盤的壓力監測
- 管道厚度的超音波監測
- 蒸汽陷阱的聲學和溫度監測
- 電氣開關裝置的溫度和部分放電監測
工廠應急響應層：
- 洗眼和安全淋浴的溫度和位置監測
減壓閥
減壓閥（PRV）目的在在工藝壓力接近工藝裝置或管道的安全極限時開啟，將多餘的流體\釋放到耀斑上。只有當 BPCS 和 SIS 都未能將該過程保持在安全範圍內時，它才應該開啟，因此它設定在裝置可能破裂的壓力之下。PRV 應該是最後的手段，因為過度燃燒會導致工藝損失、安全風險和環境影響，通常會導致處罰。雖然 PRV 應在壓力恢復到安全狀態後關閉自己，但工藝流體中的汙垢通常會阻止其完全重新安裝，導致難以檢測的持續小洩漏。由於 PRV 是簡單的機械裝置，因此沒有能夠提供診斷功能的內部電子元件。然而，新的聲學儀器可以夾在 PRV 下遊的管道上，以立即辨識完全釋放，以及不完整的閥座的持續洩漏。PRV 通常會燉煮，在壓力達到全部釋放點之前釋放少量產品。警報操作員可以使用聲學儀器檢測沸騰，可能足夠早，以調整過程並完全避免釋放。
椎間盤破裂
含有有毒或危險液體的碳氫化合物，和化工廠的使用者，通常在 PRV 上遊安裝破裂盤（圖2）。破裂的椎間盤是消除 PRV 洩漏風險的正屏障。如果工藝含有腐蝕性流體，通常只有破裂盤被溼潤，因此它是唯一需要由昂貴的耐腐蝕金屬製成的部分，而廉價較低的材料可用於 PRV。不幸的是，這種方法會造成另一個風險。 如果破裂盤中出現小針孔洩漏，任何洩漏的液體都會被困在破裂盤和 PRV 之間。 這在圓盤和 PRV 之間創造了一個加壓空間，因此磁碟從兩側加壓。現在，在不斷上升的工藝壓力能夠克服背壓之前，圓盤不會在設計壓力下爆裂。
在這些條件下，有效爆裂壓力大幅增加，並可能超過該過程的安全設計極限，有可能不受控制和潛在的災難性釋放到環境中。為了防止這種情況，ASME 建議在斷裂盤和 PRV 之間安裝壓力錶或儀器，以監控裝置之間空間的壓力。鑑於這些通常位於實體上無法進入、危險或有毒的環境中，無線壓力錶是一個絕佳的選擇。
腐蝕/侵蝕監測
碳氫化合物加工業的使用者瞭解其工藝中的腐蝕和侵蝕源，以及它們往往對哪些方面產生最大的有害影響。工程師仔細設計管道和其他機械系統，至少持續到下一次預定停電，但與此同時，他們至少每年或更頻繁地監測腐蝕和侵蝕熱點，如管道的外肘。不幸的是，由於流量、流體成分、溫度、壓力、使用腐蝕劑和其他因素的變化，給定資產的金屬損失率不容易預測，並且可能每天差異很大。金屬損失比預期更快，可能導致在相對較短的時間內，甚至幾周或幾個月內造成災難性的遏制損失。
更好的方法是使用夾在管道，或容器外部的非侵入性感測器進行線上監控（圖3）。這些感測器使用超音波技術，來連續測量金屬厚度。然後，對歷史趨勢的推斷決定了金屬損失率，並預測了失敗的時間。儘管少量壁厚感測器可以透過減少手動檢查熱點的需求，來提供即時的安全和勞動效益，但當這些感測器的網路與其他新的和現有裝置，以及專家軟體一起工作時，真正的回報就會得到回報。完整的網路可以包括基於內聯優惠券的腐蝕/侵蝕感測器、表面和流體溫度、pH值、流量和其他變數。全面的全廠可見性和金屬損失預測降低了破裂的風險，同時使工廠在不增加安全風險的情況下，更有利可圖地營運：
- 延長關閉間隔
- 減少使用耐腐蝕化學品
