基于移動互聯網的設備智能維護管理平臺研究

侯大立， 張 芳

(1.上海應用技術大學 機械工程學院，上海 201418；2.中國石油西氣東輸管道公司，上海 200122)

隨著移動互聯網時代的到來，大數據和信息化帶來的技術革命極大的推動了維修模式的變革。在此基礎上，基于移動端APP的工業控制軟件能夠通過移動互聯網實現多種功能，有可能成為一種新型的工業控制工具，它有助于技術人員及時掌握設備信息，做出科學維修決策[1]。國內外研究人員在這方面也開展了積極的探索，邸鑫鵬等[2]開展了物聯網與移動互聯技術在城市軌道交通設備維修中的應用討論；梁戈義[3]開展了移動互聯網在汽車維修技術方面的應用探索；HENNIG[4]對工業APP在維修中的應用進行了探討。由于移動互聯網出現較晚，工業領域中應用于維修的成熟產品的研發案例報道較少。

隨著國內對天然氣需求的不斷增長和長輸管道的不斷建設，作為天然氣長輸管道重要設施的分輸站日益增多。分輸站的主要功能是進行計量調壓，如果分輸站調壓撬發生故障則可能導致下游用戶斷氣，后果較為嚴重。因此，對分輸站穩定供氣的要求較高，要求分輸站設備設施必須長期處于完好運行狀態。根據分輸站多年的運行經驗來看，現有調壓撬、計量閥等關鍵設備的維修主要以傳統的定期維修和事后維修為主，缺乏靈活性和適應性，無法消除分輸站的運行隱患。

本文以天然氣分輸站為例，綜合運用了云計算、物聯網、大數據、人工智能、移動互聯網等先進技術，采用了阿里云作為云存儲和云計算服務器，針對歷史維修數據開展視情維修算法研究，通過開發的APP客戶端推送給相關技術人員，實現了技術人員與信息流的雙向交互，改變了傳統的維修管理模式。

1 維修理論與視情維修算法研究

維修是設備管理的至關重要的環節。維修是對設備進行維護和修理的簡稱，維護是為了確保設備能夠完成其功能所作的一切工作，而修理是為恢復設備期望功能所進行的所有活動[5]。也可以說維修就是為保持設備處于完好工作狀態所進行的一切工作。從時間歷程上來看，設備的維修主要經歷了基于“事件”的事后維修、基于“時間”的定期維修及基于“狀態”的視情維修(含預防性維修和預測性維修)3個發展階段[6]，圖1所示為設備維修方式的發展歷程。從事后維修到定期維修，再到當前的視情維修是維修發展的必然之路。

圖1 維修的發展歷程

早期的天然氣設備比較簡單，維修也相對容易，維修只是作為一種輔助手段，不會在設備正常運行過程中采取主動的維修措施，只有在設備出現故障或異常，不能正常運行的情況下，才會實施修理并進行故障排除，即事后維修方式。這種方式的缺點是難以避免意外停機的情況，經常需要進行搶修，較為被動，目前天然氣分輸站采用的較多為此類維修方式，具有較大的風險性。

隨著設備自動化程度及復雜程度不斷提高，因設備意外停機所造成的損失也不斷增大，為了降低事后維修的損失和風險，逐漸產生了以“預防為主”的維修觀念，通過制定設備維修方案，確定維修時機和內容，在設備運行過程中主動采取維修活動，以預防意外停機發生的幾率及故障造成的危害。這種“防患未然，提前計劃”的主動維修觀念即為計劃性維修方式(或稱定期維修方式)。計劃性維修以時間為依據，可以有計劃、有準備地進行維修活動，能夠一定程度上避免設備的意外停機及故障危害。但是，計劃性維修根據的是一批設備的故障統計規律和使用經驗來確定維修周期的，只依據設備的工作時間，而沒有考慮當前設備實際的運行狀態及設備退化過程的隨機性，缺乏針對性，維修過早(過頻)，容易使系統零部件過多的更換、修理，造成人力、物力的極大浪費，頻繁的拆卸會造成額外的人為損害，降低設備的使用壽命；另一方面，如果維修不及時，又會使設備“帶病工作”，引起其他連鎖故障，甚至使系統癱瘓，造成嚴重后果[7]。采用計劃維修會不可避免地引起“維修不足”或“維修過剩”導致的潛在風險或額外維修等問題。

近年來以傳感器技術為代表的狀態監測技術和以計算機為中心的信息處理技術得到了快速的發展，這為設備的狀態監控及運行狀態的實時處理評估提供了可能。在維修需求牽引及先進技術的推動下，產生了一種通過監控設備的運行狀況，再根據實際情況及時處理的維修方式，即視情維修方式。它根據裝備的歷史故障信息和狀態信息,確定維修時間和維修方式,盡可能使裝備在故障發生前的時刻進行維修,降低故障發生的概率,減少維修過程的資源浪費[8]。視情維修近年來得到了廣泛的應用，國內在這方面已經有一些研究工作,如采用神經網絡模型、小波分析等工具,但是這些模型的建立需要大量的試驗數據[9]。

