کاهش ۶۸٪ توقف برنامه‌ریزی‌نشده با نگه‌داری پیش‌بینانه روی داده SCADA

زمینه پروژه

کارفرما یک پالایشگاه نفت با چند واحد فرآیندی و صدها قلم تجهیز چرخان حساس (کمپرسور، پمپ، توربین) بود. نگه‌داری عمدتاً واکنشی یا مبتنی بر زمان ثابت انجام می‌شد و داده SCADA در سیلوهای جدا از سیستم نگه‌داری باقی می‌ماند. توقف برنامه‌ریزی‌نشده تجهیزات کلیدی به ۱۲۰ ساعت در سال رسیده بود.

چالش

• توقف برنامه‌ریزی‌نشده ۱۲۰ ساعت در سال و هزینه‌های نگه‌داری خارج از کنترل
• جدایی کامل داده SCADA و Historian از سیستم نگه‌داری
• نگه‌داری مبتنی بر زمان که به تعویض زودهنگام یا خرابی پیش از سررسید منجر می‌شد
• نبود مدل Asset Health و عدم تشخیص زودهنگام Cavitation، Bearing Wear و Unbalance
• الزام جداسازی شبکه OT از IT و رعایت IEC 62443

معماری راهکار

معماری OT/IT منطبق بر مدل Purdue پیاده‌سازی کردیم: داده تجهیزات از طریق Data Diode یک‌طرفه از زون فرآیندی به زون صنعتی DMZ منتقل و در Time-series Historian ذخیره می‌شود. GITA CMMS هسته مدیریت دارایی و Work Order است و پلتفرم Predictive Maintenance با ۲۲ مدل ML نمره سلامت و RUL را محاسبه و خودکار به CMMS تزریق می‌کند.

یکپارچه‌سازی‌ها

• اتصال به SCADA و PLC از طریق OPC UA
• خواندن داده تاریخی از Historian موجود (PI/Modbus)
• یکپارچگی با سنسورهای پایش وضعیت از طریق MQTT
• اتصال CMMS به GITA ERP برای هزینه نگه‌داری و خرید قطعه
• هشداردهی به اپراتورها از طریق سامانه پیام و داشبورد اتاق کنترل
• Single Sign-On از طریق Keycloak

فازهای پیاده‌سازی

1. 1

   Discovery و ممیزی دارایی و داده

   شناسایی تجهیزات بحرانی بر اساس Criticality Analysis، نقشه‌برداری tagهای SCADA و طراحی معماری زون‌های امن OT/IT.

2. 2

   Pilot روی تجهیزات بحرانی

   استقرار Data Gateway و آموزش مدل‌های اولیه روی چند کمپرسور و پمپ کلیدی و اعتبارسنجی هشدارها در برابر خرابی واقعی.

3. 3

   Rollout و توسعه ناوگان مدل‌ها

   گسترش به ۲۲ مدل ML، اتصال کامل به GITA CMMS برای Work Order خودکار و یکپارچگی با ERP.

4. 4

   Optimize و MLOps

   بازآموزی خودکار مدل‌ها، تنظیم آستانه‌ها برای کاهش False Positive و گزارش MTBF و MTTR.