使用 IBM Predictive Maintenance and Quality 实现实时数据分析

look_w

概述在任何情况下，应用业务分析都要将当前的数据快照记录到源系统并进行分析。目前的数据分析都需要与历史数据进行关联，从中找到数据趋势并构建预测模型。要根据当前和历史数据进行相关性分析，您必须将分析解决方案与源系统中的数据实时集成，并更新分析数据库和历史数据。
例如，在一个上游石油和天然气行业（勘探和生产），生产主管希望能够分析某个远程位置生产的石油和天然气的最新生产数据，然后根据最新报告的生产数据衡量海上油井的性能。
IBM Predictive Maintenance and Quality            解决方案包含了可执行这类场景所需的高级分析的软件。其中一个软件组件是集成总线，它与源系统相集成，用于填充 Predictive Maintenance and Quality            分析数据库。
集成总线的事件触发器机制从 Production Data Management System (PDMS)            加载生产数据和原始事件。事件触发机制使得用户能够实时地接收数据库中某个表或多个表的更新。在触发某个操作或事件时，用户能够在企业指示板和报表（通过 GUI            访问）中查看变更。
解决方案架构本文描述的样例解决方案基于 IBM Predictive Maintenance and Quality            解决方案，这是一种预打包、预配置的跨行业业务分析解决方案。如下所示，Predictive Maintenance and Quality 解决方案包括了不同的软件组件。
解决方案工作流程通过与 Predictive Maintenance and Quality            解决方案的各个软件组件进行交互，实时数据分析解决方案添加了石油和天然气上游行业的内容。下面所示的序列图显示了各种活动的接口和顺序。

该解决方案包含以下组件：

• Production Data Management System (PDMS)：通过一个 Web               应用程序填充，该应用程序的设计目的就是发布与石油有关的信息。
• DATA_UPDATE_EVENT 表：用于捕捉 Web 应用程序在 PDMS               中做出的更新。每次更新数据库后，一个新事件就会被写入到该表。
• 数据库适配器：DatabaseInput               节点用于响应数据库中的事件。它将在数据库视图发生更新后被触发（基于时间戳）。该节点通过检查 Timestamp               列（外键）确定被更新的生产日期，并从 PDMS 中加载所需的生产数据。一旦获取并保存了这些数据后，节点会将 Synchronised               列（主键）设置为 True，这表示该数据已经成功读取。
• 自定义中介流：根据事件和应用程序表中的 Timestamp 字段匹配，从 PDMS               为所需的应用程序表获取更新。这将把 Synchronized 标记从 False 更改为               Part。下一步，数据对象被转换为 XML，而 XML 被写入到队列。根据 Timestamp               字段，需要执行一个选择操作，从同一数据库中的其他应用程序中获取更新，所有这类消息都经过处理并保存到相同队列中。接下来，Synchronized               标记的状态从 Part 设置为 True。然后，通过相应的存储过程将生产数据转换到 Predictive               Maintenance and Quality 事件文件，并保存到 Predictive Maintenance and Quality               事件目录。这些存储过程包含每一类生产数据的转换逻辑。
• 队列： IBM WebSphere® 队列，以 XML 消息的形式包含从 PDMS 接收到的所有已产生的数据更新。
• Predictive Maintenance and Quality 事件目录：默认目录，即               eventdatain 文件夹，包含 Predictive Maintenance and Quality 中介流将要处理的事件。
• Predictive Maintenance and Quality 中介流：存储或记录 Predictive Maintenance               and Quality 数据库中的事件，将它们与 Predictive Maintenance and Quality 的主数据或元数据表中的信息相关联。
• Predictive Maintenance and Quality               数据库：包含分析数据库的数据库服务器。数据库充当一个事件存储库，包含经过计算的关键性能指标               (KPI)，采用汇总后的事件和配置文件的形式。它还包含解决方案支持的主数据和元数据信息。
• IBM SPSS® Modeler：创建预测模型。模型随后被部署到 SPSS Collaboration and               Deployment Services，可作为记分 Web 服务调用。清单 1 展示了一个记分 Web 服务样例。 清单 1. 样例记分 Web                  服务