視情維修最重要的工作內容之一是確定設備的維修周期，而不是根據固定的運行時間確定維修周期。因此，根據積累設備的大修周期情況開展下一次的周期預測是要解決的核心問題。本項目采用了基于灰色模型的預測方法，取得了良好的效果。

灰色系統是指“部分信息已知，部分信息未知”的“小樣本”的不確定系統[10]，以灰色模型(GM)為核心的模型體系，它的建模機理是基于關聯空間、光滑離散函數等概念，定義灰導數與灰微分方程，進而用離散數據建立微分方程形式的動態模型[11]。灰色模型相比其他算法對數據沒有很強的限制，而且精度更高。灰色模型理論已經成功到工業、農業、經濟等眾多領域，解決了生產、生活和科學研究的大量實際問題。

灰色模型建模過程如下：

令

x(0)=(x(0)(1),x(0)(2),…,x(0)(n))

(1)

為原始數據序列，

x(1)=(x(1)(1),x(1)(2),…,x(1)(n))

(2)

為x(0)序列的一次累加數據序列，其中

(3)

令z(1)為x(1)的均值序列，

z(1)=(z(1)(2),z(1)(3),z(1)(n)),

z(1)(k)=(1/2)(x(1)(k)+x(1)(k-1))

(4)

得到

x(0)(k)+az(1)(k)=b

(5)

式中：a為發展系數，b為灰作用量。

將原始數據序列x(0)代入x(0)(k)+az(1)(k)=b，得到

稱此為灰色GM(1,1)模型，改寫矩陣方程為：

(9)

即Y=B·A，由最小二乘法，該矩陣方程的解為：

(10)

將得到的a，b代入灰色GM(1,1)可以得到

(t=0,1,2,…,n-1)

(11)

做累加還原，得到原始數據序列的灰色預測模型為：

(12)

2 移動互聯網解決方案

該系統軟件架構如下圖所示：

圖2 智能管理平臺軟件架構

核心架構為位于云端的智能服務器，包括數據庫和云計算功能。客戶端為基于Android操作系統的APP和基于蘋果IOS系統的APP。主要功能包括人員角色管理、權限管理、登錄管理、設備管理、故障代碼管理、視情維修計算模塊等。

在云端建立設備管理的數據庫和故障庫，基于維修的大數據通過預測性維修核心算法計算設備的下一個維修周期，在維修日期之前兩周自動生成工單，通過手機APP推送給相關人員,變被動為主動,避免事后維修的造成的設備停運問題。系統的硬件組織架構如圖所示：

圖3 智能管理平臺組織架構

3 系統驗證

以監控調壓閥為例，介紹APP工作界面。監控調壓閥的閥門膜片是易損件，其后果會直接影響輸氣生產。在前期膜片損壞的積累數據上，通過灰色模型計算下次的維修周期，從而提前處理，避免事后維修帶來的停輸等嚴重后果。系統開發界面如圖4所示。

圖4 智能管理平臺APP工作界面

技術人員通過APP接收推送的信息，可以清楚的識別該設備的位置、詳細信息、更換記錄等，便于準備備件，節省作業時間。將被動的事后維修變為主動的視情維修方式，加強了維修的計劃性，避免了生產停輸的風險，起到了良好的效果。

與原來的維修管理方式相比，現有的維修具有以下幾個明顯的優點：

(1)具有更強的維修針對性和更好的計劃合理性。視情維修也需要安排計劃(維修決策)，但其計劃的安排是依據設備的實際情況，在設備臨近故障前進行維修，既能保證避免故障的發生，又能充分利用設備的有效壽命，有效克服了因“維修不足”或“維修過剩”導致的潛在風險或額外維修等問題。

(2)具有更強的管理靈活性。通過視情維修的決策可以綜合考慮備品備件、維修資源等各方面的因素，更加靈活地開展各項維修管理工作。

(3)移動APP推送相比傳統的打電話等方式，推送信息更加全面，便于技術人員查看設備信息、備件情況和歷史更換記錄，提高工作效率，節省作業準備時間。

4 結 語

智能管理系統匯集了云(阿里云)、物(物聯網)、大(維修大數據)、智(核心算法)、移(移動互聯網APP)五個核心要素，結合先進的視情維修策略，克服傳統的打電話或PC傳輸信息方式的弊端，初步解決了站場設備損壞造成設備停運的被動局面，在維修工作中變被動為主動，該系統還有望對臺帳管理、故障統計分析、備件消耗等功能進行進一步擴展。