这个由四部分组成的系列的第二部分讨论了能源公用事业公司在转向整体电网资产管理以管理能源转型时所面临的复杂任务。 本系列的第一篇文章通过整体电网资产管理解决了能源转型的挑战。 在这一部分中,我们讨论将不同领域的业务学科统一在一个网络中的集成资产管理平台和数据交换。
资产管理生态系统
资产管理网络很复杂。 没有一个系统可以管理所有必需的信息视图以实现端到端优化。 下图演示了平台方法如何集成数据流。
资产数据是网络的基础。 企业资产管理(EAM)系统、地理信息系统和企业资源规划系统共享技术、地理和财务资产数据,每个系统都有各自的主要数据责任。 EAM 系统是通过工单进行维护计划和执行的中心。 维护、修理和大修 (MRO) 系统提供开展工作所需的备件,并保持最佳库存水平,平衡缺货风险和零件持有成本。
健康、安全和环境 (HSE) 系统管理安全工作执行的工作许可证,并跟踪和调查事件。 过程安全管理(PSM)系统通过安全实践控制危险操作,使用领结分析来定义和监控风险障碍,并管理安全和环境关键要素(SECE)以防止初级安全壳损失。 监测能源效率和温室气体或无组织排放可以直接促进环境、社会和治理 (ESG) 报告,帮助管理和减少碳足迹。
资产性能管理 (APM) 策略定义了主动维护任务和被动维护任务之间的平衡。 资产关键性定义了预防性或预测性任务在成本和风险方面是否合理。 定义最佳维护策略的过程称为以可靠性为中心的维护。 危险过程资产(例如容器、反应堆或管道)的机械完整性需要采用更深入的方法来定义基于风险的最佳检查间隔。 对于过程安全设备,安全仪表系统方法确定报警功能的测试频率和安全完整性级别。
资产数据 APM 收集实时流程数据。 资产健康监控和预测性维护功能通过分布式控制系统或监督控制和数据采集系统 (SCADA) 接收数据。 资产健康监控定义资产健康指数,根据退化模型、故障、逾期预防工作以及反映资产健康状况的任何其他相关参数对资产状况进行排名。 预测功能构建预测模型来预测即将发生的故障并计算资产的剩余使用寿命。 这些模型通常结合机器学习和人工智能算法,以在早期阶段检测退化机制的发生。
在资产绩效管理和优化 (APMO) 领域,团队根据资产关键性收集资产策略产生的资产需求并确定其优先级。 他们根据可用预算和资源容量的限制优化维护和更换计划。 这种方法对于能源传输和分配等受监管行业非常有用,因为它允许公司在几年的套利期内保持在指定的预算范围内。 资产置换需求结合新资产请求和扩建或升级项目进入资产投资计划(AIP)流程。 市场驱动因素、监管要求、可持续发展目标和资源限制定义了项目组合和执行优先级。 项目组合管理功能管理新建和替换项目的项目管理方面,以保持在预算范围内并按时完成。 产品生命周期管理涵盖阶段控制的工程流程,以在所有其他利益相关者的范围内根据最低的总拥有成本优化资产的设计。
行业标准数据模型
为了全面了解组合系统以及整个生态系统中的信息流,需要一个统一的数据模型。 技术、财务、地理、运营和交易数据属性都是数据结构的一部分。 在公用事业行业,通用信息模型提供了一个有用的框架来集成和协调生态系统,以产生最佳的商业价值。
将多种资产管理学科整合为一,提供 360° 的完整资产视图。 这种集成使公司能够瞄准全方位的业务目标,并根据每个利益相关者的目标跟踪整个生命周期的绩效。
阅读有关 IBM 能源和公用事业数据模型的更多信息
本文是否有帮助?
是的不