工業(yè)設(shè)備預(yù)測性維護(hù)系統(tǒng)

張明濤

（中鐵高新工業(yè)股份有限公司，北京 100070）

0 引言

“中國制造”的產(chǎn)品已經(jīng)成為全球一道獨(dú)特的風(fēng)景線，從制造到 “智造”，推動著制造業(yè)數(shù)字化、智能化加速發(fā)展，制造執(zhí)行系統(tǒng)的出現(xiàn)為智能制造企業(yè)提供了在數(shù)字化的制造環(huán)境和設(shè)備的可視化數(shù)據(jù)管理，大數(shù)據(jù)和人工智能技術(shù)、智能算法的普及，結(jié)合成熟企業(yè)運(yùn)營系統(tǒng)和項(xiàng)目管理系統(tǒng)，預(yù)測性維護(hù)系統(tǒng)尤其重要。設(shè)備的健康運(yùn)轉(zhuǎn)對保障產(chǎn)品質(zhì)量和有序生產(chǎn)起著重要作用，制造流程中的任何一個環(huán)節(jié)出現(xiàn)問題, 都可能導(dǎo)致整個生產(chǎn)鏈的斷裂, 給企業(yè)帶來巨大損失。然而，因設(shè)備意外故障導(dǎo)致的非計劃停機(jī)維護(hù)、有計劃的預(yù)防性維護(hù)停機(jī)不可避免，由此產(chǎn)生的設(shè)備維護(hù)開銷通常占到制造業(yè)企業(yè)生產(chǎn)成本的15%～60%，同時，隨著技術(shù)的發(fā)展，生產(chǎn)設(shè)備的復(fù)雜性日益提高，用于設(shè)備維護(hù)的支出也逐年增加。正以如此預(yù)測性維護(hù)系統(tǒng)當(dāng)成為未來制造業(yè)運(yùn)營重中之重。

從目前的研究成果來看，目前設(shè)計的設(shè)備運(yùn)營管理系統(tǒng)僅停留在信息化層面，僅用于事后記錄，設(shè)備維護(hù)方式僅依賴于有計劃的預(yù)防性維護(hù)，由于設(shè)備本身的結(jié)構(gòu)和性能的差異，決定了維修周期的不盡相同，由此導(dǎo)致相當(dāng)一部分的維護(hù)工作是不必要的。面對著持續(xù)的成本控制要求，工廠管理人員、設(shè)備維護(hù)人員和負(fù)責(zé)質(zhì)量控制的監(jiān)督執(zhí)行人員都希望能夠在維持質(zhì)量標(biāo)準(zhǔn)的同時避免非計劃停機(jī)或設(shè)備故障以及由此帶來的昂貴代價。因此開發(fā)一套預(yù)測性維護(hù)系統(tǒng)，具有很大的應(yīng)用價值。

基于上述的背景和研究現(xiàn)狀，本文在現(xiàn)有成熟的運(yùn)營系統(tǒng)基礎(chǔ)上，設(shè)計預(yù)測性維護(hù)系統(tǒng)，在本系統(tǒng)中構(gòu)建設(shè)備管理、技術(shù)人員管理、項(xiàng)目管理、設(shè)備維護(hù)管理、數(shù)據(jù)分析、系統(tǒng)管理六大模塊，根據(jù)實(shí)際使用場景，分析端采用BS方式，移動端采用APP訪問系統(tǒng)；系統(tǒng)采用狀態(tài)監(jiān)測技術(shù)在線監(jiān)控維護(hù)日志、性能日志、監(jiān)測數(shù)據(jù)、檢查報告、環(huán)境數(shù)據(jù)、項(xiàng)目數(shù)據(jù)、甚至業(yè)務(wù)數(shù)據(jù)。該系統(tǒng)甚至可以在這種結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)中檢測到微小的異常情況或故障模式，以確定風(fēng)險最大的領(lǐng)域。然后，它在風(fēng)險成為現(xiàn)實(shí)之前主動將資源引向這些領(lǐng)域。該方案可以幫助制造商實(shí)現(xiàn)可觀的成本節(jié)約，并提升勞動效率、提高生產(chǎn)連續(xù)性和客戶滿意度，使他們能夠在一個全新的水平上展開競爭。最后，通過項(xiàng)目開發(fā)實(shí)施交付現(xiàn)場對該系統(tǒng)的可行性可預(yù)測能力進(jìn)行階段驗(yàn)證階段上線。

