大數據在立柱維修流水線的應用

摘 要：工業大數據領域的研究和應用正在快速發展，隨著大數據、物聯網及云計算技術的發展，數據蘊含的價值正在飛速提高，以工業大數據為主線的技術創新與產業發展趨勢也越發顯現。順應大數據的發展，神東煤炭集團設備維修中心利用大數據技術去解決立柱維修流水線中的瓶頸，提高生產效率，優化管理。

關鍵詞：大數據；立柱流水線；瓶頸；預測

1 概述

對于眾多企業來說，大數據是一個熟悉又陌生的概念，在互聯網行業蒸蒸日上的時代，傳統企業和互聯網企業的管理者對海量數據的規模和其爆炸性的增速毫不陌生，但卻對不同來源數據交叉形成的大數據具有巨大的潛在價值這一事實將信將疑。事實上，大數據開啟了一個重大的時代轉型，正在改變著我們的生活以及理解世界的方式，成為新發明和新服務的源泉。大數據將帶來思維、商業和管理的變革。

神東煤炭集團設備維修中心立柱維修流水線在整個精益改善過程中，只能做到持續的消除浪費和流程優化，無法做到預知性維修。而利用大數據的先進技術，充分挖掘數據，可以預測維修過程中的瓶頸，從而落實科學決策、減耗增效，讓數據發揮效益，進一步提升維修中心的生產和管理水平。

2 立柱維修流水線瓶頸分析

2.1 立柱維修流水線介紹

立柱是液壓支架中將頂梁和底座連接起來的部件，承受頂板的載荷，是支架的主要承載部件。在設備維修中心目前的體制和管理中，立柱維修是按照項目有計劃地推進，每年的維修量約5500根。立柱維修流水線共有10道工序：噴砂、拆解、珩磨、檢測、缸口修復、打磨、清洗、組裝、打壓、噴漆。54個一線員工投入各工序維修，每天作業7小時，質檢人員進行立柱維修的全過程質量管控、跟蹤工作。

2.2 立柱流水線瓶頸

目前，立柱維修流水線雖然按照項目有計劃推進，但是具體每一套支架立柱的維修量是多少，每一道工序的維修量在維修前無法預知，這樣的瓶頸給車間安排生產帶來了困難，經常出現生產任務過量或者不足的現象，不能均衡生產。

具體對于這一維修流水線，我們的瓶頸其實就是我們想提前預測的內容，所以如果我們能夠提前預測如下信息，將大大提升生產效率。（1）立柱年度維修總量。通過年度的維修總量數據，我們可以制定年度的生產、人員計劃。（2）不同機型立柱年度故障率。通過各種機型立柱的故障率數據，可以指導我們的采購導向、配件提報計劃。（3）立柱月度維修量。通過月度維修量的數據，我們可以制定月度計劃，月度內均衡生產。（4）立柱各工序月度維修量。通過月度工序維修量的數據，我們提前得知立柱各工序月度維修量，使得立柱維修流水線的管理、人員、設備、材料得到最佳匹配。（5）立柱月度維修配件需求量。通過配件需求量的數據，我們能夠提前組織配件。

3 大數據技術對立柱維修流水線瓶頸預測

3.1 立柱生命周期數據庫建設

對立柱進行全壽命管理，需要給每根立柱建立自己的“身份證”，即從立柱采購、入井使用、定期檢修到立柱淘汰，在這一循環過程中與立柱壽命相關的信息有立柱基本信息、礦井基本信息、井下使用信息、設備檢測信息、維修資源信息、維修記錄信息。因此，建立立柱“身份證”的數據采集列表包含三個基本數據庫，三個設備行為庫，其核心任務是將立柱所涉及到的信息數據，通過“身份證”進行鏈接，立柱到哪里，就有到哪里的相關數據。

具體而言，三個基本數據庫為立柱庫、維修資源庫、礦井庫。立柱庫主要包括廠商、型號、購入時間、設備的相關參數、使用總體情況和維修總體情況。是了解立柱總體情況，鏈接各部分的核心數據庫。維修資源庫包含人員、配件和自有設備三大部分，是作為后期業務預警的關鍵數據庫。礦井庫主要包含檢測時間、礦井相關參數、水質參數等，是礦井環境數據庫。三個設備行為庫為設備檢測庫、井下使用庫、維修歷史庫。設備檢測庫主要包括相關檢測和檢測時間數據，是設備運行檢測數據庫，用于了解設備實時情況，對后期挖掘起到十分關鍵的作用。井下使用庫主要包括礦井情況和立柱具體使用情況數據，是鏈接礦井、立柱的數據庫，同時起到數據關聯和后期挖掘的作用。維修歷史庫主要包括維修的時間、部位以及維修的標準參數，用于確定設備運行的具體故障。

