山东德州西门子授权总代理商在选择控制系统软件的问题上，如何摆脱各种不同意见的纠结也同样是一个挑战。有一条经验法则可以帮助判断有偏见的观点，那就是概括性。虽然平台之间确实存在共性，但一种常见的分散注意力的技巧是类似的说法：“SCADA 通常不提供冗余，但DCS 提供冗余！” 

    这句话是真的吗？答案是否定的。一些SCADA系统提供了几乎无限量的冗余，与DCS系统相当或超越DCS系统。人们总是需要为这两个系统实现冗余吗？同样，答案也是否定的。标题党式的陈述，可能会让那些本应该可以从SCADA系统中受益匪浅的人感到困惑。

 是否连接自动化基础设施 

    近年来，将万物互连、将所有人联系起来，已经成为一种策略，直到有人控制了他们不应该接触到的东西。毫无疑问，关键基础设施应该受到保护，免受黑客攻击。作为一种实现这个目标的方法，空气间隙系统经常被提及。

    “不要将系统连接到互联网上；不允许远程访问。”这些说法有道理，但忽略了重要的现实。例如，服务器是如何同步的？服务器时间需要与某个时间源同步。除非你有一个原子钟，否则服务器仍然需要连接到互联网，接收时间同步数据，这些数据被传递到气隙系统上的其它服务器。如果完全不同步，会发生什么事？如果本地系统不可用（风暴事件、疫情大流行、硬件故障），您如何安全地访问该过程？

 在关键自动化系统中使用非关键数据？ 

    有时，非关键数据会以非常微妙的方式影响关键系统。2020年初，一位艺术家拖着一个红色小货斗，上面装有99 部手机，行走在某个大城市。结果呢？在该市造成了巨大的交通堵塞，而小货斗所在的街道上却没有车辆。因为地图软件将汽车、卡车、公共汽车（包括紧急救援车辆）的路线，更改为远离市中心的这个所谓的交通堵塞。

    通过手机传输的非关键背景数据被软件解释为缓慢移动的流量。消防、救护车和警察等关键服务依赖于由此产生的信息。

    所有系统都需要检查数据验证。这很重要。始终询问如何验证源数据。正在使用的协议，是否在不验证内部的情况下传输消息？它是否与可能被黑客入侵的数据完全隔离？使用的加密（如果有）是否有效？

 SCADA的复选标记和比较 

    比较通常采用复选标记表的形式。列出表格上的所有功能，并勾选相同的功能。不幸的是，实际应用并不是那么简单，至少在进行详细比较时不是这样的。并不是所有的系统都是一样的，差异化是一个挑战。

    来自被比较公司的任务关键型思维是一个很好的开端。关键任务方法通过提供多个冗余机制来确保系统不会出现故障，从而**大限度地延长软件固有的正常运行时间。

    复选标记可以快速查看相似性和差异性，但并不总是很有说服力。将解决方案从小型系统扩展到大型系统、添加多个级别的冗余、易用性、前向兼容性以及技术支持的质量等因素，并不总是能在表格中体现出来。

    要考虑如何将其用于选择SCADA系统： 在智能制造的浪潮下，我国正在积极推进工业互联网建设，制造业也在积极转型。自动化、数字化、智能化水平大幅提升。各行业龙头企业越来越重视生产设备和车间联网的数据采集，设备数据的可视性得到了显著提高。然而，尽管大多数制造企业已经花了很多钱购买非常先进的设备，但设备管理和维护以及人员知识结构仍然停留在较低的水平:数据采集基本靠笔，加工基本靠人，分析基本靠经验。可以说是买了工业4.0的设备，却延续了工业2.0的管理。
　　从设备资产效益产出来看，我国制造业设备综合效率提升空间巨大。据统计，我国大部分离散制造业的OEE在40%左右，距离发达国家至少还有30%-40%的提升空间。同时，很多企业对设备维护的精细化管理不够重视，造成非正常停机、备件浪费等隐性损失。随着疫情的影响和全球化不确定性的增加，提高设备管理水平可以为企业的生存和发展带来宝贵的机遇，增强企业的竞争力。
　　如何建设新设备管理能力是当前中国制造业面临的一个问题和挑战。为此，我们总结了制造企业的五大误区，并给出了相应的策略建议，希望能帮助企业少走弯路。
　　01重硬轻软