1 系統(tǒng)總計架構(gòu)設(shè)計

工業(yè)設(shè)備預(yù)測性維護(hù)系統(tǒng)，在制造業(yè)已有的工業(yè)設(shè)備基礎(chǔ)系統(tǒng)上結(jié)合5G基站，基于模塊分離的解耦原則，將本系統(tǒng)設(shè)計在具有公網(wǎng)IP的云端服務(wù)器，同時采用配置簡單、訪問便捷的移動端，將系統(tǒng)收縮在廣域網(wǎng)云端服務(wù)器上，總體架構(gòu)如下圖所示：

圖1 系統(tǒng)架構(gòu)圖

本系統(tǒng)將通過5G基站模塊采集設(shè)備的實(shí)施運(yùn)行數(shù)據(jù)，發(fā)送至云端服務(wù)器進(jìn)行存儲，同時接受云端服務(wù)器發(fā)送的設(shè)備控制指令，從而可以遠(yuǎn)程控制工業(yè)設(shè)備，系統(tǒng)設(shè)計的云端服務(wù)器是架構(gòu)核心，搭載了整個預(yù)測性維護(hù)系統(tǒng)，用戶可以通過PC和移動設(shè)備訪問云端服務(wù)器的可視化系統(tǒng)，通過操作界面進(jìn)行設(shè)備管理維護(hù)。將實(shí)現(xiàn)以下功能：（1）針對項(xiàng)目類型的設(shè)備管理和技術(shù)人員管理。（2）針對設(shè)備類型的分析模型維護(hù)。（3）針對預(yù)測性維護(hù)周期對項(xiàng)目周期運(yùn)營預(yù)警分析。（4）各個層級的數(shù)據(jù)交換。（5）實(shí)時的預(yù)警信息發(fā)布。

2 設(shè)備管理模塊設(shè)計

設(shè)備管理模塊采用SpringBoot 框架進(jìn)行構(gòu)建，在IDEA平臺開發(fā)，主要編程語言為JAVA，使用主流VUE.JS+Elemenet UI前后端分離框架來編寫展示層，基于MVV模式設(shè)計后臺控制層和邏輯層，基于Mybatis持久層框架搭建系統(tǒng)數(shù)據(jù)層，提高系統(tǒng)可維護(hù)性。如下將說明業(yè)務(wù)功能：

2.1 設(shè)備狀態(tài)實(shí)時監(jiān)測

傳統(tǒng)的設(shè)備實(shí)施監(jiān)控受限于本機(jī)網(wǎng)絡(luò)，受限于項(xiàng)目駐地的技術(shù)人員配置情況，可靠性和可維護(hù)性較差，大型工業(yè)設(shè)備經(jīng)常性作業(yè)在郊區(qū)野外，數(shù)據(jù)回傳基本等于0，基于此，我們將在本地設(shè)備周邊搭建基于5G傳輸?shù)奈锫?lián)網(wǎng)模塊，使得設(shè)備數(shù)據(jù)基于ZigBee協(xié)議傳輸至SPARK，基于Echarts圖表組件進(jìn)行分析展示。

2.2 設(shè)備報警平臺

結(jié)合歷史數(shù)據(jù)和行業(yè)數(shù)據(jù)，根據(jù)算法平臺訓(xùn)練后，結(jié)合行業(yè)、項(xiàng)目模型建立預(yù)警機(jī)制，根據(jù)預(yù)警級別將相關(guān)操作建議推薦至對應(yīng)的技術(shù)維保人員進(jìn)行針對性維保。系統(tǒng)對維保后的作業(yè)情況提供工單管理，技術(shù)管理人員根據(jù)工單情況輔助輸入相關(guān)維保數(shù)據(jù)，保存至服務(wù)器后臺。