根據對需求的深入分析，數據采集部分使用SDABAS PA產品， SDABAS PA是一款ETL產品，可以完成數據的抽取，轉換和加載工作，可以整合各種異構的數據源并最終將數據以一種指定的格式流出。

數據庫建設一是為數據收集提供有效的存儲場所，二是為數據挖掘提供良好的前期保障，達到承前啟后的作用。

3.2 數據的挖掘

數據挖掘是利用數據庫中的數據，通過數據挖掘軟件，對生產歷史數據進行預測評估，預測立柱維修流水線中的瓶頸。根據實際的業務數據情況和業務目的，可以選擇多種的數據挖掘模型來完成建模的工作。

比如立柱故障預測，是先通過數據挖掘技術，根據歷史數據預測出立柱所處具體環境、環節的估值，來整體描述和評估需要維修套別的特征，再關聯到其損壞特征，由此確定立柱的損壞部位和數量。

數據庫建設完備后，可以通過數據挖掘的手段把數據轉化成模型，來指導我們的工作，并且這個過程是一個反復優化循環的過程。最終還能結合維修資源、立柱維修的流水工序，來判斷實際維修生產所需的資源配置，甚至給出相應建議。

3.3 預測結果展示

結果展示可以為不同需求的用戶，提供數據的錄入功能、查詢功能、數據統計展現功能、以及數據挖掘分析結果的展現功能。具體會為決策者提供全面的圖形展示，以方便總覽全局；為管理者提供表單，以便他們使用和查看具體數據；為生產者提供定制表單，簡化他們的操作使用難度。

SDABAS DM是一款數據挖掘產品，提供強大的數據挖掘算法庫，可根據需要構建模型進行分析挖掘。此次應用將使用DM構建各業務預測分析模型，運行預測模型并將預測結果寫回數據庫中。使用DM根據數據情況和預測內容不同，選取不同的算法構建不同的挖掘模型，不斷訓練模型、優化模型，最終將模型固化發布。通過調度在數據導入后對模型進行優化，對新數據應用模型得出預測結果，將結果寫回數據庫中。

4 結束語

大數據是社會發展到一定階段必然產生的科學技術之一，是當今生產力的代表之一。大數據技術將應用到社會生活的各個領域，目前最突出的是應用在基于互聯網的各類商業應用上。同時，對于政府管理和國家安全也有十分重要的意義。未來，大數據技術必然會產生產品與服務的高度個性化，產品和服務定制化、單獨化、“不復制化”是必然的趨勢，實現這一點的前提就是大數據。

而針對實體行業來講，生產數據、生產裝備數據、經營數據等，都可以利用大數據工具進行相應的優化提升，提高生產效率，降低生產成本將是大數據給他們帶來的最終目的。神東煤炭集團是中國神華集團有限公司的核心煤炭生產企業，神東科學管理一直走在全國煤炭行業前列。神東煤炭集團設備維修中心是專門負責對煤炭設備進行檢修維護的部門，近年來，維修中心建立的國內一流的維修流水作業線，大大提升了檢修效率，月度檢修量提高一倍以上。為了進一步提升檢修效率，現以立柱維修為主線，利用大數據的先進技術與理念，幫助設備維修中心立柱維修實現預測性維修、減耗增效，讓數據發揮價值和效益，進一步提升維修中心生產、管理水平。因此，我們亟需一套可以查詢、統計維修歷史數據，并依據歷史數據對維修業務相關進行有效預測的大數據展現平臺，為部門各業務環節提供有效、全方位的數據信息支持。

參考文獻

[1][英]維克托.大數據時代[M].浙江人民出版社，2013.

[2]韓家煒，裴鍵.數據挖掘概念與技術[M].機械工業出版社，2012.

[3]劉增杰，李坤.MySQL5.6從零開始學[M].清華大學出版社，2013.

[4]吳軍.數學之美[M].人民郵電出版社，2014.

作者簡介：李二霞（1984-），女，漢族，陜西，神東煤炭集團設備維修中心，本科，研究方向：機械設計制造及其自動化。