多類型科研生產設備的智慧運維管理實踐

徐文杰

（1.中電博微電子科技有限公司，安徽合肥 230088；2.中國電子科技集團公司第三十八研究所，安徽合肥 230088）

0 引言

隨著智能制造的發展，設備自動化程度逐步提高，操作人員作業內容相應減少，而設備維護工作相應增加。生產管理的主體在很多企業已由生產操作人員轉向設備管理維修人員[1]。然而，由于之前缺乏系統的設備管理經驗，設備的利用率并不理想，嚴重影響設備的增值能力。同時對設備運行情況、維修情況缺乏準確的數據支撐。通過對多類型科研生產設備的智慧運維實踐，實現了設備運行和故障信息的實時采集，設備維修信息的在線統計，包括實時OEE（Overall Equipment Efficiency，設備綜合利用率）、的故障頻次統計、故障類型分析等功能。

1 智慧運維特點

在之前重制造、輕維護的基礎上，從事設備管理和維護工作的人員存在明顯的不足。加之在科研院所型企業產品批量小、品種多，導致換產頻次多，客觀上會造成設備時間開動率不高。同時，由于品種多，對關鍵設備的競爭激烈。然而，這類型生產的難點就是生產數據難獲取、現場變化多。依賴人工現場測時很難掌握全面、準確、實時的設備運行和故障信息，碎片化的數據也很難形成有效的決策依據。近年來，隨著物聯網技術的發展，智慧運維的理念被提出并被逐步應用[2-3]。智慧運維首先是通過信息化技術感知物理系統，掌握設備運行和故障情況，能夠記錄生產過程中的關鍵參數[4-5]，能夠反饋各工序工藝參數、加工時間、產品等待時間、設備運行時間、故障時間、維修時間等[6]，為企業管理提供決策支持。其次，能夠根據大數據分析，發現設備故障規律，如針對一些易損零部件進行預防維護[7]，減少非計劃停機。

2 現狀與問題分析

2.1 現狀分析

科研院所型企業由于專業多樣化、產品多品種小批量，導致設備類型多。加之科研院所設備大多依靠技改增加，設備類型雜，國產與進口設備皆有，各類設備配置的數據通信接口和協議各不相同，為設備數據的統一采集和集成應用帶來一定挑戰。目前主要設備可以分為3 大類，分別是測試設備、機械加工設備和電子裝聯設備。

2.2 存在問題

隨著技改等持續投入，設備數量整體上逐年增多，然而對這些設備運行、維修情況沒有系統的掌握，缺乏準確的數據支撐。任務較多時，經常會有科研生產單位會反饋設備能力有限，或者某臺設備故障影響正常交付，需要延期或者外協加工。設備能力到底有沒有得到充分發揮，設備OEE 是多少，應該達到什么標準，沒有一個清晰的概念。要想了解清楚設備使用情況，首先需要獲取運行數據以及停機原因，如故障、換產等時間。依靠手工現場秒表測時費時費力，急需進行設備運行和故障情況的自動采集。

3 智慧運維管理實踐

3.1 設備數據采集

搭建連接各設備的網絡，完成聯網內容符合所需設備技術要求，整體系統連接示意如圖1 所示，整個系統分為設備層、數據采集層、網絡層、數據管理層和應用層等5 個層級。

圖1 設備數據采集系統示意

機械加工設備主要采集的狀態有：開機、關機、運行、待機、報警。過程參數包括：機床的操作模式（編輯、自動運行、MDI、JOG、在線加工模式等）；程序信息（正在運行的程序名稱及內容）；當前刀具號；當前機床轉速、進給速度、F/S 設定值、倍率、主軸負載。坐標信息、報警信息。電子裝聯設備主要采集狀態參數有：開機、關機、運行、待機、報警。過程參數包括：采集12 種不良類型的不良數和注意數，采集運行的程序名稱（產品名稱）及對應的Pass（通過）數量、Fail（不通過）數量。測試設備相對類型多樣，需要采集內容差異大，根據測試內容制定針對性的采集方案，主要包括系統數據和溫度數據。

