新闻动态
工业数据分析中的认知碰撞 | 发电机冷却系统异常
来源: | 作者:pmod6d781 | 发布时间: 2021-12-08 | 381 次浏览 | 分享到:

对于同一个问题,业务专家与数据专家从不同视角去审视,在交互中可以相互补充彼此的不足。这也是工业大数据实践中常提的OT(Operational Technology)、DT(Data Technology)、IT(Information Technology)的3T融合。本文以一个实际的例子来展示OT与DT融合如何提升认知。



讨论背景是电厂的运行参数动态预警,研究中选取了某电厂的发电机冷却系统,目标是估算冷却水出口温度(或则说出入口温差)的合理分布区间。数据是该电厂2017年全年的151个测点的秒级DCS数据(非等间隔,逢变则存),包括发电机有功功率、冷却水入口温度、冷却水出口温度、冷却水入口流量、三个方向的振动、下层线棒(48个测点)、上层线棒温度(48个测点)、发电机温度(48个测点)等。



讨论来自于下图(过滤掉停机期间的记录),横轴是发电机有功功率,纵轴是冷却水入口流量。



作为数据探索的一部分,数据分析师画了这张图,只是直观感觉冷却水流量与有功功率接近线性关系,其他的也没多想。而领域专家看了这张图就认为不对,冷却水入口流量应该是稳定在某个值附近,因为冷却泵是定速泵。


有了这样的质疑后,数据分析师马上意识到自己潜意识假定冷却泵是变速的,但如果是定速泵,分析师马上有个疑问,冷却系统如何满足不同功率下的冷却?难道是设计时冷却系统按照最大负荷情形进行设计?领域专家肯定了这样的猜想(按最大负荷设计,所以流量不用调节)。


但这张图是用原始数据绘制的,不存在Bug的可能,领域专家的解释和DCS数据明显是冲突的。恰好有本运行手册,翻阅发现,水压随着氢气压力发生变化,而氢气压力随发电功率发生变化,水压变化会引起冷却水流量的变化。



至此,冲突可以完全解释了,背后的运行机制如下图所示。



回顾数据分析师和领域专家做机理解读的整个过程,大家都无意中忽略“冷却水压力变化”这个可能,通过交互式讨论,让这些隐性假设摆在明面上。



这也是OT与DT融合在解决工业分析问题时的好处。OT从机理角度,可以给出很多先决性研判或猜想;DT从数据统计的角度,可以给出数据上的现象表征。二者的不一致,可以让很多隐含或忽略的假设明确化。通过OT与DT的对比,可以不断提升认知。


因此,工业数据分析项目进行通常有三种模式:

1)有大量先验知识的课题,首先明确OT的经验和假设,通过数据检验,形成有用的特征,接着数据分析建模进一步定量化;

2)数据驱动的课题,基于统计假设,进行建模,在分析结果或象限解读时,融入OT专家的认知或经验(最好是冲突),进一步提升模型结果;

3)数据驱动的课题,但存在前人的模型,这时候做的是尽快用前人模型在新数据上运行,进行结果解读,再改进模型。




最后需要说明一点,在数据分析项目中,我们欢迎“直觉”,更喜欢直觉背后的“研判依据”,尽管直觉或研判依据不一定完备或正确,直觉触发了跨领域讨论的可能,“研判依据”给出了数据探索的思路,经过数据的检验,和跨领域的推理讨论,不断追寻数据现象背后的要素和关系,形成相对完备和自洽的动力学关系图。正如爱因斯坦所云“真正可贵的因素是直觉”。