2.3 基于工業(yè)設(shè)備的數(shù)據(jù)處理分析

工業(yè)設(shè)備實(shí)時數(shù)據(jù)通過物聯(lián)網(wǎng)技術(shù)，建立設(shè)備實(shí)時數(shù)據(jù)傳輸體系，通過射頻技術(shù)、傳感技術(shù)、無線通信技術(shù)實(shí)現(xiàn)設(shè)備和數(shù)據(jù)信息的采集；通過5G模塊由互聯(lián)網(wǎng)通道和隧道傳輸至服務(wù)器端，服務(wù)端基于業(yè)務(wù)模型進(jìn)行設(shè)定統(tǒng)一接口標(biāo)準(zhǔn)接受設(shè)備信息，對設(shè)備可能出現(xiàn)的故障做出準(zhǔn)確的分析與判斷，從而有效提高設(shè)備的維護(hù)效率，主要涉及的感知設(shè)備包括振動傳感器、紅外傳感器、轉(zhuǎn)速傳感器、溫度傳感器。

3 預(yù)測模型數(shù)據(jù)處理

基于工業(yè)設(shè)備特性，我們通過線性回歸法進(jìn)行數(shù)據(jù)特征提取，在對數(shù)據(jù)分析后構(gòu)建完整描述該類事件的預(yù)警模型，進(jìn)而實(shí)現(xiàn)流式數(shù)據(jù)的表現(xiàn)。通過規(guī)格化處理后，經(jīng)過訓(xùn)練后計算出每個特征值對應(yīng)的權(quán)重，特征值與權(quán)重的乘積再加上偏置值，得出每臺設(shè)備的預(yù)測性維護(hù)時間，該算法公式為簡寫y=mwT次方，歷史數(shù)據(jù)會根據(jù)0-1區(qū)間規(guī)整，基于龐大的歷史數(shù)據(jù)，為了避免一對多的關(guān)系，需用海量數(shù)據(jù)進(jìn)行不斷訓(xùn)練和實(shí)現(xiàn)一一對應(yīng)關(guān)系，進(jìn)而提取具有代表性的數(shù)據(jù)特征點(diǎn)。

要對流式數(shù)據(jù)事件進(jìn)行有效判斷，需要在事件發(fā)生的時間域內(nèi)，基于預(yù)測參數(shù)，對實(shí)時感知數(shù)據(jù)與預(yù)警模型的貼近趨勢進(jìn)行描述。當(dāng)傳遞數(shù)據(jù)對預(yù)警模型的擬合程度越高，預(yù)測參數(shù)越靠近模型，則進(jìn)行告警提醒。系統(tǒng)通過實(shí)時數(shù)據(jù)與預(yù)警模型的擬合程度對由低到高分為三個等級，通過等級不同對應(yīng)不同的應(yīng)對措施。依據(jù)此數(shù)據(jù)模型當(dāng)預(yù)測模型訓(xùn)練完畢后，用戶只需要對輸入系統(tǒng)變量值則可以得出預(yù)測性維護(hù)時間，根據(jù)設(shè)定閥值標(biāo)準(zhǔn)，進(jìn)行對應(yīng)報警信息輸出。

4 結(jié)語

本社設(shè)計并實(shí)現(xiàn)的工業(yè)設(shè)備預(yù)測性維護(hù)系統(tǒng)，基于云端大腦，通過接口接受工業(yè)數(shù)據(jù)。云服務(wù)通過前后端分離的開發(fā)模式，后端采用Spring Boot框架，采用組件化開發(fā)將其各個應(yīng)用的耦合成都。設(shè)備維護(hù)基于成熟的大數(shù)據(jù)框架和機(jī)器學(xué)習(xí)算法進(jìn)行模型訓(xùn)練和規(guī)格化處理，在機(jī)器設(shè)備運(yùn)行的同時有效進(jìn)行數(shù)據(jù)預(yù)測。實(shí)際的應(yīng)用場景驗(yàn)證了本系統(tǒng)在設(shè)備預(yù)測性維護(hù)的可行性。