  1 2 3 4 5 6 7

  <getScore>     <scoreRequest id="GasProdForecast">               <input name="Well_Id" value="Schola-F-3"/>               <input name="TimeStamp" value="2012-08-01T15:59:00"/>               <input name="Production_m3" value="166137"/>     </scoreRequest> </getScore>

  
  
  
  
                 所有调用都来自 Predictive Maintenance and Quality 中介流，生成预测值和偏差值。该中介流还处理预测值，并将其记录到 Predictive               Maintenance and Quality 数据库。
• SPSS Decision Management：用于开发决策制定流程和阈值，以便根据规则执行操作。有了 SPSS Decision               Management，就可以编写、测试和优化规则，并将规则部署到 SPSS Collaboration and Deployment               Services，在这里，规则可作为决策管理 Web 服务进行调用。清单 2 展示了一个样例决策管理 Web 服务。 清单 2. 样例决策管理 Web                  服务

  1 2 3 4 5 6 7

  <getScore>          <scoreRequest id="GasWellRecommendation">             <input name="Well_Id" value="Schola-F-3"/>             <input name="TimeStamp" value="2012-07-15"/>             <input name="POP_Flag" value="0"/>          </scoreRequest> </getScore>

  
  
  
  
• IBM Maximo®：一个维护应用程序，可以通过自身生成的 Web 服务创建工作定单（work               order）。当收到操作建议后，Predictive Maintenance and Quality 中介流将调用 Maximo 工作定单 Web               服务创建一个工作定单。清单 3 显示了一个样例 Maximo Web 服务。 清单 3. 样例                  Maximo Web                  服务

  1 2 3 4 5

  <WORKORDER action="AddChange"                              <SITEID>Schola</SITEID>                              <ASSETNUM>Schola-F</ASSETNUM>       <DESCRIPTION>Urgent Inspection</DESCRIPTION> </WORKORDER>

  
  
  
  
                 在 Maximo 中创建工作定单后，经过授权的用户就可以看到它。

高级分析SPSS Modeler 可以根据石油和天然气井的历史数据计算出预测产量。使用历史数据对该模型进行一年的训练后，SPSS Modeler            将处理实际的生产数据来预测接下来一个星期的生产值。这种预测为生产管理者提供了未来的产量值和预期的生产损失（与目标产量值相比）。
自回归移动平均模型（ARIMA）被用于估算预测值。该建模程序还可以评估预测值与实际生产值的偏差，并向决策管理组件发送一个标记。根据具体的标记值，决策管理组件将提出是否需要对油井或作业台进行紧急检查的建议。
在 IBM Cognos® Business Intelligence 指示板上可以访问 Actual vs. Forecast 关键绩效指标。Cognos            框架管理者使用 Predictive Maintenance and Quality Analytical 数据库来创建关键绩效指标。实际的产量值从 PDMS            加载后将予以显示。实际值与预测值是以对比的方式显示的，这是通过 SPSS Modeler 记分服务实现的。这种对比有助于生产管理者根据趋势变化了解油井或天然气井的性能。
结束语本文介绍了使用 IBM Predictive Maintenance and Quality            解决方案执行预测分析所涉及到的各个组件。本文以石油和天然气上游行业为例，展示了如何使用 IBM Predictive Maintenance and Quality            监视、分析和报告从固定资产和操作流程中采集的信息，以及如何对采矿和钢铁生产等行业提出有关资产和流程的优化建议。
要在您自己的环境中实现类似的解决方案，需要在项目规划阶段包含以下方面：

• 检查现有的流程和资产，确定是否具备必要的基础架构来支持业务分析。
• 研究远程生产数据库中使用的数据源系统。了解应用程序和事件的数据结构。
• 确定连接到源系统的接口和协议。
• 在实现解决方案前确定可视化层和业务规则。