- 增加成本較低但更具腐蝕性/侵蝕性較強的原料的吞吐量，如煉油廠可用的「機會原油」
蒸汽陷阱
蒸汽陷阱有兩個用途。先，它們確保用於工藝或空間加熱的蒸汽不含冷凝物和不可冷凝氣體。其次，它們確保活蒸汽不會返回冷凝液系統。蒸汽陷阱是機械的，大多數工廠試圖至少每年檢查一次，尋找故障。故障可能會產生各種影響，導致持續的能源浪費、產量下降或更糟。在使用蒸汽進行冷凍保護的應用中，洩漏的蒸汽陷阱可能導致管道系統凍結，導致停機時間和安全風險。冷阱允許冷凝物在管道系統中積累，這可能導致水錘 —— 高壓蒸汽的意外釋放和冷凝物，衝擊波能夠造成死亡、嚴重傷害或廣泛的財產損失。」
與 PRV 一樣，蒸汽陷阱是機械裝置，沒有能夠提供診斷功能的內部電子零件。然而，聲學監測裝置（圖4）可以夾在蒸汽陷阱上遊的管道上，以辨識任何故障。這些資料準確地告訴維護哪些蒸汽陷阱需要注意，降低能源成本，提高工藝吞吐量，並降低凍結風險。修復冷阱甚至可以防止災難性的管道系統故障。
圖4。 聲學監視器可以辨識常見的蒸汽陷阱故障模式，並將其報告給維護。
電氣開關裝置
電氣開關裝置故障可能導致工藝停機、火災或爆炸。為了辨識進入故障早期階段的裝置，大多數工廠定期檢查關鍵開關裝置。典型的測試包括熱成像以識別熱點，以及部分放電測試以確定絕緣故障。這種測試需要檢查視窗，必須由訓練有素的技術人員使用專業裝置進行，但它仍然使人員面臨安全風險。 改進的方法是使用非接觸溫度感測器，持續測量和趨勢疑似熱點的溫度，以及使用超音學感測器進行部分放電（圖5）。
圖5。 感測器可以新增到電氣開關裝置上，以持續監控情況，從而減少檢查需求。
洗眼站和安全淋浴
為了確保人員安全，工廠應有適當數量的安全淋浴和洗眼站，分佈在生產區。 當然，僅僅存在它們是不夠的，植物必須確保它們都功能齊全，並能夠在正確的溫度下提供清潔的水。此外，警報應向控制室報告任何緊急情況（ANSI Z358.1-2009）。水管上的流量和溫度感測器，以及閥門上的接近開關（圖6）可以無線方式將這些裝置的狀態傳送到控制室。如果工人在任何站點啟動閥門，控制室可以立即派遣急救人員。
圖6。 無線監控流量和啟動開關，以及水溫監測，可以毫不費力地提高人員安全。
WirelessHART和分析
為了最大限度地提高安全性和可靠性效益，迄今為止描述的裝置應從中心位置持續監控。雖然它們可以透過傳統的點對點佈線連線，但一種更具成本效益的方法是使用基於標準的無線技術，如 WirelessHART。這消除了對額外的接線盒、電纜託盤、控制系統終端和 I/O 卡的需求。WirelessHART 使用自組織網狀網路，以實現與有線資料的可靠性相等。它受到多層、始終保持安全的保護。
理想情況下，裝置供應商不僅應提供裝置，還應提供分析軟體（圖7），以解釋現有有線和新無線裝置的訊號，並僅在需要採取行動時才向操作員和維護技術人員提供建議。該系統甚至可以描述問題的性質，並建議糾正措施，以保持工廠的安全和可靠。
最大限度地提高工廠安全
工廠設計師經常在 SIS 和 BPCS 等專用系統的背景下考慮儀器。但任何希望最大限度地提高工廠安全的公司都應該超越這些系統，透過安裝額外的保護層次，包括實體保護和工廠應急響應。新的 IIoT 技術使它比以往任何時候都更容易、更具成本效益。
|