• SPC软控件提供商NWA的产品在各行业的应用(石油天然气行业)


    Northwest Analytical (NWA)是全球领先的“工业4.0”制造分析SPC软件控件提供商。产品(包含: NWA Quality Analyst , NWA Focus EMI 和 NWA Quality Information System )帮助企业做出智能的,基于信息的决定,这些决定能够有效的管理和改善制造企业生产流程和供应链。

    石油天然气行业解决方案

    从井口到炼油厂,过程监控和管理对高效、高产量生产来说是至关重要的。NWA的制造智能解决方案通过向每个流程相关者提供他们监控和优化其操作的确切所需的数据来提高过程意识。

    NWA解决方案整合了运营管理和过程改进,以提高盈利能力,同时降低性能风险。作为“数字油田”的一部分,NWA的企业解决方案使生产者能够:

    • 用高成本或流失潜能控制过程;
    • 跟踪设备性能和能量消耗;
    • 从反应过程管理逐步演变为预测,提供最有效的过程控制和可能的质量改进计划;
    • 为总资产、分配和过程管理提供分析和监管。

    数据采集和集成

    石油和天然气业务涉及到需要进行综合和汇总的分布式数据源。石油和天然气的数据源实际包括:

    • 分散的地理——涵盖多种资产和领域、配电站、炼油厂等;
    • 数据源的种类——包括油井、泵和配电线路、炼油厂工艺生产线、实验室等中的手动和数字传感器;
    • 数据模式的种类——包括SCADA/历史数据库的连续数据、现场操作员手册中的离散数据和移动装置数据收集和实验室样本数据。

    广泛的数据源挑战系统数据的汇集和整合能力,进行有意义的组织数据,支持过程管理和进行运营决策支持。该系统必须是厂商中立的,并且与数据库无关的,从而能够在整个石油和天然气价值链中与专有的数据存储库连接。

    NWA软件已与所有主要的SCADA、历史数据库和制造系统相连接。凭借NWA出色的数据交换能力,上游资产、分销、制造和操作数据库中的数据可以进行汇集,进行全面的过程视图和协同管理。

    该系统必须能够从各种模式中对齐数据,为分析和经营决策支持提供环境背景。例如,由SCADA系统收集的连续数据必须与实验室中的个别样本值对齐。包括汇总和提供实时数据分析、近实时数据分析和历史数据分析的混合,连同集中大量数据的能力。

    NWA已经开发出卓越的性能,能够将描述石油和天然气操作特征的不同数据进行对齐。制造智能解决方案能够可靠地处理事件,如对齐SCADA和实验室数据,以便为有意义的分析提供环境背景。

    分析和可视化

    鉴于从现场到裂解塔的不同的过程管理的环境,管理人员面临这要了解全过程的重大挑战。在生产过程的每一步都进行数据收集,但是往往都没有得到很好的分析或足够可见,以进行良好的决策支持。

    应用示意

    油田 流动保障;总资产管理
    管道 损失/增益跟踪;流量计性能
    精炼厂 工艺参数——例:压力、温度馏分油产量、方法性能
    管理部门 运营KPI;设施基准

    工厂过程数据由控制系统、实验室或工厂车间数据收集进行汇集。必须对这些数据进行分析,并以可用的格式提交操作员和管理者,以获取最大的过程管理效益。NWA软件提供基于SPC的过程分析,无论其是否被嵌入到操作员的HMI状态屏幕、实验室分析证书,还是管理者的控制面板中。

    这使得过程监督达到了另一个层次的权力和深度。正确配置的系统为每个利益相关者提供特定于角色的分析和可视化,并为所有功能提供有效的制造决策支持。

    协同中心

    NWA解决方案为设施和企业管理机构提供全公司的过程可见性。管理者可始终了解降低商业风险和监管风险的质量和安全状态。跨工厂的比较可支持企业改进项目,如基准测试和确定最佳实践。其结果是更好的利用设施和可用资源,从而提高性能。

    这能够实现供应商和制造商位置之间的合作,无论是公司设施还是合同制造商。解决方案还支持中标供应商认证和符合ISO 9001: 2008和个别客户标准的供应链质量管理。由于易于从整个生产周期中获取数据,因此供应链质量管理能够被延伸到包括从原料到成品的一切。

  • 相关阅读:
    开源 .net license tool, EasyLicense !
    Logging with NLog
    Logging with Log4net (二)
    Logging with Debug And Trace (一)
    ThoughtWorks代码挑战——FizzBuzzWhizz
    开源插件 :MahApps.Metro.IconPacks
    Java地址:
    小程序源码下载[demo整理自github]
    多块图形合并(自动合并相交块)
    Textbox
  • 原文地址:https://www.cnblogs.com/NB-Juvien/p/9585351.html
Copyright © 2020-2023  润新知