基于大數據分析的空管設備檢修模式

羅汶鋒

摘 要：針對空管設備數據的海量化趨勢，通過大數據分析技術對設備狀態進行深層次高質量評估，提出基于狀態的設備檢修模式，以達到既能消除設備故障隱患、提高可靠性，又能節省成本、提高工作效率的目的。

關鍵詞：大數據分析；檢修模式；空管設備；狀態評估

中圖分類號：TP311.13 文獻標志碼：A 文章編號：2095-2945（2018）32-0193-02

Abstract： In view of the rapid growth of air traffic control equipment data， high-quality evaluation of equipment status is carried out through big data analysis technology， and a state-based equipment maintenance mode is proposed to eliminate hidden trouble， improve reliability， save costs， and also increase work efficiency.

Keywords： big data analysis； maintenance mode； air traffic control equipment； state evaluation

引言

近年來，在我國各行各業中興起了大數據熱潮。數字化信息的產生越來越多，變化也越來越快，我們每天都在產生數據，創造大數據和使用大數據。在國家大數據與“互聯網+”戰略下，大數據、移動互聯網、物聯網、云計算等新興技術正在快速增長與發展，大數據時代已經正式到來[1]。大數據在社會生活和經濟各行業中發揮著重要的作用，它既可以是基礎性的資源也可以作為工具加以利用。在不知不覺中，大數據已經改變了人們的生活、工作以及思考的方式。

民航空管設備的巡檢管理模式，也在大數據的浪潮下悄然發生改變。設備運行的可靠性和安全性是空管設備維護的首要目標。傳統的空管設備管理模式是計劃性維護、預防性維護和故障維護。這些模式存在諸多不足，在行業不斷壯大，設備不斷增多背景下，計劃性巡檢必然會消耗大量的人力物力，某種程度上具有一定的盲目性，降低生產效率；過度的預防性維護則需經常停機檢查影響安全保障外，還會造成設備模塊的頻繁拆裝，反而會產生新的設備隱患；故障維護屬于事后維護，表明發生了的設備故障，已對安全生產造成既定影響，整個設備維護將處于被動。基于此，設備維護部門提出將工作理念“到期必修，修必修好”改為“該修必修，修必修好”，于是對狀態檢修技術的探討和運用日益受到關注。

1 狀態檢修的優勢

狀態檢修是預知性檢修，是以設備狀態為基礎，以預測設備狀態發展趨勢為依據的檢修方式[2]。它能有效地避免故障檢修和周期性定期檢修帶來的弊端，是較為理想的檢修方式，也是今后設備檢修模式發展的趨勢[3]。狀態檢修前，通過利用已有的設備狀態信息和歷史數據，進行多方位多角度分析，最大限度地把握設備狀態，依此制定合理的檢修維護策略。基于狀態的檢修既能將故障消滅在萌芽狀態，提高設備運行的可靠性，又能減少定期檢修中不必要的檢修作業，提高工作效率。

實現狀態檢修的關鍵，是準確評估設備當前的運行狀態。傳統的方法為基于導則和打分制或基于有限數據的專家診斷系統[4]。面對日益增多的設備維護和監控數據，大數據分析技術則為空管設備狀態評估開辟了一條全新的路線，并對現有設備狀態監測參數提出了更高的要求。該方法引入了數理統計、模式識別等方面的理論和工具，在大規模數據分析的基礎上，重點挖掘不確定模型條件下被分析因素之間的關聯性。

2 基于大數據的設備狀態評估模式

基于大數據的設備狀態評估模式主要包括四個關鍵步驟，分別是原始設備數據收集、設備數據預處理、設備數據挖掘分析、決策知識應用[5]，如圖1所示。

（1）原始的設備數據。這包括設備的日常運行數據、維護數據和監控數據，以及故障記錄、維修記錄和設備所處環境的溫度、濕度、降水等外部數據，為設備積累海量的日志信息。

（2）設備數據預處理。設備原始數據存在很多噪聲信息，具有一定程度的混雜性與不真實性。在分析挖掘前對數據進行預處理，能有效地提取高質量數據，并將不同設備的數據進行一致化操作，約簡數據中的稀疏屬性，提高數據挖掘的準確性。

（3）設備數據挖掘分析。常用的大數據挖掘技術，主要有聚類、關聯、遺傳算法、支持向量機等算法。基于大數據的設備評估方法就是利用這些算法對設備良好狀態下的大量歷史數據進行挖掘分析，得到對應于設備在不同操作模式下正常運行的各種參數指標值，并對基于各種故障與缺陷狀態下的全景歷史數據進行深度的關聯分析，得到設備各種數據與設備不同健康狀態之間的對應關系，以評估設備的當前運行狀態。

（4）決策知識應用。獲取設備當前運行狀態后，就可以提出基于該設備運行狀態的相應決策。常見的設備狀態分類有故障、隱患、正常，如設備存在故障，則就及時停機檢修；如發現設備存在安全隱患，則應盡快安排巡檢，以排除隱患，避免設備往惡化方向發展；如設備狀態正常，則可合理地推遲巡檢，以減少不必要的作業，提高效率。

3 基于大數據的設備狀態評估應用前景

隨著空管設備的日益增多以及相應監測設備的大量使用，空管設備數據海量化的趨勢將越來越明顯。面對如此海量的數據，大數據分析技術成為了空管設備狀態評估的關鍵點，為深層次分析數據間邏輯關系從而得到更高價值的狀態評估提供了可能。

美國紐約愛迪生電力公司對高危井蓋的分析處理是設備狀態大數據挖掘分析是典型案例。該公司通過分析每年多起電費井蓋爆炸造成的嚴重事故，采取大數據分析手段統計出106種預警先兆，預測2009年可能出事的井蓋并嚴加監控。結果位列前10%的高危井蓋中，預測準確率達44%[6]。

目前，在國內民航空管行業中，尚未有大數據挖掘分析在空管設備狀態評估領域的具體應用，但有理由相信，隨著空管設備狀態信息的爆炸式增長，通過大數據分析技術實現空管設備狀態精細化評估是未來必然的發展趨勢，而基于狀態的檢修模式則是大數據狀態評估技術的一個典型應用。

4 結束語

本文提出了基于狀態的設備檢修模式，分析其相對傳統檢修模式的優勢，并著重介紹了利用大數據分析技術對設備當前狀態進行深層次高質量評估的方法與步驟，在傳統的民航空管設備管理領域里注入新興概念。

參考文獻：

[1]盧薇薇.淺談“大數據”在民用航空領域的應用[J].科技與創新，2017（10）：121.

[2]韓曉霞，李莉，馬海燕，陳愛經.關于電力設備狀態檢修技術的研究[J].青海電力，2006（3）：13-16.

[3]李慧敏，任敏哲，安永成.電氣設備狀態檢修的探討[J].西北電力技術，2006（1）：37-39.

[4]黃建華，全零三.變電站高壓電氣設備狀態檢修的現狀及其發展[J].電力系統自動化，2001，25（16）：56-61.

[5]周開倫.設備的大數據管理模式[J].中國設備工程，2017（04）：28-29.

[6]宮宇，呂金壯.大數據挖掘分析在電力設備狀態評估中的應用[J].南方電網技術，2014，8（6）：74-77.