油料裝備增強型基于狀態維修策略研究

文/周慶忠 曾慧娥 袁耿林

油料裝備是實施油料保障的必備硬件，油料裝備運行狀態直接影響油料保障效能。以往對裝備進行維修分為預防性維修(preventive maintenance)和修復性維修(corrective maintenance)，修復性維修模式在油料裝備失效后才修理，造成非計劃維修，更為嚴重的是因油料易燃、易爆、有毒性，這種“事后維修”極可能造成安全事故、環境污染、經濟等損失。預防性維修模式定期對裝備維修，維修間隔期尤其關鍵。維修間隔期過長導致“維修不足”，過短則導致“維修過剩”。頻繁的維修不僅會增加維修成本，而且由于維修不當、維修差錯等會導致設備可靠性下降。應有針對性地制定油料裝備維修策略，這使得油料裝備維修模式正在向基于狀態維修（condition based maintenance，CBM）轉變。近年來，隨著科學技術進展和人工智能理論的應用，在CBM基礎上發展起來的增強型基于狀態的維修（condition based maintenance plus，CBM+）日益引起人們重視。對油料裝備CBM+維修策略進行研究，對于油料裝備保障能力的提高，具有重要現實意義和軍事經濟效益。

1.油料裝備CBM+概述

油料裝備CBM+屬于主動的預測性維修，通過在線監視裝置（嵌入式傳感器、外部測量設備或便攜式設備）對油料裝備運行狀態進行監測，獲取裝備運行特征量信息。借助各種智能推理算法（如物理模型、神經網絡、數據融合、模糊邏輯、專家系統等），對裝備性能降低或即將發生故障等狀態進行實時或近實時、或周期性的先行客觀評估，診斷識別故障的早期征兆，對故障部位、故障程度和發展趨勢做出判斷，預測裝備剩余壽命，融合油料裝備資源信息，進行維修分析及決策。在盡量不影響使用前提下，規劃、組織和實施必需的裝備保障和維修活動。

CBM+特點體現為“四性”，即修理的預知性、針對性、及時性和維修方案的靈活性。CBM+的關鍵在于維修智能化。維修智能化則聚焦于維修智能決策，它是聯接裝備狀態監測與裝備維修間的紐帶，是實現提高裝備可用度、優化備件存儲、降低維修費用等業務目標的驅動器。可見，CBM+是衍生的智能維修策略，其涉及技術、管理、組織、成本核算、資源配置等諸多方面，是一項復雜的系統工程。它主要通過預測和物流能力，擴展了傳統故障檢測與隔離以及維修管理能力。預測能力關注于哪個部件何時會失效，預測裝備維修需求。而物流能力則側重于如何及時協同整合維修資源，組織、實施維修。這兩種CBM+能力的交集，強化了油料裝備維修一體化保障力量。

2.油料裝備CBM+實施目標

油料裝備CBM+實施目標是：

（1）利用信息技術，開發故障識別診斷與預測算法模型，完善油料裝備故障智能診斷功能，減少故障識別與故障原因分析的不確定性，預測裝備性能衰退趨勢和剩余使用壽命，以便提高裝備的完好率和可用性。

（2）實現對油料裝備及其備件的使用、消耗和可用度數據的“端對端”可視化。通過油料裝備CBM+系統平臺，實時或近實時地將這些數據從維修人員傳輸到各級保障人員，使整個油料裝備保障鏈上相關部門，共享維修信息，上級決策部門實時獲取油料裝備信息，及時對油料裝備或備件進行主動調配、定購和采辦，以便實現裝備資源優化配置。

（3）支持不同維修層次、不同類型的維修決策活動，包括維修策略分析、維修方式決策、維修計劃編制與調整、維修故障分析、送修時機確定及送修單位選擇等，滿足各級人員的要求。

（4）重構油料裝備維修業務過程，改革傳統的計劃維修機制，強化管理，建立全員規范化的裝備維修與管理組織機構和技術培訓機制。

CBM+的實施，將定期維修轉變為視情維修，減少維修負擔，縮減維修工時，延長裝備運行周期，減少事故的發生。降低使用與保障費用，減少或消除非計劃性維修，有效地利用維修資源，優化庫存控制，縮減保障規模，提高油料裝備維修保障系統的響應能力。

貴州紅粘土發育于亞熱帶季風濕潤氣候地區，該地區含有豐富的地表水及地下水系統，碳酸鹽巖首先經歷溶蝕-交代作用，溶蝕-交代作用包括巖溶作用、沉淀作用和交代作用。

3.油料裝備CBM+系統功能

從油料裝備CBM+的系統方案論證、研制到實施應用來保證其有效性。油料裝備CBM+系統是包含大量軟件、硬件在內的復雜集成系統。為將軟件與硬件產品有效集成為一個有機整體，實現與外部應用程序的交互，應采用執行這些應用程序的通用接口和網絡通信協議，遵循數據交換的標準。在構建CBM+系統平臺時，應充分考慮系統擴展性，滿足檢測與監控工程環境要求，以便今后對現有在線狀態監控系統或故障診斷系統進行升級改造。