　　大多数企业在新建工厂或采购新设备时，只注重硬件的验收和交接，忽略了软件系统的运行、维护和服务标准，没有明确要求设备厂商提供数据采集接口，明确设备数据归属。
　　据相关统计，目前我国企业生产设备平均数字化率为47%，关键工序数控化率为51%，关键设备网络化率为41%。嵌入式软件、人机界面、数据监控模型、管理平台都是智能设备的重要组成部分，都应该属于设备管理的范畴。结合工业互联网相关项目的经验，由于很多工业现场协议，原厂不开放不支持，设备数据不确认，设备数据采集仍然是生产现场数字化推广的Z大痛点之一。
　　因此，工厂应提前考虑设备采购，并在商务条款中增加相关要求，这可以为将来收集设备制造过程的详细数据以及对技术和质量的分析和优化做好准备。
　　02生产Z重要，不能坏，不能修，不能停。
　　在大多数工厂，尤其是离散制造业，生产设备只是支持部门。只要设备还能运转，就不会停产，导致设备维护和改进的时间和资金投入严重不足，设备部门也陷入到处救火，无力应对的被动恶性循环。原因是企业没有从工厂端到端的角度来看待设备停机损失。设备故障初期征兆时维修造成的损失和投入成本远小于停机后维修。
　　设备管理经历了4个发展历程:从1.0纠正性维护(CM)到2.0预防性维护(PM)、3.0可靠性维护(RCM)、4.0预测性维护(PHM)。本质上是以设备健康管理为心，从“治病”到“防病”的进化过程。
　　我们可以利用新的技术和工具，对积累的基础数据进行分析，对设备的亚健康状态进行评估，提前进行维护，大大降低设备的维护成本。比如给设备维护工程师配备一个带振动传感器的智能点探测仪，就好比给医生配备一个“智能听诊器”。通过监测几秒钟的振动，结合内置的频谱分析模型，可以准确、快速地判断设备健康状态和故障征兆原因，对设备工程师的故障诊断起到重要的辅助作用。这样，设备管理人员的职责就从原来的坏修变成了如何保证设备健康运行的专业维护，进入了良性循环。

    • 不要纠结于条款；

    • 专注于想做的事情；山东德州西门子授权总代理商

    • 提出困难的问题。

    随着新功能和技术的出现，SCADA将不断发展和迭代。就像汽车例子一样，几乎所有东西都可以在不改变其核心功能的情况下做出改变。即使现在看到汽车从头顶上飞过， 我们仍然会称它们为会飞的汽车。为什么？因为它还是一辆车。

    关键概念： 

    ■ 通过功能而不是组件来评估自动化系统。

    ■ 在关键系统中使用非关键数据，可能会导致不良后果。

    思考一下： 

    纠结于上一代自动化系统，还是被下一代更优*秀的事物吸引？重点是你想要实现什么功能。以设备维修为成本核心，忽略了冰山下的损失。
　　很多管理者认为设备***是不可企及的。当企业遇到困难，需要削减成本时，往往会以设备维护成本为出发点，甚至提出每年降低百分之几的维护预算的目标。从传统的财务角度来看，设备维修资金一般定义为成本和费用。事实上，早在30年前，德国召开维护集团欧洲联盟国际会议时，就提出了“维护——为了未来的投资”的主题。作为投资，你需要有明确的投入和产出。维护的投入是人工费、各种防护费、备件费和设备管理系统的投入。产量是多少？是为了避免由于设备维护不到位、设备管理不善，造成设备停机、精度或质量缺陷而造成的损失。如果误判了这些损失的价值，就容易扼杀设备维修技术和管理制度的改善投入。
　　实际操作中还有一个问题，就是备件的更换很大程度上掌握在维修工手中，更换“人为掌握”的因素很多。维修人员大多凭经验判断备件的损坏程度。对于怀疑有故障的零件，即使还能用，也会换成新的，导致过度维修的隐性浪费。如果建立更准确的备件寿命管理，这种无形的损失可以转化为“利润”。在TCL华星光电，因为大部分都是进口零部件，每年零配件成本都是上亿。通过精细化备件寿命管理的应用，根据不同供应商、不同批号、不同工况，基于数据的备件寿命预测管理，每年可节省费用数千万。
　　设备维修工作已经从过去强调服务生产、追求更高的设备完好率指标转变为企业的经济效益，这就要求设备管理要注重维修费用的管理和控制，找到一个平衡点，以Z少的维修费用实现Z高的设备可用率。企业高层管理者应从“投资”的角度理解维修和设备管理，实现设备管理理念的转变。
　　想靠“预见性维护”解决问题，忽略了基础的数字化建设。

　　和数据积累
　　“预测性维护”一直是工业互联网上的热门话题，很多工厂也期望将自己对设备故障的不确定性交给“预测性维护”来解决。但据笔者观察，这些项目的准确性大多很低，仍多为概念性和实验性，在可解释性、可验证性和可再现性方面仍存在问题。
　　预测性维护比预期更难，因为仅仅依靠数据提取可解释的工业机理逻辑要比预期困难得多。
　　主要有两个原因:一是由于很多企业的基础数据还没有积累起来，比如设备的基础检查、维护和故障分析记录还散落在各种纸张和Excel中，设备缺乏数字化档案，山东德州西门子授权总代理商基础维护数据、备件更换记录、故障和修理数据，包括设备的故障特征数据都没有结构化地积累起来，无法实现模型的训练和验证；二，很多厂商试图单纯依靠数据分析路径，而忽略了对设备工程师现有专业知识和经验的整合。仅靠数学算法很容易陷入统计陷阱，但要得到一个可解释、可预测的因果模型并不容易。因此，建议工厂首先重视设备数字化档案、基础维修、维修单、故障树等基础数字化能力的建设；二，对于高停机高损耗的关键高价值设备，结合经验模型和数据模型进行建模，模型的输出旨在辅助维修人员，Z终需要交给人进行综合判断。
　　一般来说，设备对于工厂就像枪支对于士兵一样重要。许多装备维修技术系统确实是从军用武器维修系统发展而来的。构建新型的设备管理能力，需要工厂管理者认识到设备是构建工厂核心竞争力的基础，积极改变设备管理和运营方式，向数字化、智能化发展。据预测，到2022年，60%以上的设备将实现基于数据的智能运维，设备的智能管理和运维能力将是衡量一个工厂核心竞争