3.2 數據匯總分析與展示

在獲取實時設備狀態數據的同時，對設備的狀態及參數數據提供歷史存儲功能，通過表格在線BI（Business Intelligence，商業智能）數據分析、報表分析等功能從各個維度展示采集參數。根據對設備狀態、參數分析，可為設備派工、維修等提供決策支持數據。針對單臺設備，能夠根據報警信息快速定位設備問題及產能瓶頸、質量問題。通過一定周期的數據收集，可以形成設備運維的分析報表，為設備效率提升工作提供數據支持[4]。

3.3 設備運維改善

采集數據不是目的，目的是利用數據分析開展設備管理改善工作。有了數據基礎，可以進一步針對性的分析某一設備的效率損失情況、故障報警情況等。通常通過故障時間推移圖量化實績和目標差距，開展專項改善，圖2 為某車間2018 年（3—11 月，其他月份生產計劃不充足，未計算在內）非計劃停機時間推移圖。針對差距，分析設備采集數據中停機原因，分別制定改善目標，通常首先解決前三大影響因素，通過P（Plan，計劃）D（Do，執行）C（Check，檢查）A（act，處理）持續改善可以有效降低效率損失。同時，有了數據的積累，可以對標行業和企業發展需求，對不同類型設備運行效率提出目標，也為設備能力測算提供支持，企業能夠準確掌握外協工作量。

圖2 2018 年（3—11 月）非計劃停機時間推移圖

以數控設備為例，之前認為已經基本利用到極致，但是通過數據分析發現OEE 中的時間開動率并不理想（設備綜合效率OEE=時間開動率×性能開動率×合格品率）只有60%左右。而對標國際TPM（Total Productive Maintenance，全員生產維護）協會的數據，好的企業時間開動率、性能開動率、產品合格品率能夠分別達到90%和95%和99%，即設備綜合效率因而達到85%[8]。在科研院所型企業，由于技術不穩定、試制件多，在性能開動率和合格品率方面通常較低。加之項目多、加工資源競爭激烈，更加關注時間開動率指標的提升。時間開動率的提升就要減少非計劃停機時間，非計劃停機的前3 大主要因素是材料短缺、工裝原因和故障停機，數控設備非計劃停機時間分析如圖3所示。材料短缺主要是物料供應與計劃不匹配，工裝原因時常導致換產調整準備作業不充分，故障方面主要是改善平均故障修復周期。

圖3 數控設備非計劃停機時間分析

為此，從以下2 個方面著手開展改善工作：①從生產方面開展計劃的優化改善，制定滾動的周計劃排產計劃。周五之前確定下周生產計劃，根據計劃提前開展物料、工裝的準備工作；②從設備維保方面開展改善，通過數據分析，針對瓶頸設備首先開展改善。普及TPM 理念，加強設備日常維護，制定自主保全標準。維修人員針對經常發生的故障開展專項攻關，做好預防維護、技術設備運維數據的獲取，可以對其失效、退化過程進行建模，基于維護成本和設備開動率等指標，選取不同維修策略[9-10]。針對維修周期過長的問題，建立快速響應機制，采購周期較長的備件提前購買。周期性更換的備件建立預警機制。在自主維護和專業維護的基礎上，2019 年3—11 月某車間統計的非計劃停機時間推移圖如圖4 所示，非計劃停機時間相比降低42.6%。

圖4 2019 年（3—11 月）非計劃停機時間推移圖

4 結束語

設備管理的目的是服務于產品交付，而不僅僅是保障設備的完好。通過提高設備的時間開動率，能夠有效緩解多品種、小批量生產類型對于資源的競爭。智慧運維通過對設備運行、狀態數據的采集，能夠反映設備使用情況、效率損失情況等，為生產改善提供了基礎支撐數據。以設備時間開動率的提升為目的，對非計劃停機時間的損失針對性開展改善活動，從生產計劃和故障損失2 個方面協同改善。結合TPM 理念，通過自主維護和專業維護的結合，使得停機時間得到明顯降低。周計劃的制定讓生產有序，準備作業更加充分，換產時間大幅度降低，減少了切換損失；自主維護和專業維護讓設備狀態良好，通過預防維護避免了一些不必要的事后維修。通過備件管理讓事后維修更加迅速，減少修復時間。當然，要想設備效能得到更大的發揮，智能運維還需要從設備選型、安裝、調試、使用、維修、改造、更新直至報廢的整個壽命周期全過程進行系統地管理，以全生命周期費用來制定相應的維保策略。通過數據的累積，為后期設備的相應改善工作提供決策支持。