在油料裝備CBM+實施中，涉及在役裝備運行狀態數據、維修或保養數據、歷史故障數據、裝備建檔數據和裝備保障供應數據等多種數據，應構建合適的數據庫，將各類數據存儲于計算機存儲介質中。CBM+需眾多數學模型支持，可建立CBM 決策分析功能框架和數據結構，利用計算機平臺實現復雜數學模型的運算。根據不同的維修決策需求，在計算機軟硬件的控制和支持下，調用相應維修數學模型，實現維修智能決策。

油料裝備CBM+主要功能模塊有：

（1）油料裝備狀態數據采集模塊數據采集由傳感器、便攜式檢測儀器等裝置來完成，實時采集裝備運行工況參數(如溫度、壓力、流量、速度等)，獲取裝備零部件的工作性能、機械強度、疲勞極限與磨損程度等參數信號，提供裝備狀態信息。數據采集信息還包括裝備的維修數據，如預防性維修費用、更換費用、停機時間等。

（2）油料裝備狀態監測模塊 該模塊接受來自數據采集模塊的裝備狀態數據，將其與期望值相比較，根據事先限定的域值發出警報。通過連續監測獲取裝備狀態變化的預警參數，從而獲得故障初期的信息。

（3）油料裝備狀態評估模塊 主要功能一是智能狀態故障診斷，分析裝備狀態信息，根據故障特征，識別癥狀，查明隱患和初期異常，鑒定和定位故障根源。二是設備性能衰退趨勢預測，通過預告與設備性能衰退相關癥狀信息，來實現有計劃的維修活動。當某裝備或其某部件被診斷為初始故障源后，通過內嵌智能預測模型，評定缺陷部件的剩余壽命和失效程度，預測裝備剩余壽命等。

4.油料裝備CBM+建模分析

油料裝備CBM+智能決策的關鍵在于建模分析，建立油料裝備狀態信息與其運行性能間的關系，如剩余壽命預測模型（比例風險模型、卡爾曼濾波模型、隨機劣化過程模型等）和不同目標下維修決策模型。

4.1 比例風險模型

油料裝備故障通常表現為多衰退特征，伴隨有裝備內部隨機過程產生的輸出、裝備外部因素產生的輸出（如振動、溫度等），其壽命一般服從Weibull分布。故采用Weibull比例風險模型，建立裝備故障率與裝備運行狀態參數和服役時間t的關系。

裝備故障率函數為：

式中：Z為協變量，表征裝備運行狀態；γ為回歸參數，反映協變量Z對裝備故障率的影響；γ.Z是協變量的線性組合，綜合反映裝備運行狀態信息。β和η分別為描述Weibull分布的形狀參數和尺度參數。

4.2 維修決策模型

對油料裝備運行狀態進行評估，預測其剩余壽命后，可根據不同的決策目標，調用相應維修決策模型，得到裝備最優維修策略。

（1）基于可用度的維修決策模型軍用油料裝備對裝備的戰備完好率和裝備可用性有嚴格的要求。對于這類保障任務性維修，將裝備可用度最大作為其維修決策目標。在實際應用中，以裝備平均可用度TAV(t)來表征可用度。

裝備平均可用度TAV(t)為：

式中，Tw(t)表示某一給定時間t內能工作的時間；TF(t)表示某一給定時間t內不能工作的時間。

（2）基于風險的維修決策模型 某些關鍵油料裝備，其失效后果嚴重，易造成安全事故。對于這類安全性、可靠性要求高的裝備維修，則以風險度作為裝備的維修決策目標。

基于Weibull比例風險模型，對應的狀態歷史衰退特征至時間t時，裝備的可靠度函數為：

根據歷史故障數據，給出裝備失效可接受水平ε，求解該裝備的預防性維修間隔期TPM的表達式為：

（3）基于費用的維修決策模型 現代油料裝備結構和技術復雜，發生故障后的修復費用大，考慮維修經濟性，以裝備單位時間內平均費用最小為維修決策目標。基于Weibull比例風險模型，最優的預防性維修間隔TPM為：

式中，CPM為預防性維修成本，CCM為事后維修成本，β為描述Weibull分布的形狀參數。

采集油料裝備部件在運行狀態特征數據，組成數據樣本。應用極大似然參數估計法（Maximum Likelihood estimate，MLE），求解出模型參數γ、β和η的估計值，從而求解故障密度和可靠度等指標，得到推薦的最優預防性維修間隔期TPM。

5.結語

油料裝備增強型基于狀態維修策略，能有效克服傳統維修模式存在裝備過修或失修問題，其今后研究焦點將聚集于裝備的健康預測和對裝備維修智能決策支持。油料裝備CBM+的實施，將使油料裝備維修向敏捷化、智能化發展，對于提高我軍油料裝備的維修保障能力，實現信息化條件下油料保障的快速感知與響應具有重要意義。